信息网络安全

Select

1. 弱网的安全框架研究与实现

刘光华, 王晨龙, 王连坤

信息网络安全 2026, 26 (5): 667-683. DOI: 10.3969/j.issn.1671-1122.2026.05.001

摘要（349）

HTML （81）

PDF （19225KB）（158）

无线弱链路传感器网络（简称“弱网”）广泛部署于地下、深海、管道等极端环境中,其通信链路受强衰减、高噪声和间歇性连通等物理特性影响,长期处于高丢包、非对称、低带宽与易断连状态,导致传统无线传感器网络的安全机制在此类环境中难以维持有效性。外部攻击者可利用弱网链路的脆弱性实施身份伪造、中间人攻击和重放攻击,内部被攻陷的节点则可能通过伪装、选择性转发和协作攻击破坏网络稳定性。因此,构建适应弱网特性的安全机制是保障其可用性的核心问题。针对上述挑战,文章提出一个面向弱网环境的安全框架。在外部接入安全方面,文章设计了一种断连鲁棒型认证密钥协商协议（D-ADH）,通过固定协商公钥与单次安全广播显著减少交互开销,并采用轻量化的请求—重传机制提升高丢包环境下的协商成功率。在内部恶意节点检测方面,文章提出一种基于Type-2模糊逻辑的动态信任管理机制（FDTM）,融合通信成功率、数据一致性与流量行为等多源信任证据,引入环境感知与趋势式更新方法,使信任推断能够有效区分弱网噪声引起的异常与真实的恶意行为。该框架可在极端链路条件下同时实现稳定的外部认证能力与高精度的内部恶意节点识别,为弱网提供一种可部署、可扩展且高鲁棒性的安全解决方案。

图表 | 参考文献 | 相关文章 | 多维度评价

Select

2. 大语言模型提示词注入攻击与防御综述

袁明, 邹其霖, 袁文骐, 王群

信息网络安全 2026, 26 (3): 341-354. DOI: 10.3969/j.issn.1671-1122.2026.03.001

摘要（704）

HTML （103）

PDF （16367KB）（314）

随着大语言模型及其驱动的AI Agent在多个领域被广泛应用，大语言模型安全问题日益突出。提示词注入攻击作为一种新兴的安全威胁，给大语言模型带来巨大安全隐患，它利用大语言模型无法区分用户指令与注入指令的缺陷，诱导模型偏离目标任务，执行攻击者任务，造成数据泄露、系统入侵等问题。文章系统梳理了提示词注入攻击的研究现状，包括早期注入攻击和基于角色注入攻击、载荷拆分注入攻击、基于混淆注入攻击以及基于优化注入攻击等。在防御方面，根据防御手段将现有方法归纳为基于检测的防御和基于预防的防御。

图表 | 参考文献 | 相关文章 | 多维度评价

Select

3. 高级持续性威胁检测与溯源研究进展

孙钰, 张轩瑞, 刘新宇

信息网络安全 2026, 26 (6): 833-853. DOI: 10.3969/j.issn.1671-1122.2026.06.001

摘要（192）

HTML （42）

PDF （26418KB）（114）

近年来，高级持续性威胁（APT）攻击呈现爆发式增长，对政府机构和关键基础设施安全构成严峻挑战。基于溯源图的入侵检测系统（PIDS）通过捕获和分析系统层面的依赖关系，成为检测复杂、隐蔽的APT攻击的重要手段。首先，文章阐述了支撑PIDS研究的各类测试基准，并分析了其在规模、复杂性、攻击覆盖和标注质量等方面存在的局限。进一步以溯源图为基础，对现有的APT检测与攻击溯源方法进行分类，揭示了从早期规则匹配到机器学习，再到当前基于大语言模型（LLM）方法的技术演进路径，并总结了各类方法的优势与不足。文章对基于LLM的APT检测与溯源的范式进行了归纳，并逐步厘清了该领域面临的关键挑战。最后，对未来研究方向进行了展望。

图表 | 参考文献 | 相关文章 | 多维度评价

Select

4. 《信息安全技术网络安全等级保护测评要求》（GB/T 28448-2019）标准解读

陈广勇, 祝国邦, 范春玲

信息网络安全 2019, 19 (7): 1-8. DOI: 10.3969/j.issn.1671-1122.2019.07.001

摘要（20651）

HTML （968）

PDF （7610KB）（8280）

《信息安全技术网络安全等级保护测评要求》（GB/T 28448-2019）已正式发布实施。文章介绍了GB/T 28448-2019的修订背景和进程、与GB/T 28448-2012比较发生的主要变化、安全测评通用要求和安全测评扩展要求的主要内容等,目的是使用户更好地了解和掌握GB/T 28448-2019的内容。

图表 | 参考文献 | 相关文章 | 多维度评价

Select

5. 第26卷第5期目次

信息网络安全 2026, 26 (5): 0-0.

摘要（196）

PDF （1614KB）（104）

相关文章 | 多维度评价

Select

6. 大语言模型推理隐私保护技术综述

崔津华, 董亮, 杨新

信息网络安全 2026, 26 (4): 503-520. DOI: 10.3969/j.issn.1671-1122.2026.04.001

摘要（404）

HTML （56）

PDF （22600KB）（201）

大语言模型已在医疗、金融、司法等领域得到广泛应用。然而，在推理阶段，大语言模型的隐私风险问题尤为突出。文章首先从隐私风险角度出发，对推理阶段的潜在威胁展开系统性分析，并根据隐私泄露对象进行分类。然后，对现有隐私保护方法进行概述，并根据技术路径将其划分为基于密码学、基于检测以及基于可信执行环境的方法，重点讨论了各类方法的优势与局限。从安全性、效率、可扩展性和部署复杂度4个维度，对不同方法进行深入比较与分析。最后，结合研究现状与挑战，总结出未来在推理阶段提升大语言模型隐私保护的研究方向与潜在解决思路。

图表 | 参考文献 | 相关文章 | 多维度评价

Select

7. 基于频域分布对齐的无训练黑盒深伪攻击方法

虞楚尔, 王菡悦, 吴坚, 丁伟杰, 陈先钳, 王总辉

信息网络安全 2026, 26 (5): 684-698. DOI: 10.3969/j.issn.1671-1122.2026.05.002

摘要（236）

HTML （45）

PDF （19024KB）（100）

随着深度伪造（简称“深伪”）技术生成质量不断逼近真实影像,深伪检测在多媒体内容安全中的作用愈发重要。然而,现有方法多依赖真实与伪造样本的统计偏差进行判别,使其在黑盒条件下面临对抗脆弱性。文章研究在无训练、零查询黑盒场景下检测系统的安全性,提出一种新的攻击视角,将对抗攻击建模为对伪造图像统计指纹的定向修复,而非外源噪声扰动。基于此,文章提出频域分布对齐的无训练黑盒攻击方法（SpectralFusion）。该方法利用深伪生成中天然存在的真实-伪造成对先验,在无需访问检测器参数、梯度及额外训练与查询的前提下,通过频域分析定位伪造图像与真实参考的统计差异,并仅对异常频段进行受控修正。具体地,设计差异感知掩码以精确定位异常频段,并引入自适应融合强度机制动态调节修正能量；结合局部重叠块的频谱处理策略,实现对伪造频域特征的精细对齐与重建。实验结果表明,SpectralFusion在保持较高视觉保真度的同时,能够稳定削弱多种检测模型的判别置信度,并在不同模型架构与伪造类型下展现出良好泛化能力。研究结果揭示了深伪检测模型在频域统计层面的潜在安全隐患,为评估黑盒检测系统的鲁棒性提供了新视角。

图表 | 参考文献 | 相关文章 | 多维度评价

Select

8. 基于可解释人工智能的入侵检测方法研究

杨望, 郑伟特

信息网络安全 2026, 26 (6): 854-869. DOI: 10.3969/j.issn.1671-1122.2026.06.002

摘要（178）

HTML （41）

PDF （18518KB）（82）

针对深度学习入侵检测系统存在决策过程不透明、面对变种攻击泛化能力弱等问题，文章提出一种解释驱动的入侵检测方法（EGA-ID）。该方法打破传统集成学习仅依赖准确率筛选基学习器的局限，引入解释一致性作为衡量模型互补性的关键维度。通过构建统一的解释向量空间，量化异构模型决策逻辑的差异，筛选出决策视角多元且互补的模型子集。同时，结合基于快速梯度符号法的对抗增强训练与包含普拉特概率校准及元学习器的多层融合决策机制，构建稳健且透明的端到端检测架构。在NSL-KDD与UNSW-NB15双基准数据集上的实验结果表明，EGA-ID在F1值与检测精度上均优于深度学习基准及传统集成模型，并在保持高精确率的同时，显著提升对稀疏及变种攻击样本的召回率。此外，该方法实现较高的解释忠实度与稳定性，证实高质量的可解释性能够提升模型性能，在所评测的场景下实现高性能与可解释性的良好平衡。

图表 | 参考文献 | 相关文章 | 多维度评价

Select

9. 基于质量相异度的异常数据检测方法

张宏涛, 张霄, 郭毅, 张连成, 李旭青

信息网络安全 2026, 26 (5): 699-712. DOI: 10.3969/j.issn.1671-1122.2026.05.003

摘要（181）

HTML （40）

PDF （16050KB）（79）

各类数据管理系统规模和复杂性日益提升,其产生的数据呈现高维、非线性等特征,导致数据冗余、异常污染和质量下降等问题,进而威胁系统安全。传统异常数据检测方法存在精度低、适应性差等局限,难以有效应对此场景。文章提出一种基于质量相异度的异常数据检测方法。该方法利用粒子群算法来识别关键特征,并通过数据质量相异度评估数据间差异来建立检测模型,从而有效区分正常与异常数据模式。实验结果证明,该方法优于传统的统计和机器学习方法,尤其是在处理高维的非线性数据集方面。该方法从数据质量差异的视角刻画数据相异度,显著提升了复杂环境下异常数据识别的准确性与可靠性。

图表 | 参考文献 | 相关文章 | 多维度评价

Select

10. 基于机器学习的恶意软件检测方法综述

李海龙, 张运豪, 沈燮阳, 邢宇航, 崔治安

信息网络安全 2026, 26 (4): 521-541. DOI: 10.3969/j.issn.1671-1122.2026.04.002

摘要（273）

HTML （41）

PDF （24934KB）（133）

随着网络空间威胁的不断升级，恶意软件在数量与复杂性方面呈爆炸式增长。机器学习凭借其强大的特征提取能力，被广泛应用于恶意软件检测任务中。本文综述了近年来基于机器学习的恶意软件检测技术。首先，介绍了恶意软件的定义与检测体系；其次，详细综述了传统机器学习、深度学习和图表示学习在恶意软件检测中的应用；再次，对这3类机器学习方法进行比较和分析；最后，总结了当前面临的技术瓶颈，并提出未来展望。

图表 | 参考文献 | 相关文章 | 多维度评价

Select

11. 多智能体系统安全防护技术研究综述

汪正阳, 刘晓露, 沈卓炜, 韦梦立

信息网络安全 2025, 25 (7): 1138-1152. DOI: 10.3969/j.issn.1671-1122.2025.07.012

摘要（704）

HTML （58）

PDF （19353KB）（218）

文章聚焦于多智能体系统的安全防护技术，从系统面临的威胁视角展开全面且深入的探讨。首先，基于多智能体系统具备开放性、异构性、自治性、协同性、动态适应性和涌现性6个主要特性，探讨其内生安全风险。从攻击目标、攻击方式和攻击者属性3个维度，对系统的安全风险进行分类，给出相关攻击方式。其次，概述安全威胁识别方法，指出威胁建模方法的局限性。在安全防御技术方面，梳理加密与认证、入侵检测与响应、信誉管理、容错设计、安全策略与审计等领域面临的挑战和研究进展。再次，探讨大模型直接调用智能体可能引发的跨域攻击威胁，分析视觉、音频攻击手段被大模型利用后可能导致的损害，并从打断攻击链的角度分析可能的防御措施。从次，阐述安全架构的演进方向，介绍弹性安全架构和内部工作逻辑。最后，对国内外研究现状进行总结，并从理论、技术和学科融合创新方面给出后续研究建议。

图表 | 参考文献 | 相关文章 | 多维度评价

Select

12. 一种基于多智能体架构的自动化渗透测试系统

董英娟, 吕萍, 刘兵

信息网络安全 2026, 26 (4): 654-664. DOI: 10.3969/j.issn.1671-1122.2026.04.012

摘要（233）

HTML （47）

PDF （13757KB）（100）

近年来，网络攻击呈现高度组织化和自动化趋势。在以大语言模型为主的人工智能技术加持下，攻击者能够快速编写和派生恶意代码，并基于僵尸网络构建针对特定目标的自动化和分布式的侦查与攻击流程，给网络安全防护带来了威胁和挑战。为有效应对以上挑战，文章提出并设计一种基于多智能体架构的自动化渗透测试系统，将传统渗透测试任务拆解为具有原子性的子任务，并交由各智能体联合完成。实验结果表明，该系统在多项测试指标上均显著领先于传统漏洞扫描工具，能够全面识别被测信息系统中的多类型安全漏洞，并为漏洞披露提供高度可信的证据链。此外，该系统能够生成可执行的修复建议，实现渗透测试流程的自动化与工程化，为机构开展常态化网络安全漏洞管理工作提供一种先进、高效和稳定的解决方案。

图表 | 参考文献 | 相关文章 | 多维度评价

Select

13. 一种基于多特征融合的加密流量分类方法

苏兆品, 方宏程, 张国富, 王垚飞

信息网络安全 2026, 26 (5): 747-757. DOI: 10.3969/j.issn.1671-1122.2026.05.007

摘要（181）

HTML （38）

PDF （12995KB）（61）

随着加密通信的广泛应用,流量分类面临新的挑战。传统方法在处理加密流量时效果不佳,现有方法要么依赖手工特征提取,要么无法充分捕捉数据包间的交互模式。为此,文章提出一种基于多特征融合的加密流量分类（MFF-ETC）方法。在预处理阶段,该方法将数据包的有效载荷生成的包级图像组合成会话图像,有效减轻信息混淆并保留数据包间的交互模式。在分类阶段,会话图像分别经过包视觉转换器（PVT）、时间流量卷积网络（T-TCN）和流量门控瓶颈卷积（T-GBConv）模块处理,提取全局特征、全尺度时间特征和空间特征。随后,通过动态加权机制融合3类特征,根据流量类型动态调整权重,实现更准确的分类。实验结果表明,MFF-ETC在ISCX-VPN-Service、ISCX-VPN-App和CSTNET-TLS1.3上的F1分数分别达到98.81%、98.93%和98.05%,验证了该方法的高分类精度与泛化能力。

图表 | 参考文献 | 相关文章 | 多维度评价

Select

14. 大模型安全检测评估技术综述

胡斌, 黑一鸣, 吴铁军, 郑开发, 刘文忠

信息网络安全 2025, 25 (10): 1477-1492. DOI: 10.3969/j.issn.1671-1122.2025.10.001

摘要（1196）

HTML （113）

PDF （19871KB）（372）

随着人工智能技术快速发展，大语言模型（LLM）凭借其强大的自然语言处理能力已在科研、教育、金融、医疗等许多领域崭露头角。然而，在LLM被广泛使用的过程中，伴随一系列安全问题：如存在偏见、歧视的风险，存在生成有害内容的风险，存在泄露用户隐私信息的风险，存在信息误导性传播的风险以及容易受到恶意对抗攻击等安全风险。上述风险可能对用户造成损害，甚至影响社会稳定及伦理秩序，因此需要对LLM进行全面安全检测评估。文章针对目前关于LLM安全性检测评估的相关研究内容，归纳总结常见的安全风险类型，并对已提出的主流安全检测评估技术或方法进行综述，同时介绍相关评估方法、评估指标、常用数据集和工具，归纳国内外关于大模型安全评估出台的重要参考标准、规范。此外，文章还讨论了安全对齐的技术理念、原理、功能实现机制及安全对齐技术评价体系。最后，通过分析当前LLM安全检测评估面临的问题，展望未来技术发展趋势和研究方向，旨在为学术界、产业界的相关研究和实践提供参考。

图表 | 参考文献 | 相关文章 | 多维度评价

Select

15. 第26卷第6期目次

信息网络安全 2026, 26 (6): 0-0.

摘要（77）

PDF （1543KB）（54）

相关文章 | 多维度评价

Select

16. 基于大语言模型的多策略增强中文网络威胁情报实体抽取研究

胡勉宁, 李欣, 李明锋, 袁得嵛

信息网络安全 2026, 26 (4): 615-625. DOI: 10.3969/j.issn.1671-1122.2026.04.009

摘要（177）

HTML （25）

PDF （12659KB）（75）

随着网络空间环境的复杂化，网络威胁情报驱动式的网络安全防御方式逐渐占据重要地位。为解决目前中文网络威胁情报领域中数据量不足、中文分词及抽取低效等问题，文章开展了基于大语言模型的多策略增强中文网络威胁情报的实体抽取研究，旨在为网络威胁情报知识图谱构建及情报驱动式防御赋能。文章通过自建中文网络威胁情报的实体标注数据集，运用一种多策略数据增强技术来提升网络威胁情报抽取的准确性。文章在多个增强数据集上使用MECT，同时与LGN、LR_CNN和Lattice_LSTM等多个模型进行横向和纵向对比实验，实验结果表明，命名实体识别效果最高提升近10%。文章通过实验验证了基于大语言模型的多策略数据增强在中文网络威胁情报实体抽取任务中的有效性，证明了其在网络威胁情报实体抽取领域的可靠性和实用性。

图表 | 参考文献 | 相关文章 | 多维度评价

Select

17. 基于可信执行环境的联邦学习平台

李子豪, 张锋巍

信息网络安全 2026, 26 (5): 788-808. DOI: 10.3969/j.issn.1671-1122.2026.05.010

摘要（150）

HTML （19）

PDF （24803KB）（48）

为评估不同的隐私增强技术在联邦学习中的安全-效率-精度权衡,文章面向典型视觉任务构建了基于可信执行环境的联邦学习平台。该平台以Intel可信域扩展（TDX）和软件防护扩展（SGX）为核心架构,并引入同态加密（HE）与安全多方计算（MPC）作为性能对比基准。在CIFAR-10数据集与ResNet-18模型的高维视觉任务场景下,文章利用该平台进行了对比实验。实验结果表明,在保持基线精度的前提下,基于TDX的方案在提供虚拟机级硬件保护的同时,仅引入约1.3%的端到端时延,综合表现优于 SGX、HE与MPC。尽管 HE 提供了可形式化验证的安全性,但将单轮训练时延与通信开销分别提升至基线的约9倍与21倍,系统负载增加显著；MPC则在时间与通信开销间存在局限。文章明确了各类技术方案的适用边界,对于高维模型的安全聚合场景,TDX是平衡安全需求与性能开销的一个有利选项。

图表 | 参考文献 | 相关文章 | 多维度评价

Select

18. 基于无模型强化学习的非线性信息物理系统零和博弈的安全优化算法

解相朋, 朱淇

信息网络安全 2026, 26 (5): 713-724. DOI: 10.3969/j.issn.1671-1122.2026.05.004

摘要（139）

HTML （25）

PDF （15772KB）（46）

针对遭受拒绝服务攻击的汽车主动悬架系统,文章提出一种基于无模型强化学习的非线性信息物理系统零和博弈的安全优化算法,旨在解决系统模型未知和网络数据包丢失场景下的安全控制问题。通过引入伯努利随机序列刻画拒绝服务攻击导致的数据包丢失过程,将受攻击系统建模为随机非线性系统,并定义包含控制输入与干扰惩罚的折扣代价函数,将安全控制问题转化为一个零和博弈问题。此外,设计基于Q学习的无模型值迭代算法,通过构造包含状态、控制与扰动的Q函数,避免传统方法对系统模型的依赖。同时,采用基于神经网络的评价—执行—干扰架构实现函数逼近,分别利用评价网络逼近Q函数,执行网络与干扰网络分别生成控制策略与扰动策略。理论分析表明,文章所提算法能保证值函数序列的单调收敛性和一致有界性。仿真结果表明,该算法在拒绝服务攻击环境下仍能有效维持悬架系统的稳定性与控制性能。

图表 | 参考文献 | 相关文章 | 多维度评价

Select

19. 基于深度学习的时序数据异常检测研究综述

陈红松, 刘新蕊, 陶子美, 王志恒

信息网络安全 2025, 25 (3): 364-391. DOI: 10.3969/j.issn.1671-1122.2025.03.002

摘要（2386）

HTML （108）

PDF （34869KB）（400）

时序数据异常检测是数据挖掘及网络安全领域的重要研究课题。文章以时序数据异常检测技术为研究对象，运用文献调研与比较分析方法，深入探讨了深度学习模型在该领域的应用及其研究进展。文章首先介绍了深度时序数据异常检测的定义与应用；其次，提出了深度时序数据异常检测面临的9个问题与挑战，并将时序数据异常分为10类，枚举了16种典型的时序数据异常检测数据集，其中包括5种社交网络舆情安全领域相关数据集；再次，文章将深度时序数据异常检测模型进行分类研究，分析总结了近50个相关模型，其中包括基于半监督增量学习的社交网络不良信息发布者异常检测，进一步地，文章依据深度学习模型的学习模式将模型划分为基于重构、基于预测、基于重构与预测融合3种类型，并对这些模型的优缺点及应用场景进行综合分析；最后，文章从8个方面展望了深度时序异常检测技术的未来研究方向，分析了每个方向的潜在研究价值及技术瓶颈。

图表 | 参考文献 | 相关文章 | 多维度评价

Select

20. 基于时序图注意力网络的区块链异常交易检测方法

李锦凯, 王靖雯, 董立波, 姚文翰, 刘成杰, 文伟平

信息网络安全 2026, 26 (4): 579-590. DOI: 10.3969/j.issn.1671-1122.2026.04.006

摘要（173）

HTML （37）

PDF （14913KB）（81）

随着区块链技术的快速发展，链上异常交易检测成为数字资产安全的重大挑战之一。然而，现有方法由于难以有效捕捉交易网络的复杂拓扑依赖与动态时间演化信息，对异常行为的识别能力有限。文章提出一种基于时序图注意力网络（TGAT）的区块链异常交易检测方法。该方法构建了行为范式驱动的“时序-结构”耦合建模框架，利用正余弦时间编码同步量化交易时序与交互拓扑，可精准识别动态异常模式，还设计了多粒度注意力优化机制，并行学习资金汇聚与链式分散等多元行为模式，显著提升了复杂环境下的特征提取精度。实验结果表明，模型在精确率、召回率与F1分数等核心指标上显著优于基准方法，F1分数指标较基准方法提升10%以上。消融实验证明了时序编码和多头注意力机制对性能提升的关键贡献，以及在保证性能的情况下3层网络模型在时间开销上的优势。该工作为多个金融合规场景提供了智能化的技术路径，具有重要的借鉴意义。

图表 | 参考文献 | 相关文章 | 多维度评价

全文下载排行