Please wait a minute...

期刊目录

    2024年, 第24卷, 第3期
    刊出日期:2024-03-10
    上一期    下一期

    目录
    综述论文
    理论研究
    技术研究
    网域动态
    全选选: 隐藏/显示图片
    目录
    第24卷第3期目次
    2024 (3):  0-0. 
    摘要 ( 54 )   PDF(1477KB) ( 123 )  
    相关文章 | 计量指标
    综述论文
    面向加密货币交易介质及过程的安全综述
    刘峰, 江佳齐, 黄灏
    2024 (3):  330-351.  doi: 10.3969/j.issn.1671-1122.2024.03.001
    摘要 ( 139 )   HTML ( 47 )   PDF(26113KB) ( 155 )  

    由区块链技术和密码学共同构成的去中心化加密货币正遭受日益增多的安全攻击,如何确保加密货币交易安全成为当前的热门议题。而作为交易介质的加密货币以及用于存管的加密钱包成为了安全研究的焦点。为此,研究人员开发了多种密钥管理和检测技术,以确保加密钱包的机密性、完整性和可用性。同时,针对中心化和去中心化交易所的安全漏洞及攻击手段,研究人员也提出了相应的检测和预防策略。此外,文章综合评述了加密货币交易过程中的潜在攻击类型、检测技术与防御措施。最后,对加密货币交易体系的安全问题进行了总结,并对未来发展的方向展开了前瞻讨论。

    数据和表 | 参考文献 | 相关文章 | 计量指标
    基于稀疏矩阵结构的特征选择算法现状研究
    钟静, 方冰, 朱江
    2024 (3):  352-362.  doi: 10.3969/j.issn.1671-1122.2024.03.002
    摘要 ( 146 )   HTML ( 19 )   PDF(14011KB) ( 156 )  

    在信息时代,数据获取方式简单快捷,使得数据量呈指数型增长。然而这些数据往往是多源高维的,增加了模型的复杂度,容易造成模型过拟合,并且数据中存在的冗余特征会降低模型分类精度。特征选择算法旨在通过去除不相关、冗余或嘈杂的特征,从原始特征中选择一小部分最有效特征,达到降维的效果。目前特征选择算法种类繁多,其中,基于稀疏矩阵结构的特征选择算法由于具有模型简单易懂和易求解的特点而被学者们广泛关注。本文归纳总结了基于稀疏矩阵结构的特征选择算法分类,重点介绍了鲁棒特征选择模型和多视图特征选择模型。首先,介绍了基于稀疏矩阵结构的特征选择算法基本框架;然后,介绍了基于稀疏矩阵结构的一般模型、鲁棒特征选择模型、多视图的特征选择模型,比较了它们在解决目前特征选择算法研究难点中存在的优势和不足;最后,对基于稀疏矩阵结构的特征选择算法进行了总结。文章阐明了理论研究中存在的问题和难点,探讨了基于稀疏矩阵结构的特征选择算法发展思路。

    数据和表 | 参考文献 | 相关文章 | 计量指标
    理论研究
    基于随机量子层的变分量子卷积神经网络鲁棒性研究
    戚晗, 王敬童, 拱长青
    2024 (3):  363-373.  doi: 10.3969/j.issn.1671-1122.2024.03.003
    摘要 ( 99 )   HTML ( 15 )   PDF(15390KB) ( 137 )  

    近年来,量子机器学习被证明与经典机器学习一样会被一个精心设计的微小扰动干扰从而造成识别准确率严重下降。目前增加模型对抗鲁棒性的方法主要有模型优化、数据优化和对抗训练。文章从模型优化角度出发,提出了一种新的方法,旨在通过将随机量子层与变分量子神经网络连接组成新的量子全连接层,与量子卷积层和量子池化层组成变分量子卷积神经网络(Variational Quantum Convolutional Neural Networks,VQCNN),来增强模型的对抗鲁棒性。文章在KDD CUP99数据集上对基于VQCNN的量子分类器进行了验证。实验结果表明,在快速梯度符号法(Fast Gradient Sign Method,FGSM)、零阶优化法(Zeroth-Order Optimization,ZOO)以及基于遗传算法的生成对抗样本的攻击下,文章提出的VQCNN模型准确率下降值分别为11.18%、15.21%和33.64%,与其它4种模型相比准确率下降值最小。证明该模型在对抗性攻击下具有更高的稳定性,其对抗鲁棒性更优秀。同时在面对基于梯度的攻击方法(FGSM和ZOO)时的准确率下降值更小,证明文章提出的VQCNN模型在面对此类攻击时更有效。

    数据和表 | 参考文献 | 相关文章 | 计量指标
    面向程序可达性验证的数组处理循环压缩方法
    许良晨, 孟昭逸, 黄文超, 熊焰
    2024 (3):  374-384.  doi: 10.3969/j.issn.1671-1122.2024.03.004
    摘要 ( 79 )   HTML ( 18 )   PDF(11299KB) ( 32 )  

    计算机软件的安全性和健壮性逐渐成为一个非常重要的问题,而自动软件形式化验证是一种验证软件程序安全性和健壮性的可靠性较高的方法。在自动软件形式化验证中,大规模数组和复杂循环导致状态爆炸,使得验证器无法在规定时间内完成验证,因此如何在保证验证正确性的前提下压缩数组规模是一个值得研究的课题。文章提出复杂循环等价类的定义和相关命题,并提出一种面向程序可达性验证的数组处理循环压缩方法,先利用控制流自动机和系统依赖图进行静态分析划分等价类,再根据循环依赖关系对等价类进行压缩,用压缩后程序的验证结果代替原始程序的验证结果。实验结果表明,文章提出的方法能够在保证验证正确性的前提下压缩程序的规模,提高验证效率。

    数据和表 | 参考文献 | 相关文章 | 计量指标
    基于时变互耦合双混沌系统的轻量级序列密码
    杨杰超, 胡汉平, 帅燕, 邓宇昕
    2024 (3):  385-397.  doi: 10.3969/j.issn.1671-1122.2024.03.005
    摘要 ( 63 )   HTML ( 4 )   PDF(14303KB) ( 54 )  

    文章针对资源受限的物联网环境下的数据加密传输问题,设计了一种基于时变互耦合双混沌系统的轻量级序列密码。以Tent和Arnold混沌映射为基础,通过引入累加器和耦合项,构造一种用于序列密码内部状态更新的时变双混沌系统,基于位操作,对密钥流输出部分进行设计。文章对算法的基本运算、参数、精度、实现方式和策略进行设计并在FPGA上实现,硬件资源消耗为2370个等效门,密钥流输出速率为1.68 bit/clk。分析表明,该密码具有良好的安全性和抗攻击能力,与ISO/IEC标准的轻量级序列密码相比,安全性、资源消耗和吞吐量均有显著优势。

    数据和表 | 参考文献 | 相关文章 | 计量指标
    基于自注意力机制的网络局域安全态势融合方法研究
    杨志鹏, 刘代东, 袁军翼, 魏松杰
    2024 (3):  398-410.  doi: 10.3969/j.issn.1671-1122.2024.03.006
    摘要 ( 128 )   HTML ( 7 )   PDF(15441KB) ( 77 )  

    针对传统网络安全态势感知方法无法高效整合多节点数据、获取全局网络安全态势的问题,文章提出了一种基于自注意力机制(Self-Attention Mechanism)、径向基函数(Radial Basis Function,RBF)神经网络与卷积神经网络(Convolutional Neural Network,CNN)的网络局域安全态势融合方法SA-RBF-CNN(Self-Attention-RBF-CNN)。通过自注意力机制,模型能有效识别并强调关键节点,增强对全局安全态势的认识。同时,改进的RBF结构与CNN结合能进一步提炼特征,增强模型对复杂数据模式的捕捉能力。实验结果显示,SA-RBF-CNN在识别网络安全态势预测的关键指标上优于其他类似方法,与传统态势感知方法相比,其提升了计算速度,减少了通信开销,证明该模型具有一定的实际应用价值。

    数据和表 | 参考文献 | 相关文章 | 计量指标
    技术研究
    基于集成学习的无监督网络入侵检测方法
    江荣, 刘海天, 刘聪
    2024 (3):  411-426.  doi: 10.3969/j.issn.1671-1122.2024.03.007
    摘要 ( 123 )   HTML ( 23 )   PDF(18554KB) ( 183 )  

    目前,网络对抗对入侵检测智能化和自主性的需求不断提高,基于深度学习的方法通过训练和学习来区分复杂攻击模式和行为,但有监督的学习方法需要专家知识和大量人工开销。针对上述问题,文章提出一种基于集成学习的无监督网络入侵检测方法,并使用基于3种不同异常检测理念的深度学习检测器,在3种不同集成逻辑下对各单检测器的检测结果进行检测判定。该方法可以综合分析时间序列数据中不同类型的异常数据,降低无监督异常检测模型由于过度拟合所造成的影响,并以一种高效的在线方式检测可能存在的网络攻击数据流。在KDD CUP 1999和CSE-CIC-IDS 2018数据集上进行验证,实验结果表明,与其他单一的无监督异常检测模型相比,文章提出的集成方法结合了不同无监督检测模型的优势,适用于对多种网络入侵引起的异常进行检测。

    数据和表 | 参考文献 | 相关文章 | 计量指标
    基于Attention-GRU的SHDoS攻击检测研究
    江魁, 卢橹帆, 苏耀阳, 聂伟
    2024 (3):  427-437.  doi: 10.3969/j.issn.1671-1122.2024.03.008
    摘要 ( 88 )   HTML ( 12 )   PDF(11827KB) ( 101 )  

    针对SHDoS发起变频攻击导致阈值检测方案失效的问题,文章提出一种基于Attention-GRU的深度学习模型。该模型首先利用改进的Borderline-SMOTE进行数据平衡处理,然后引入自注意力机制构建双层GRU分类网络,对预处理后的数据进行学习训练,最后对SHDoS攻击流量进行检测。在CICIDS2018数据集和SHDoS自制数据集上进行验证,实验结果表明,文章所提模型的精确率分别为98.73%和97.64%,召回率分别为96.57%和96.27%,相较于未采用自注意力机制的模型,在精确率和召回率上有显著提升,相较于以往采用SMOTE或Borderline-SMOTE进行数据预处理的模型,文章所提模型的性能也是最佳的。

    数据和表 | 参考文献 | 相关文章 | 计量指标
    基于多视图表征的虚假新闻检测
    张新有, 孙峰, 冯力, 邢焕来
    2024 (3):  438-448.  doi: 10.3969/j.issn.1671-1122.2024.03.009
    摘要 ( 115 )   HTML ( 8 )   PDF(11996KB) ( 67 )  

    社交网络已经成为人们日常生活中获取和分享信息的主要渠道,同时也为虚假新闻的传播提供了捷径。如今,针对网络虚假新闻的检测问题受到学术界的广泛关注,但目前的检测方法缺乏基于新闻多个视角的深度探索或忽视了新闻中不同信息传播方向不同的问题,有待改进。文章提出一种基于新闻内容、用户信息和新闻传播3种视角的多视图表征和检测的模型MVRFD(Multi-View Representations for Fake News Detection),为虚假新闻检测任务提供更全面的视角。首先,利用协同注意力机制表征新闻内容中的多模态信息,使用具有不同方向的图神经网络聚合新闻传播过程中的用户信息和观点信息;然后,利用双协同注意力机制实现多个视角间的信息交互;最后,将新闻内容特征和新闻上下文特征进行融合。在公开数据集上的实验结果表明,文章所提出的模型实现了96.7%的准确率和96.8%的F1值,优于主流的文本处理模型以及基于单视角的检测模型。

    数据和表 | 参考文献 | 相关文章 | 计量指标
    基于深度强化学习和隐私保护的群智感知动态任务分配策略
    傅彦铭, 陆盛林, 陈嘉元, 覃华
    2024 (3):  449-461.  doi: 10.3969/j.issn.1671-1122.2024.03.010
    摘要 ( 85 )   HTML ( 11 )   PDF(13782KB) ( 119 )  

    在移动群智感知(Mobile Crowd Sensing,MCS)中,动态任务分配的结果对提高系统效率和确保数据质量至关重要。然而,现有的大部分研究在处理动态任务分配时,通常将其简化为二分匹配模型,该简化模型未充分考虑任务属性与工人属性对匹配结果的影响,同时忽视了工人位置隐私的保护问题。针对这些不足,文章提出一种基于深度强化学习和隐私保护的群智感知动态任务分配策略。该策略首先通过差分隐私技术为工人位置添加噪声,保护工人隐私;然后利用深度强化学习方法自适应地调整任务批量分配;最后使用基于工人任务执行能力阈值的贪婪算法计算最优策略下的平台总效用。在真实数据集上的实验结果表明,该策略在不同参数设置下均能保持优越的性能,同时有效地保护了工人的位置隐私。

    数据和表 | 参考文献 | 相关文章 | 计量指标
    基于深度度量学习的异常流量检测方法
    张强, 何俊江, 李汶珊, 李涛
    2024 (3):  462-472.  doi: 10.3969/j.issn.1671-1122.2024.03.011
    摘要 ( 259 )   HTML ( 42 )   PDF(13232KB) ( 236 )  

    网络异常流量识别是目前网络安全的重要任务之一。然而传统流量分类模型是依据流量数据训练得到,由于大部分流量数据分布不均导致分类边界模糊,极大限制了模型的分类性能。为解决上述问题,文章提出一种基于深度度量学习的异常流量检测方法。首先,与传统深度度量学习每个类别单一代理的算法不同,文章设计双代理机制,通过目标代理指引更新代理的优化方向,提升模型的训练效率,增强同类别流量数据的聚集能力和不同类别流量数据的分离能力,实现最小化类内距离和最大化类间距离,使数据的分类边界更清晰;然后,搭建基于1D-CNN和Bi-LSTM的神经网络,分别从空间和时间的角度高效提取流量特征。实验结果表明,NSL-KDD流量数据经过模型处理,其类内距离显著减小并且类间距离显著增大,类内距离相比原始类内距离减小了73.5%,类间距离相比原始类间距离增加了52.7%,且将文章搭建的神经网络比广泛使用的深度残差网络训练时间更短、效果更好。将文章所提模型应用在流量分类任务中,在NSL-KDD和CICIDS2017数据集上,相比传统的流量分类算法,其分类效果更好。

    数据和表 | 参考文献 | 相关文章 | 计量指标
    基于联邦学习和区块链技术的TAP规则处理系统
    薛茗竹, 胡亮, 王明, 王峰
    2024 (3):  473-485.  doi: 10.3969/j.issn.1671-1122.2024.03.012
    摘要 ( 73 )   HTML ( 8 )   PDF(15092KB) ( 62 )  

    触发执行编程(Trigger-Action Programming,TAP)为用户联动物联网(Internet of Things,IoT)设备提供了便捷的编程范式。利用机器学习对用户已编辑的TAP规则进行分析,实现TAP规则推荐和生成等功能可以提升用户体验。但TAP规则可能包含个人隐私信息,用户对上传和分享TAP信息存在顾虑。文章提出了基于联邦学习和区块链技术的TAP规则处理系统,用户可在本地进行TAP模型训练,无需上传隐私数据。为解决集中式服务器单点故障和防范恶意模型参数上传的问题,文章利用区块链技术改进集中式TAP联邦学习架构。用户将本地模型更新的累积梯度传输给区块链中的矿工,进行异常识别和交叉验证。矿工委员会整合正常用户提供的累积梯度,得到的全局模型作为一个新区块的数据,链接到区块链上,供用户下载使用。文章采用轻量级无监督的非负矩阵分解方法验证了提出的基于联邦学习和区块链的分布式学习架构的有效性。实验证明该联邦学习架构能有效保护TAP数据中的隐私,并且区块链中的矿工能够很好地识别恶意模型参数,确保了模型的稳定性。

    数据和表 | 参考文献 | 相关文章 | 计量指标
    网域动态
    16所高校入选新一期一流网络安全学院建设示范项目
    2024 (3):  486-486. 
    摘要 ( 42 )   HTML ( 11 )   PDF(977KB) ( 49 )  
    参考文献 | 相关文章 | 计量指标
    西安电子科技大学赵伟教授团队获AAAI 2024最佳论文奖
    2024 (3):  487-487. 
    摘要 ( 44 )   HTML ( 7 )   PDF(1204KB) ( 16 )  
    参考文献 | 相关文章 | 计量指标