检索结果-南通市图书馆

基于时空图神经网络的应用层DDoS攻击检测方法

在线全文

学校读者我要写书评

暂无评论

信息网络安全 2024年第4期24卷 509-519页

作者：王健陈琳王凯崙刘吉强北京交通大学智能交通数据安全与隐私保护北京市重点实验室北京100044

分布式拒绝服务(Distributed Denial of Service,DDoS)攻击已经成为网络安全的主要威胁之一,其中应用层DDoS攻击是主要的攻击手段。应用层DDoS攻击是针对具体应用服务的攻击,其在网络层行为表现正常,传统安全设备无法有效抵御。同时,现... 详细信息

分布式拒绝服务(Distributed Denial of Service,DDoS)攻击已经成为网络安全的主要威胁之一,其中应用层DDoS攻击是主要的攻击手段。应用层DDoS攻击是针对具体应用服务的攻击,其在网络层行为表现正常,传统安全设备无法有效抵御。同时,现有的针对应用层DDoS攻击的检测方法检测能力不足,难以适应攻击模式的变化。为此,文章提出一种基于时空图神经网络(Spatio-Temporal Graph Neural Network,STGNN)的应用层DDoS攻击检测方法,利用应用层服务的特征,从应用层数据和应用层协议交互信息出发,引入注意力机制并结合多个GraphSAGE层,学习不同时间窗口下的实体交互模式,进而计算检测流量与正常流量的偏差,完成攻击检测。该方法仅利用时间、源IP、目的IP、通信频率、平均数据包大小5维数据便可有效识别应用层DDoS攻击。由实验结果可知,该方法在攻击样本数量较少的情况下,与对比方法相比可获得较高的Recall和F1分数。

关键词： DDoS攻击时空图神经网络异常检测注意力机制

在线全文

学校读者我要写书评

暂无评论

基于联邦学习的主动半监督短文本分类方法

电子学报 2024年

作者：孔德焱冀振燕杨燕燕刘洋刘吉强北京交通大学软件学院北京交通大学网络空间安全学院智能交通数据安全与隐私保护北京市重点实验室

短文本分类应用广泛，是当前的研究热点，但受到短文本标注数据稀缺和数据隐私保护不便集中训练的影响，分类效果不佳.针对上述问题，我们提出了基于联邦学习的主动半监督异质图注意力网络模型（Active SemiSupervisedLearningempowered... 详细信息

短文本分类应用广泛，是当前的研究热点，但受到短文本标注数据稀缺和数据隐私保护不便集中训练的影响，分类效果不佳.针对上述问题，我们提出了基于联邦学习的主动半监督异质图注意力网络模型（Active SemiSupervisedLearningempoweredHeterogeneousGraphATtentionnetworkmodelbasedonFederatedlearning,Fed-ASSLHGAT），通过设计新颖的主动半监督学习（Active Semi-Supervised Learning,ASSL）框架生成高质量标注样本赋能异质图注意力网络（Heterogeneous Graph ATttention network model,HGAT），引入联邦学习对部署在不同节点的模型进行联合训练以满足数据隐私保护需求.所提出的ASSL框架通过将主动学习的多类别标注转化成二元类别标注，可大大降低标注难度；设计基于信息增益的选择策略筛选软、硬标签，以防止信息损失；通过半监督学习选择高准确率、高稳定性的正负样本打伪标签以确保标注质量.实验结果表明，所提出的ASSL-HGAT(S)在AGNews、Snippets、TagMyNews数据集上相比HGAT基线模型F1值分别提升2.45%、8.11%、7.46%.融合联邦学习所进一步提出的Fed-ASSL-HGAT模型可在不泄漏隐私数据的情况下满足性能要求.

关键词：异质图神经网络主动学习半监督学习联邦学习

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于QR迭代的量子奇异值分解

北京工业大学学报 2024年第7期50卷 823-831页

作者：姜楠王海亮王健张蕊王子臣北京工业大学信息学部北京100124 北京工业大学可信计算北京市重点实验室北京100124 北京交通大学智能交通数据安全与隐私保护技术北京市重点实验室北京100044

针对大型矩阵奇异值分解(singular value decomposition,SVD)时使用经典算法时间复杂度较高,以及已有的量子SVD算法要求待分解的矩阵必须具有非稀疏低秩的性质,并且在计算过程中构造任意大小酉矩阵对目前的量子计算机来说实现起来并不... 详细信息

针对大型矩阵奇异值分解(singular value decomposition,SVD)时使用经典算法时间复杂度较高,以及已有的量子SVD算法要求待分解的矩阵必须具有非稀疏低秩的性质,并且在计算过程中构造任意大小酉矩阵对目前的量子计算机来说实现起来并不容易等问题,提出基于QR迭代的量子SVD。QR迭代使用的是Householder变换,通过量子矩阵乘法运算完成经典矩阵乘法运算过程。实验结果表明,该方法能够得到所求矩阵的奇异值及奇异矩阵,使大型矩阵的SVD具有可行性。

关键词：量子奇异值分解(singular value decomposition,SVD) 量子计算机 QR迭代量子矩阵乘法 Householder变换大型矩阵

基于错误学习的全同态加密技术研究现状与挑战

在线全文

学校读者我要写书评

暂无评论

信息网络安全 2024年第9期24卷 1328-1351页

作者：温金明刘庆陈洁吴永东暨南大学信息科学技术学院广州510632 密码科学技术国家重点实验室北京100878 华东师范大学软件工程学院上海200062 数据安全与隐私保护广东省重点实验室广州510632

全同态加密方案是一种具备数据机密性和安全性的加密方案,同时还能够对密文进行计算操作。在云计算时代,全同态加密方案能够满足私有信息检索、多方安全计算等多种应用需求。错误学习与全同态加密的结合,迅速推动了全同态加密方案的发展... 详细信息

全同态加密方案是一种具备数据机密性和安全性的加密方案,同时还能够对密文进行计算操作。在云计算时代,全同态加密方案能够满足私有信息检索、多方安全计算等多种应用需求。错误学习与全同态加密的结合,迅速推动了全同态加密方案的发展,并引出了多种技术工具,如密钥交换和模交换等具有理论和实际应用意义的技术。自从2011年基于LWE的全同态加密方案被提出以来,基于LWE类型的方案已成为全同态加密方案的主流方法,并逐步从理论走向实际应用。文章首先介绍全同态加密的基础知识和应用,并对构造方案的数学理论进行详细分析;然后系统梳理了每一代同态加密方案,并给出了每一代方案的典型构造方式;最后探讨了当前基于LWE的全同态加密方案存在的问题以及未来的发展趋势,为后续研究者提供一些参考。

关键词：全同态加密错误学习隐私保护

在线全文

学校读者我要写书评

暂无评论

高效的隐私保护多方多数据排序

计算机学报 2024年第8期47卷 1832-1852页

作者：商帅李雄张文琪汪小芬李哲涛张小松电子科技大学计算机科学与工程学院(网络空间安全学院) 成都611731 四川大学数据安全防护与智能治理教育部重点实验室成都610065 电子科技大学(深圳)高等研究院广东深圳518110 暨南大学网络安全检测与防护国家地方联合工程研究中心广州510632 暨南大学数据安全与隐私保护广东省重点实验室广州510632 暨南大学信息科学技术学院广州510632

安全多方计算允许具有私密输入的多个参与方联合计算一个多输入函数而不泄露各参与方私有输入的任何信息,因此近年来受到广泛关注.作为安全多方计算中的一个基础问题,隐私保护排序允许多个参与方在不泄露数据集隐私的前提下计算多个数... 详细信息

安全多方计算允许具有私密输入的多个参与方联合计算一个多输入函数而不泄露各参与方私有输入的任何信息,因此近年来受到广泛关注.作为安全多方计算中的一个基础问题,隐私保护排序允许多个参与方在不泄露数据集隐私的前提下计算多个数据集的排序结果,广泛应用于产品定价、拍卖等场景.现有的隐私保护排序协议大多只支持两个参与方.而已有的多方多数据排序协议通信开销大、计算复杂度高,整体效率较低.现有隐私保护排序协议均未考虑恶意参与者的穷举攻击,因此安全保护不足.对此,本文提出一个高效的隐私保护多方多数据排序协议.多个参与方仅需O(1)轮交互即可以隐私保护的方式获得其持有的多个数据的排序结果.具体来讲,本文设计一种基于多项式的编码方法,将参与方的数据集编码为一个多项式,其每项的指数和系数分别代表数据和该数据的个数.通过多项式加法可实现多个参与方数据集的排序.同时,本文设计了多项式加密、聚合多项式生成和解密多项式生成算法,在保证计算正确性的同时实现多项式的隐私保护.最后,各参与方通过不经意传输技术获得排序结果.本文定义了不合谋参与方穷举攻击下的恶意安全.安全性分析表明本文协议不仅实现了半诚实安全性,而且达到了不合谋恶意用户穷举攻击的恶意安全性.此外,大量实验表明本文提出的协议在通信和计算方面都十分高效.如当参与方数量为15、每个参与方持有20000个数据、数据上界为500000时,本文协议的通信和计算开销分别为898.44 MB和69.76 s,仅为LDYW协议的12.08%和76.85%;而相对于AHM+方案,本文协议在通信开销仅增加约4倍的情况下使计算效率提升了约20倍.

关键词：隐私计算安全多方排序安全数据分析隐私保护排序

链路及节点多属性融合的低轨卫星网络路由算法

在线全文

学校读者我要写书评

暂无评论

计算机工程与应用 2024年第18期60卷 266-274页

作者：孙正阳杜晔李桂领黎妹红北京交通大学智能交通数据安全与隐私保护技术北京市重点实验室北京100044 北京交通大学计算机与信息技术学院北京100044 教育部教育考试院北京100084

针对低轨卫星网络面对破坏性事件系统性能损失多、通信延迟和丢包率高的问题,提出了基于多属性的低轨卫星网络多路径路由算法。在采用虚拟拓扑方案仿真的低轨卫星星座中,计算源节点与目标节点之间的多条可行路径,该算法融合卫星间链路... 详细信息

针对低轨卫星网络面对破坏性事件系统性能损失多、通信延迟和丢包率高的问题,提出了基于多属性的低轨卫星网络多路径路由算法。在采用虚拟拓扑方案仿真的低轨卫星星座中,计算源节点与目标节点之间的多条可行路径,该算法融合卫星间链路属性和相邻卫星节点属性构建路径的传输成本模型,自适应调整两类属性对传输成本的影响权重,每颗卫星将路径传输成本的归一化结果作为通过该路径转发报文的概率,并独立进行分布式的路由选择。仿真结果表明,与经典的低轨卫星网络多路径路由算法相比,无论网络负载较大发生拥塞时,还是卫星遭受网络攻击或出现故障时,该算法性能下降缓慢,丢包率和平均端到端延迟更低,且具有良好的负载均衡能力,有效增强了路由的可用性。

关键词：低轨卫星网络多路径路由链路属性卫星属性负载均衡

在线全文

学校读者我要写书评

暂无评论

基于改进萤火虫算法的卫星网络路由优化方法

系统工程与电子技术 2024年

作者：孙正阳杜晔北京交通大学计算机科学与技术学院北京交通大学智能交通数据安全与隐私保护技术北京市重点实验室北京交通大学国家经济安全预警工程北京实验室

针对低轨卫星网络出现节点故障而导致延迟升高、无法保证报文可靠传输等问题，提出了一种基于改进萤火虫算法（improved firefly algorithm， IFA）的路由优化方法。首先，为及时调整报文转发路径以绕过故障节点，建立了基于路径可靠性... 详细信息

针对低轨卫星网络出现节点故障而导致延迟升高、无法保证报文可靠传输等问题，提出了一种基于改进萤火虫算法（improved firefly algorithm， IFA）的路由优化方法。首先，为及时调整报文转发路径以绕过故障节点，建立了基于路径可靠性的路由模型，可全面评估路径质量。其次，为应对卫星网络频繁的路由请求，提高搜索到最优路径的成功率，提出了改进的萤火虫算法求解路由模型。基于Levy飞行优化萤火虫种群初始化方法，并依据萤火虫的年龄自适应调整光吸收系数和随机步长因子，以提升算法收敛速度；同时混合遗传算法设计萤火虫交配阶段，以提升算法探索解空间的能力。仿真结果表明，在节点故障情况下，该方法可规划有效最短路径，显著降低网络的端到端延迟和丢包率，并实现流量的负载均衡。

关键词：低轨卫星网络启发式路由萤火虫算法遗传算法可靠性

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于梯度放大的联邦学习激励欺诈攻击与防御

软件学报 2024年

作者：乐紫莹陈珂寿黎但骆歆远陈刚浙江大学区块链与数据安全全国重点实验室(浙江大学) 浙江省大数据智能计算重点实验室(浙江大学)

在联邦学习领域,激励机制是吸引高质量数据持有者参与联邦学习并获得更优模型的重要工具.然而,现有的联邦学习研究鲜有考虑到参与者可能滥用激励机制的情况,也就是他们可能会通过操纵上传的本地模型信息来获取更多的奖励.针对这一问题... 详细信息

在联邦学习领域,激励机制是吸引高质量数据持有者参与联邦学习并获得更优模型的重要工具.然而,现有的联邦学习研究鲜有考虑到参与者可能滥用激励机制的情况,也就是他们可能会通过操纵上传的本地模型信息来获取更多的奖励.针对这一问题进行了深入研究.首先,明确定义联邦学习中的参与者激励欺诈攻击问题,并引入激励成本比来评估不同激励欺诈攻击方法的效果以及防御方法的有效性.其次,提出一种名为“梯度放大攻击(gradient scale-up attack)”的攻击方法,专注于对模型梯度进行激励欺诈.这种攻击方法计算出相应的放大因子,并利用这些因子来提高本地模型梯度的贡献,以获取更多奖励.最后,提出一种高效的防御方法,通过检验模型梯度的二范数值来识别欺诈者,从而有效地防止梯度放大攻击.通过对MNIST等数据集进行详尽地分析和实验验证,研究结果表明,所提出的攻击方法能够显著提高奖励,而相应的防御方法能够有效地抵制欺诈参与者的攻击行为.

关键词：联邦学习激励欺诈攻击梯度放大攻击恶意参与者检测安全保护

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于博弈论的入侵检测与响应优化综述

信息安全学报 2024年第4期9卷 163-179页

作者：张杭生刘吉强梁杰刘海涛李婷耿立茹刘银龙中国科学院信息工程研究所北京100093 中国科学院大学网络空间安全学院北京100049 北京交通大学智能交通数据安全与隐私保护北京市重点实验室北京100044

当前网络规模急剧增加,各类入侵过程也逐渐向复杂化、多样化的趋势发展。网络攻击带来的损失越来越严重,针对各类安全事件的检测发现以及查处响应也变得日益困难。为了快速识别各类网络安全事件并做出相应的响应,入侵检测与响应技术变... 详细信息

当前网络规模急剧增加,各类入侵过程也逐渐向复杂化、多样化的趋势发展。网络攻击带来的损失越来越严重,针对各类安全事件的检测发现以及查处响应也变得日益困难。为了快速识别各类网络安全事件并做出相应的响应,入侵检测与响应技术变得越来越重要。入侵检测系统(IDS)能否识别复杂的攻击模式以及分析大量的网络流量主要取决于其精度和配置,这使得入侵检测与响应的优化问题成为网络与系统安全的重要需求,并且成为一个活跃的研究主题。现有的研究成果已经提出了很多可以优化入侵检测和响应效率的方法,其中,将博弈论应用在入侵检测与响应的研究日益增多。博弈论提供了一种框架去捕获攻击者和防御者的交互,采用了一种定量的方法评估系统的安全性。本文在分析了入侵检测与响应系统和博弈论的基本原理的基础上,介绍了当前基于博弈论的入侵检测与响应优化问题的现有解决方案,并且讨论了这些解决方案的局限性以及给出了未来的研究方向。首先,详细介绍了入侵检测与博弈论的背景知识,回顾了常用的入侵检测系统基本原理,评估方法,常用的数据集以及经典的安全领域中的博弈论模型。其次,按照基于博弈论的入侵检测与响应优化问题的类型进行了分类介绍,根据攻击的先后顺序对网络安全架构优化、IDS配置与效率优化、IDS的自动化响应优化以及分布式入侵检测架构优化等技术的研究现状进行归纳、分析、总结,并分析了现有方案的优缺点,进而分析可能的解决方案。然后针对将博弈论应用于入侵检测与响应中面临的挑战进行了分析与讨论。最后展望了未来的研究方向以及发展趋势。

关键词：博弈论入侵检测入侵响应多智能体强化学习网络安全