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

同方期刊数据库

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

采用新型模型预测的光伏虚拟同步机低电压穿越控制

在线全文

学校读者我要写书评

暂无评论

电源学报 2024年

作者：陈璐张溪党晓圆李洁冯铁成重庆移通学院智能工程学院公共大数据安全技术重庆市重点实验室

在光伏逆变器中采用虚拟同步机（Virtual Synchronous Generator， VSG）策略，可以实现惯性和阻尼支撑，传统VSG无法对系统提供暂态无功电压支撑，无法实现低电压穿越（Low Voltage Ride Through， LVRT）期间对电压调节的需求。接地... 详细信息

在光伏逆变器中采用虚拟同步机（Virtual Synchronous Generator， VSG）策略，可以实现惯性和阻尼支撑，传统VSG无法对系统提供暂态无功电压支撑，无法实现低电压穿越（Low Voltage Ride Through， LVRT）期间对电压调节的需求。接地故障发生后采用将光伏逆变器VSG控制切换至模型预测控制（Model Predictive Control， MPC），接地故障切除后由MPC控制切回至VSG控制策略。为了提升LVRT期间目标电流跟踪能力，在MPC控制中设置自适应目标函数。MATLAB/Simulink仿真和实验结果表明：新型模型预测的光伏虚拟同步机具备低电压穿越能力，LVRT期间MPC电流控制精确，MPC控制切换至VSG控制过程中无暂态电流冲击。

关键词：虚拟同步机光伏并网系统低电压穿越模型预测平滑切换

面向Stacking算法的差分隐私保护研究

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

计算机工程与科学 2024年第2期46卷 244-252页

作者：董燕灵张淑芬徐精诚王豪石华北理工大学理学院河北唐山063210 河北省数据科学与应用重点实验室河北唐山063210 唐山市数据科学重点实验室河北唐山063210 唐山市大数据安全与智能计算重点实验室河北唐山063210

为解决同质集成学习算法对噪声更敏感,难以兼顾较好的预测性能和有效的隐私保护这一问题,提出一种基于差分隐私的DPStacking算法,将异质Stacking算法与差分隐私技术相结合,以优化算法的隐私保护和预测性能。但是,由于Stacking算法的低... 详细信息

为解决同质集成学习算法对噪声更敏感,难以兼顾较好的预测性能和有效的隐私保护这一问题,提出一种基于差分隐私的DPStacking算法,将异质Stacking算法与差分隐私技术相结合,以优化算法的隐私保护和预测性能。但是,由于Stacking算法的低层和高层模型都可以由不同的学习器构成,若对某个具体学习器设计隐私预算分配方案来提供差分隐私保护,该方案往往无法适用于由任意基学习器和元学习构成的Stacking算法。基于此,设计了一种基于元学习器的隐私预算分配方案,此方案根据皮尔逊相关系数及差分隐私并行组合的特性为元学习器输入的不同构成体分配不同的隐私预算。通过理论与实验验证,DPStacking算法符合ε-差分隐私保护,与基于差分隐私的随机森林算法(DiffRFs)、Adaboost算法(DP-AdaBoost)、XGBoost算法(DPXGB)相比,能有效保护数据隐私的同时拥有更好的预测性能,并较好地解决了单一同质集成学习算法对噪声更加敏感的问题。

关键词：差分隐私隐私预算分配 Stacking算法集成学习

基于近红外高光谱成像技术的花生冻伤检测方法研究

在线全文

学校读者我要写书评

暂无评论

食品工业科技 2024年第6期45卷 226-233页

作者：崔程刘翠玲孙晓荣吴静珠北京工商大学食品安全大数据技术北京市重点实验室北京100048

花生在收获、运输、储存和加工过程中易受到温、湿度变化导致冻伤现象,从而影响花生及其制品的品质,为探索花生冻伤机理并提高冻伤花生检测效率,本文采用近红外高光谱技术研究花生冻伤无损检测可行性、基于特征变量筛选的判别模型优化... 详细信息

花生在收获、运输、储存和加工过程中易受到温、湿度变化导致冻伤现象,从而影响花生及其制品的品质,为探索花生冻伤机理并提高冻伤花生检测效率,本文采用近红外高光谱技术研究花生冻伤无损检测可行性、基于特征变量筛选的判别模型优化方法以及花生冻伤机理。实验研究了变量标准化(Standard Normalized Variate,SNV)、多元散射校正(Multiplicative Scatter Correction,MSC)、Savitzky-Golag(SG)平滑以及SG平滑-SNV和SG平滑-MSC五种预处理方法对原始数据的影响,随后分别采用竞争自适应重加权法(competitive adapative reweighted sampling,CARS)、随机蛙跳(random frog,RF)、变量重要性投影(variable importance in projection,VIP)、连续投影算法(successive projections algorithm,SPA)、蒙特卡洛无信息变量消除(Monte Carlo uninformative variable elimination,MC-UVE)、迭代保留信息变量(Iteration retention information variable,IRIV)、变量组合种群分析-迭代保留信息变量(Variable combination population analysis-Iteration retention information variable,VCPA-IRIV)和变量组合种群分析-遗传算法(Variable combination population analysis-Genetic Algorithm,VCPAGA)8种变量选择方法筛选得到与花生冻伤相关的特征波长,通过建立支持向量机(Support Vector Machine,SVM)选用达到判别准确率阈值为90%的特征波长作为花生冻伤特征波长。结果表明,基于近红外高光谱成像技术的花生冻伤检测总体可行,且精度较高,所有变量选择方法均能有效筛选与冻伤相关的特征波长,其中VCPAGA算法选择了最少的7个特征波长,仅占数据集所有波长的3.125%,训练集和测试集准确率分别为91.60%和90.12%。经过筛选得出的冻伤特征波长体现了油酸和蛋白质的信息,验证了过低的温度会导致花生中油酸含量下降和蛋白质含量上升。本研究为花生冻伤快速无损检测提供了可参考的理论依据和技术支撑。

关键词：花生冻伤高光谱成像特征波长选择支持向量机

在线全文

学校读者我要写书评

暂无评论

基于损失平滑的对抗样本攻击方法

北京航空航天大学学报 2024年第2期50卷 663-670页

作者：黎妹红金双杜晔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

深度神经网络(DNNs)容易受到对抗样本的攻击,现有基于动量的对抗样本生成方法虽然可以达到接近100%的白盒攻击成功率,但是在攻击其他模型时效果仍不理想,黑盒攻击成功率较低。针对此,提出一种基于损失平滑的对抗样本攻击方法来提高对抗... 详细信息

深度神经网络(DNNs)容易受到对抗样本的攻击,现有基于动量的对抗样本生成方法虽然可以达到接近100%的白盒攻击成功率,但是在攻击其他模型时效果仍不理想,黑盒攻击成功率较低。针对此,提出一种基于损失平滑的对抗样本攻击方法来提高对抗样本的可迁移性。在每一步计算梯度的迭代过程中,不直接使用当前梯度,而是使用局部平均梯度来累积动量,以此来抑制损失函数曲面存在的局部振荡现象,从而稳定更新方向,逃离局部极值点。在ImageNet数据集上的大量实验结果表明:所提方法与现有基于动量的方法相比,在单个模型攻击实验中的平均黑盒攻击成功率分别提升了38.07%和27.77%,在集成模型攻击实验中的平均黑盒攻击成功率分别提升了32.50%和28.63%。

关键词：深度神经网络对抗样本黑盒攻击损失平滑人工智能安全

支持等式测试及密码逆向防火墙的SM9标识加密方案

在线全文

学校读者我要写书评

暂无评论

计算机研究与发展 2024年第4期61卷 1070-1084页

作者：熊虎林烨姚婷电子科技大学信息与软件工程学院成都610054 网络与数据安全四川省重点实验室(电子科技大学) 成都610054

支持等式测试的标识加密(identity-based encryption with equality test, IBEET)体制解决了传统等式测试方案中证书管理的问题,得到了广泛的关注.但现有的IBEET体制难以抵抗渗透攻击,且都是基于国外密码算法设计,不具有自主知识产权.... 详细信息

支持等式测试的标识加密(identity-based encryption with equality test, IBEET)体制解决了传统等式测试方案中证书管理的问题,得到了广泛的关注.但现有的IBEET体制难以抵抗渗透攻击,且都是基于国外密码算法设计,不具有自主知识产权.基于此,提出一种支持等式测试并具有密码逆向防火墙的SM9标识加密方案(SM9 identity-based encryption scheme with equality test and cryptographic reverse firewalls, SM9-IBEET-CRF).该方案在用户与云服务器的上行信道间部署密码逆向防火墙(cryptographic reverse firewalls,CRF),对用户发出的信息执行重随机化以达到抵抗渗透攻击的作用.该方案拓展国密算法SM9至IBEET领域中,提升其运行效率并丰富国密算法在云计算领域的研究.给出了SM9-IBEET-CRF的形式化定义和安全模型,并在随机预言机模型中考虑2种不同的敌手将此方案在选择密文攻击下的不可区分性与单向性分别形式化地规约到BDH困难假设上.同时,该方案通过考虑第3种敌手证明CRF的部署为其带来维持功能性、保留安全性以及抵抗渗透性.实验仿真和分析结果展示了该方案的有效性.

关键词： SM9 等式测试密码逆向防火墙标识加密渗透攻击

在线全文

学校读者我要写书评

暂无评论

理性与可验证的联邦学习框架

软件学报 2024年第3期35卷 1418-1439页

作者：吴柿红田有亮公共大数据国家重点实验室(贵州大学) 贵州贵阳550025 贵州大学计算机科学与技术学院贵州贵阳550025 贵州大学密码学与数据安全研究所贵州贵阳550025

联邦学习作为解决数据孤岛问题的有效方法,在服务器计算全部梯度的过程中,由于服务器的惰性和自利性会存在全局梯度不正确计算问题,因此需要验证全局梯度的完整性.现有的基于密码算法的方案验证开销过大.针对这些问题,提出一种理性与可... 详细信息

联邦学习作为解决数据孤岛问题的有效方法,在服务器计算全部梯度的过程中,由于服务器的惰性和自利性会存在全局梯度不正确计算问题,因此需要验证全局梯度的完整性.现有的基于密码算法的方案验证开销过大.针对这些问题,提出一种理性与可验证的联邦学习框架.首先,结合博弈论,设计囚徒合约与背叛合约迫使服务器诚实.其次,所提方案使用基于复制的验证方案实现全局梯度的完整性验证,且支持客户端离线.最后,经分析证明所提方案的正确性,并经实验表明,该方案与已有的验证算法相比,客户端的计算开销降为0,一次迭代的通信轮数由原来的3轮优化到2轮,且训练开销与客户端的离线率成反比.

关键词：联邦学习博弈论囚徒合约背叛合约数据完整性

在线全文

学校读者我要写书评

暂无评论

量子机器学习综述

软件学报 2024年

作者：王健张蕊姜楠北京工业大学信息学部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)

近年来,机器学习一直是被关注和探讨的研究热点,被应用到各领域并在其中起着重要作用.但随着数据量的不断增加,机器学习算法训练时间越来越长.与此同时,量子计算机表现出强大的运算能力.因此,有研究人员尝试用量子计算的方法解决机器学... 详细信息

近年来,机器学习一直是被关注和探讨的研究热点,被应用到各领域并在其中起着重要作用.但随着数据量的不断增加,机器学习算法训练时间越来越长.与此同时,量子计算机表现出强大的运算能力.因此,有研究人员尝试用量子计算的方法解决机器学习训练时间长的问题,量子机器学习这一领域应运而生.量子主成分分析、量子支持向量机、量子深度学习等量子机器学习算法相继被提出,并有实验证明了量子机器学习算法有显著的加速效果,使得量子机器学习的研究展现出逐步走高的趋势.对量子机器学习算法进行综述.首先介绍量子计算基础;然后对量子监督学习、量子无监督学习、量子半监督学习、量子强化学习以及量子深度学习5类量子机器学习算法进行介绍;接着对量子机器学习的相关应用进行介绍并给出了算法实验;最后进行总结和展望.

关键词：量子机器学习量子计算机器学习量子深度学习量子实验

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于半监督联邦学习的恶意流量检测模型

计算机应用 2024年

作者：张帅华张淑芬周明川徐超陈学斌唐山市数据科学重点实验室(华北理工大学) 华北理工大学理学院唐山市大数据安全与智能计算重点实验室(华北理工大学) 河北省数据科学与应用重点实验室(华北理工大学)

恶意流量检测是解决网络安全挑战的关键技术之一。针对采用联邦学习进行恶意流量检测时，本地标记数据不足，非独立同分布(non-IID)导致协同训练模型性能下降的问题，构建一种基于半监督联邦学习的恶意流量检测模型。所提模型借助伪标... 详细信息

恶意流量检测是解决网络安全挑战的关键技术之一。针对采用联邦学习进行恶意流量检测时，本地标记数据不足，非独立同分布(non-IID)导致协同训练模型性能下降的问题，构建一种基于半监督联邦学习的恶意流量检测模型。所提模型借助伪标记和一致性正则化项的半监督学习技术，有效地从未标记数据中提取信息进行训练；同时，设计一种非线性函数，用于动态调整客户端本地有监督和无监督损失聚合时的权重，以充分利用未标记数据，提高模型的准确性。为降低non-IID问题对全局模型性能的影响，提出一种联邦聚合算法FedLD(Federated-Loss-Data)，通过结合训练损失和数据量的权重计算方法，自适应地调整全局模型聚合过程中各客户端模型的权重。实验结果表明，在NSL-KDD数据集上，所提模型在标记数据有限的情况下能够实现较高的检测精度，与基线模型FedSem(FederatedSemi-supervised)相比，检测准确率提升了4.11个百分点，在Normal、DoS和Probe等类别上的召回率也提升了1.65～7.66个百分点，更适合应用于恶意流量检测领域。

关键词：联邦学习半监督学习恶意流量检测一致性正则化动态聚合权重