检索结果-南通市图书馆

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于图多边嵌入的恶意流量检测技术研究

基于图多边嵌入的恶意流量检测技术研究

作者：首鑫广州大学

学位级别：硕士

随着互联网的普及,网络安全问题的规模不断增加,已经成为一个全球性的难题,其中的恶意流量也愈加复杂。许多研究人员开始思考并研究如何检测恶意流量,应对网络攻击,保障网络安全。现有的网络恶意流量检测方法过于依赖特征选择方法,缺乏... 详细信息

随着互联网的普及,网络安全问题的规模不断增加,已经成为一个全球性的难题,其中的恶意流量也愈加复杂。许多研究人员开始思考并研究如何检测恶意流量,应对网络攻击,保障网络安全。现有的网络恶意流量检测方法过于依赖特征选择方法,缺乏自适应性,难以有效提取流量数据的关键特征,流量数据具备高维性和复杂性,需特别针对流量数据本身进行处理。另一方面,现有研究未从整体上关注流量结构,只局部关注数据包或流,不能同时分析数据包、流和相互关系的异构特征,检测多类攻击的有效性和对不断变化的网络环境的适应性受到其有限的表示能力的限制,图神经网络可以处理这个问题。因此,本文认为,研究着眼于流量自身的流量编码方法和适应于网络环境的图神经网络技术,是网络恶意流量检测领域内新的方向。本文的主要贡献包括:(1)针对现有研究未能充分应对流量数据的高维性和复杂性问题,提出了一种基于上下文分析的网络流编码模型。该模型通过数据包编码和流量编码两个部分,可以处理多种协议格式的数据包,保留数据包的全部信息,生成更全面的流量编码表示。该编码模型既能够单独进行无监督训练,也能同其他模型进行联合训练。实验表明能够在保持高效果的同时,提供高性能,在多种分类器上都具备优势。(2)针对网络环境越来越复杂,网络流量规模越来越大的情况下,现有研究大多只考虑端点之间的流量信息,未考虑整体网络环境问题,提出了一种基于图多边嵌入的恶意流量检测模型。该模型由网络流编码和图嵌入检测两个模块组成,可以集体分析网络数据包、流和网络结构之间的信息,实现一体化,有效提高网络安全水平。相比其他模型,该模型在三种公开数据集上的实验结果都最优秀,表明该模型能够有效地提取流量特征、对流量关系进行建模,并获得优秀的检测效果。(3)针对网络安全威胁的不断增加和现有解决方案的不足,设计了一种恶意流量检测原型系统,提供流量采集、流量编码、模型检测和模型训练功能。该系统能够实时监测流量数据、分析流量情况,并给出流量分析情况。在实际应用中,该系统可用于识别恶意流量、防范网络攻击等多项任务,提升网络安全水平。

关键词：恶意流量流量编码流量检测深度学习图神经网络

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于知识图谱的自动化渗透测试规划技术

基于知识图谱的自动化渗透测试规划技术

作者：梁儒烽广州大学

学位级别：硕士

渗透测试(Penetration Testing)是一种主动防范网络攻击的手段,通过模拟对目标系统、应用程序或网络中的攻击寻找目标可能存在的漏洞,以便组织可以及时修复这些漏洞并提升整体安全水平。随着数字化建设的持续发展,关键基础设施的数据保... 详细信息

渗透测试(Penetration Testing)是一种主动防范网络攻击的手段,通过模拟对目标系统、应用程序或网络中的攻击寻找目标可能存在的漏洞,以便组织可以及时修复这些漏洞并提升整体安全水平。随着数字化建设的持续发展,关键基础设施的数据保护以及攻防对抗日益激烈,如何通过自动化提高渗透测试的效率和准确率变得越来越重要。知识图谱(Knowledge Graph,KG)作为人工智能技术中的重要组成部分,它是一种结构化的、语义化的知识表示方式,能够帮助计算机理解和处理人类语言,凭借其高效地语义理解和推理能力为自动化渗透测试提供了新的思路。本文首先基于专家经验构建面向自动化渗透测试的知识图谱本体模型,并从数据源选取、数据存储以及数据抽取等过程进行对构建面向自动化渗透测试的知识图谱的方法进行描述。然后进一步对渗透测试全流程进行任务拆分以及ATT&CK(Adversarial Tactics,Techniques,and Common Knowledge)战术映射,并且根据拆分的任务提出了一个基于Metasploit的渗透工具调用框架构建方法,分别介绍了其中信息收集模块,漏洞利用模块以及权限维持模块的实现原理以及对应的标准化输入输出接口参数,并基于该渗透工具调用框架介绍了与知识图谱的联动方法。面向自动化渗透测试的知识图谱作为自动化渗透测试智能规划的知识库,而基于Metasploit的渗透工具调用框架负责与真实环境进行交互,是规划动作实施以及反馈信息承接的载体。因此本文最后进一步提出了基于攻击要素链动态评估的渗透规划算法,将自动化渗透测试规划过程建模为多条攻击要素链的生成过程,并介绍了基于ID3(Iterative Dichotomiser 3)决策树的节点优先级评估算法,帮助寻找生成攻击方案中的最优路径。

关键词：渗透测试自动化渗透知识图谱渗透框架攻击要素链

面向三维点云分类神经网络的不可感知流形约束对抗攻击

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

面向三维点云分类神经网络的不可感知流形约束对抗攻击

作者：何旭广州大学

学位级别：硕士

点云作为三维数据的一种表现形式,目前被广泛应用于诸多领域。随着深度学习技术取得显著进步,研究者已经开始利用深度学习处理点云数据。然而,众多研究揭示了深度学习模型对于对抗性攻击的敏感性,这种攻击通过向正常数据样本中加入微小... 详细信息

点云作为三维数据的一种表现形式,目前被广泛应用于诸多领域。随着深度学习技术取得显著进步,研究者已经开始利用深度学习处理点云数据。然而,众多研究揭示了深度学习模型对于对抗性攻击的敏感性,这种攻击通过向正常数据样本中加入微小的的干扰,误导深度神经网络做出错误的预测,给深度学习系统带来了严重的安全威胁。因此,研究对抗攻击方法对于评估深度学习系统的鲁棒性、提升系统的安全性具有重要意义。当前的点云攻击方法因忽略流形失真而会产生明显的扰动,从而被轻易感知。本研究提出了一种新方法,通过构建一个可逆自编码器,建立了点云与简单参数形状之间的双向流形映射关系。在攻击过程中产生的流形失真便可在简单参数形状上捕获。通过执行保持参数形状局部属性的流形约束,有效缓解了流形失真,最终实现对抗攻击隐蔽性的显著提升。本文研究贡献可总结为:首先,构建了简单参数形状与点云之间的双向可逆流形映射。利用自编码器结构,编码器部分学习点云的几何特征,可逆解码器部分利用编码器学习到的特征向量实现了复杂点云和简单参数形状之间的相互映射。通过此映射关系,可以将点云在欧氏空间的对抗扰动映射到流形空间中。其次,设计了基于流形约束的不可感知对抗攻击,此约束的作用是保持点云流形对应参数形状的局部特征属性。在对抗攻击过程中,通过使用可逆流形映射,将对抗点云流形映射为简单参数形状后,施加流形约束来保证生成的对抗点云具有较高的隐蔽性。最后,为了更好地理解和评估点云对抗攻击问题,本文设计并实现了一个点云数据攻防分析原型系统。该系统的目的在于为研究者提供一个高效的实验工具,以便他们能够更好地理解对抗攻击的机理和影响,并有效地提高点云对抗攻击与防御问题的研究效率。

关键词：点云分类对抗攻击点云自编码器

基于混合执行的自动化漏洞挖掘系统研究与实现

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于混合执行的自动化漏洞挖掘系统研究与实现

作者：刘通北京邮电大学

学位级别：硕士

当前软件的开发和迭代速度快、实现功能复杂,导致软件中存在漏洞不可避免。软件中存在的漏洞不仅威胁个人隐私和网络安全,而且危害着国家的网络空间安全。通过快速挖掘出软件中潜在的二进制漏洞,可以尽早地对计算机系统进行安全防护,修... 详细信息

当前软件的开发和迭代速度快、实现功能复杂,导致软件中存在漏洞不可避免。软件中存在的漏洞不仅威胁个人隐私和网络安全,而且危害着国家的网络空间安全。通过快速挖掘出软件中潜在的二进制漏洞,可以尽早地对计算机系统进行安全防护,修复计算机系统中的安全缺陷,从而提升整个系统的安全性。因此研究自动化的二进制漏洞挖掘具有相当重要的研究价值和现实意义。在当前自动化漏洞挖掘领域,将模糊测试技术和符号执行技术相结合是非常普遍的。虽然它能够利用符号执行技术求解复杂路径的输入,帮助模糊测试提升覆盖率从而更好地检测出漏洞。但是也存在着两个问题:一是当前求解器对于非线性运算的求解效率低、可解性差,导致整体的约束求解效率降低;二是在混合执行探索路径过程中,由于符号执行没有目标性,容易导致执行路径偏离预期的目标点,在无用的路径上浪费大量的时间。为了解决上述问题本论文提出了非线性函数约束求解优化方案和动静结合的符号执行引导算法,最终实现了基于混合执行的自动化漏洞挖掘系统。本论文主要工作可归纳如下:1.对混合执行技术在二进制漏洞中的应用进行研究。总结了混合执行技术在挖掘二进制漏洞时可以提升的方向。对于约束求解方面,可以通过对非线性函数约束求解的简化加快求解器的运行效率。对于符号执行方面,可以通过对符号执行中的状态进行引导,使其尽快到达更有价值的目标区域,而不是在无用的分支消耗时间和资源。2.针对约束求解过程中遇到非线性函数可解性差的问题,本论文提出符号执行非线性函数约束求解优化方案。该方案首先采用人工识别非线性函数,然后根据其函数功能辅助约束求解器生成更简化的约束求解条件,最后求解器对优化后的路径约束条件进行求解,从而提高求解效率。3.针对混合执行过程中没有目标性,在无用路径浪费大量时间的问题,本论文提出动静结合的符号执行引导算法。该算法首先会获取靶向点和到达靶向点的路径,然后对路径上的基本块根据其到达各个靶向点的综合距离设置静态优先值,最后在符号执行的过程中动态地改变状态优先值。通过每次选择优先值最高的状态,引导符号执行尽量不偏离通往靶向点的路径,从而达到提高符号执行效率的目的。4.本论文结合上面解决问题的方案和算法,设计并实现了基于混合执行的自动化漏洞挖掘系统。根据自动化挖掘漏洞的需求,设计了分为功能模块层、功能实现层,数据支撑层三层的系统结构。其中漏洞挖掘子系统是整个系统的核心,其使用容器封装各个实现具体功能的工具,并由系统统一调度和管理。在测试阶段,本论文使用RHG2019年和2021年比赛的二进制文件作为数据集对自动化漏洞挖掘系统进行测试。与已有的二进制漏洞挖掘工具进行比较,实验结果表明本系统能够在更短的时间挖掘出二进制漏洞。本论文使用CVE-2019-13288和CVE-2012-2836作为数据集对本系统进行实际漏洞挖掘测试,证明本系统在自动化二进制漏洞挖掘领域具有一定实用价值。

关键词：混合执行漏洞挖掘约束求解优化目标引导

基于多任务学习的攻击性语言与欺凌行为检测技术研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于多任务学习的攻击性语言与欺凌行为检测技术研究

作者：张春云北京邮电大学

学位级别：硕士

随着社交平台的普及,用户倾向于使用社交平台发布内容,不可避免地在交流过程中产生冲突甚至一些针对个人或者群体的攻击性语言或者欺凌行为。因此,为了降低其负面社会影响,研究自动化的检测方法至关重要。攻击性语言与欺凌行为检测相关... 详细信息

随着社交平台的普及,用户倾向于使用社交平台发布内容,不可避免地在交流过程中产生冲突甚至一些针对个人或者群体的攻击性语言或者欺凌行为。因此,为了降低其负面社会影响,研究自动化的检测方法至关重要。攻击性语言与欺凌行为检测相关任务包括了单一攻击性言论的识别和复杂场景下的社交网络群体欺凌行为检测。先前的研究主要将上述任务分别表述为句子级别的分类任务和会话级别的分类任务,忽略了更加细粒度的辅助任务的关键作用,例如关键词识别和攻击性评论识别。它们可以加强模型的可解释性,并产生更加可靠的预测。然而,之前引入辅助任务的工作通常需要人工标注的外部数据,但是人工标注数据较为耗时耗力,并且接触大量的攻击性言论可能会对标注者的心理健康也产生严重的后果。同时,社交平台上由于用户交互行为的存在,易形成由大量攻击性评论构成的群体欺凌行为,而评论间的交互行为在之前工作中没有被充分探索。针对上述挑战,本文首先提出了一个融合关键词分类任务的单一攻击性言论检测框架,模型同时捕获全局和局部数据特征,以产生更好的句子表示,同时它还有利于在模型学习过程中自动构建类别词典,而无需人工标注。其次,针对复杂社交场景下的群体欺凌行为检测问题,本文在该任务的基础上进一步引入评论文本攻击性检测作为与其高度相关的辅助任务,两个任务共享一个文本编码模块和社交图学习模块,能够从不同方面获取评论表示。其中社交图学习模块对会话中评论之间的交互进行建模,以捕捉网络欺凌的重复行为本质。此外,本文提出了基于弱监督的评论标注器,克服辅助任务需要人工标注评论级别标签的局限性。本文通过在公开数据集上进行的大量实验,验证了所提出的两个算法的有效性。最后本文基于上述算法实现了一个基于多任务学习的攻击性语言与欺凌行为检测系统。系统提供了可视化操作界面,为用户提供攻击性言论检测和网络欺凌行为检测两个子服务,方便用户使用。

关键词：攻击性语言欺凌行为多任务学习文本分类弱监督学习

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

跨域物联网场景下的僵尸网络检测技术研究

跨域物联网场景下的僵尸网络检测技术研究

作者：朱木易洁广州大学

学位级别：硕士

随着互联网以及物联网设备的快速发展,人们生活更加便利的同时也出现了很多安全隐患。物联网设备本身的安全性相比传统主机来说普遍更差,极易为当前高速互联网中恶意攻击的实施提供机会,尤其是各种基于僵尸网络的攻击。一方面,僵尸网络... 详细信息

随着互联网以及物联网设备的快速发展,人们生活更加便利的同时也出现了很多安全隐患。物联网设备本身的安全性相比传统主机来说普遍更差,极易为当前高速互联网中恶意攻击的实施提供机会,尤其是各种基于僵尸网络的攻击。一方面,僵尸网络发展和控制的基础技术之一是频繁变换关键设施域名,用于发现这类起关键作用域名的恶意域名检测技术在僵尸网络检测中是很重要的一环。另一方面,物联网设备相比传统互联网设备种类更多样、计算资源更有限,针对传统互联网的僵尸网络检测技术并不能兼容适用。此外,当前物联网设备厂商众多、数据壁垒情况严重,在原始数据难以共享的情况下,跨域各方虽然能做到自己网域内的可疑主机或僵尸网络检测,但对横跨多个网域的僵尸网络就难以检测到,因此,就需要基于多方隐私保护的跨域协同僵尸网络检测,且在资源有限的物联网场景要求下,这一跨域检测方法必须兼顾轻量级要求。针对以上问题,本文的主要研究成果如下:(1)对经常被直接用于恶意域名检测中作为域名白名单的Alexa域名流量排名列表进行了数据收集处理、聚类分析,指出Alexa列表并非完全可信并量化了其中异常域名的数量,构建了一个异常域名数据集并进行了基于异构信息网络的域名分析,该数据集可供其他相关研究使用;使用新的异常域名数据集作为恶意域名样本,结合常用的CNN-LSTM算法提出了一个基于Alexa排名中异常域名的恶意域名检测方法。(2)为了解决跨域物联网环境的多方僵尸网络检测问题,提出了一种跨域物联网僵尸网络检测方法,在单个网域部署了恶意域名检测系统、发现了可疑主机或者待检测的僵尸网络的前提下,利用主机的C&C事件构建特征矩阵,计算混淆因子矩阵,通过基于隐私保护组匹配的相似度计算方法检测待识别的僵尸网络或可疑主机同其他网域的僵尸网络的相似性;在保证跨域的隐私保护及物联网的轻量级要求下,同时提出了方法的并行化计算方案,保证了方法的高可扩展性。(3)基于以上两部分的研究,设计了跨域物联网僵尸网络检测系统,实现了系统跨域检测部分的有效性评估、安全性分析和仿真性能测试,验证了系统的有效性、数据隐私性以及轻量级水平。

关键词：僵尸网络检测物联网跨域隐私保护轻量级

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于知识图谱虚假信息检测技术的研究与实现

基于知识图谱虚假信息检测技术的研究与实现

作者：孙梦竹北京邮电大学

学位级别：硕士

互联网高速发展极大提高了人们在社交媒体上发布信息和获取信息的便利程度。然而随之带来是信息质量和可信度的下降,使社交媒体成为虚假信息产生和传播的温床,对社会稳定造成负面影响。传统的虚假信息检测方法采用人工举报与人工核验的... 详细信息

互联网高速发展极大提高了人们在社交媒体上发布信息和获取信息的便利程度。然而随之带来是信息质量和可信度的下降,使社交媒体成为虚假信息产生和传播的温床,对社会稳定造成负面影响。传统的虚假信息检测方法采用人工举报与人工核验的模式,但该模式无法实现实时、有效检测的目的,所以研究基于人工智能和社交媒体分析技术的自动化虚假信息检测方法至关重要。现有基于深度学习的虚假信息检测方法取得了一定的进展,但虚假信息具有多领域、多模态、动态演变的特点,呈现高度迷惑性和欺骗性,仅依靠信息自身内容难以有效的检测,通常还需要考虑其他外部辅助信息。如可以引入知识图谱作为线索或证据,发掘信息中更加丰富的模态关联,用以增强模型的感知和表示能力。然而信息相关的文本、图片、传播模式等多模态数据间关联关系复杂,对虚假信息检测模型的关联发现能力提出很高的要求,尤其是在引入知识图谱信息之后,对知识与各模态信息间的关联关系捕捉更是模型设计的一大挑战。此外,信息相关的多模态数据以及知识图谱数据在模态与结构上具有多样性,难以直接关联融合。所以本研究的主要挑战可以总结为:如何构建多模态复杂结构数据的统一表述和建模异构数据间关联,获得知识增强的信息特征表示。针对上述挑战,本文提出两个基于知识图谱的虚假信息检测方法,充分发掘多模态数据间的关联与线索,从而提升虚假信息检测算法的性能,并开发了一个集成原型验证系统。论文主要工作和贡献如下:首先针对社交媒体上文本信息与图片信息间的关联关系,提出基于知识图谱的多模态反常识虚假信息检测方法。该方法充分考虑文本图像模态数据间以及知识与模态信息间的关联,定义了虚假信息的两种不一致性:跨模态不一致性和内容知识不一致性,设计基于知识图谱的双重不一致性神经网络,捕捉两种不一致性特征并进行信息真伪判别。在两个真实数据集上的实验结果证明模型的有效性。其次为捕捉和建模社交媒体上信息帖子、用户评论以及它们之间的传播模式等复杂语义结构关系,提出基于知识图谱和动态传播结构的虚假信息检测方法。该方法综合利用信息传播的空间结构、时序结构和背景知识,充分考虑了文本、传播结构各模态数据间以及知识与知识、知识与各模态信息间的关联,根据信息传播的时序和空间结构创新地设计了双重动态图结构:动态传播图和动态知识图,捕捉关键信息及评论节点特征表示,从而进行虚假信息检测。模型在两个真实数据上进行实验证明了其有效性。最后,整合上述两个检测方法,设计开发了基于知识图谱的虚假信息检测系统。系统具有用户友好的可视化操作界面,可以交互式地完成处理数据、训练模型、预测展示等操作,并提供模型应用接口。此外,用户还可以根据任务需求调整模型参数。

关键词：虚假信息知识图谱多模态图卷积神经网络

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

比特币隐藏服务网络行为的识别方法研究

比特币隐藏服务网络行为的识别方法研究

作者：邹可欣北京邮电大学

学位级别：硕士

比特币是一种基于对等网络的虚拟数字货币,自2008年以来,其用户日益增长,成为世界历史上增长最快、持有最广泛的金融资产。比特币网络本身不提供IP地址隐藏的功能,然而,近年来,为了追求更高的匿名性,在比特币开发者的建议下,越来越多的... 详细信息

比特币是一种基于对等网络的虚拟数字货币,自2008年以来,其用户日益增长,成为世界历史上增长最快、持有最广泛的金融资产。比特币网络本身不提供IP地址隐藏的功能,然而,近年来,为了追求更高的匿名性,在比特币开发者的建议下,越来越多的比特币用户尝试使用Tor隐藏服务来保护自己的身份和位置信息。Tor是近年来最受欢迎的匿名通信网络,它提供一种名为隐藏服务的特殊服务,使得匿名网络中的服务提供者可以隐藏自身的IP地址,避免自身身份被暴露。比特币节点作为隐藏服务接入网络中,可以正常地与其他常规节点进行通信,但是该比特币节点的IP地址会被隐藏起来,且其通信内容被加密,这给比特币节点监管和交易行为溯源带来了巨大挑战。前人的研究表明,Tor容易受到流量指纹攻击,该攻击可以通过使用流量的统计特征识别流量模式来识别匿名网络中不同的通信流量。本文研究发现,流量指纹攻击也同样适用于对比特币隐藏节点进行有效识别。因此,本文研究并设计了比特币隐藏服务的流量识别方法,提出了一种轻量级比特币隐藏服务流量指纹识别方法,是基于TLS数据包数量、长度、方向和时间属性,从数据包的长度分布、连续性、时间频率等方面构造统计分布特征,对其流量序列构建特征向量。本文收集了比特币隐藏节点的匿名通信流量与其他匿名网络服务通信流量的数据集,使用随机森林和支持向量机分别训练了指纹识别分类器,进行了流量分类实验和横向对比实验。实验结果显示,本文所提出的比特币隐藏节点流量指纹可以从多种不同的匿名网络服务通信流量中,高效地检测比特币隐藏节点的匿名流量,且识别效果优于三组主流加密流量指纹模型。本文还进一步地通过流量指纹对比特币隐藏服务的主要网络行为进行细粒度划分的方法,并分析不同网络行为所表现的隐藏服务流量特征。本文收集比特币隐藏服务的同步信息、发起交易、转发交易和其他行为等4种主要网络行为的匿名通信流量数据集,设计进行了流量分类实验和横向对比实验,以测试所提出的比特币隐藏节点网络行为流量指纹的识别效果。实验结果显示,比特币隐藏节点的网络行为流量指纹可以从多种不同的匿名网络服务通信流量中,高效地识别和区分以上4类比特币隐藏节点网络行为的匿名流量,且效果优于三组主流加密流量指纹模型。在真实匿名网络环境中,由于链路复用的特性,使得同一时间的比特币隐藏节点匿名通信流量中可能存在多种网络行为的情况,为识别带来一定挑战。因此,本文进一步研究了比特币隐藏节点匿名通信流量指纹在真实匿名网络环境中的使用效果。本文在真实匿名网络中持续收集流量数据,并针对链路复用问题设计了基于滑动窗口的指纹识别分类识别。实验评估结果显示,本文所提出的比特币隐藏节点流量指纹可以对真实网络中的比特币隐藏节点交易行为通信流量进行高效地识别。

关键词： Tor匿名网络比特币隐藏服务流量指纹识别