首页期刊导航|计算机科学
期刊信息/Journal information
计算机科学
计算机科学

朱完元

月刊

1002-137X

jsjkx12@163.com

023-63500828

401121

重庆市渝北区洪湖西路18号

计算机科学/Journal Computer ScienceCSCD北大核心CSTPCD
查看更多>>本刊的读者对象是：大专院校师生，从事计算机科学与技术领域的科研、生产人员。办刊宗旨是：坚持“双百”方针，活跃计算机科学与技术领域的学术气氛，重点报导国内外计算机科学与技术的发展动态，为我国的计算机科学与技术立于世界之林、达到国际先进水平奋斗而矢志不渝。
正式出版
收录年代

    基于标识与区块链融合的数据安全框架研究

    朱军张国印万静静
    859-863页
    查看更多>>摘要：工业互联网标识解析系统已经成为支撑产业数字化转型的重要新型基础设施.结合目前数据的安全性问题,通过对标识解析架构的梳理,在区块链分布式拓扑结构及其信息安全特性的基础上提出标识与区块链融合的数据安全框架,构建协同模式的安全监管融合的数据安全框架,重点介绍了数据的收集、存储、传输、共享、确权和交易的全流程安全,然后从保密性、完整性、可用性、可追溯性等维度提出标识数据监测的安全指数体系.最后提出数据安全的保护要从固定位置数据的资产保护转变为业务系统数据的加工保护,从关注攻击行为转变为数据生命周期,从防漏洞、补漏洞转变为理数据、管数据的思路上来.

    标识解析区块链数据融合安全指数

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    无人机系统安全性综述

    王震周超樊永文石鹏飞...
    864-869页
    查看更多>>摘要：近年来,无人机越来越受欢迎,无人机在军事、农业、交通运输、电影、供应链和监控等各个行业都有着巨大的潜力.尽管无人机给人们提供了种种便利,但如今与无人机相关的安全事件却层出不穷.恶意方可能对无人机进行攻击,并利用无人机进行危及生命的活动.因此,世界各国政府已经开始规范无人机的使用.无人机需要一种智能和自动化的防御机制,以确保人类、财产和无人机本身的安全.而无人机操作系统防护是防止入侵攻击的一个重要部分.首先,对无人机结构进行了简要介绍;然后,研究了用于消费和商用无人机的现有操作系统的安全性.最后,调查了无人机操作系统的各种安全问题和可能的解决方案.

    无人机无人机安全操作系统安全解决方案

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于区块链的可搜索属性加密技术应用综述

    兰亚杰马自强陈嘉莉苗莉...
    870-883页
    查看更多>>摘要：随着信息共享的蓬勃发展,数据隐私安全问题逐渐凸显,催生了区块链技术和可搜索属性加密技术的迅速发展.区块链作为一种去中心化、不可篡改的技术,保障了搜索数据的安全性和完整性,可搜索属性加密技术可以有效地防止非法用户的访问查询.然而随着数据规模和复杂性的增加,出现了检索效率低、查询结果验证复杂、属性权限分发困难等问题.首先,针对以上问题,分别总结了基于区块链的可搜索加密技术、基于区块链的属性加密技术以及基于区块链的可搜索属性加密技术应用的研究现状.其次,对三者之间的优势和侧重点进行了比较分析.最后,重点总结了基于区块链的可搜索属性加密技术在关键字检索、属性权限管理以及数据完整性验证方面的应用,以及所面临的问题和挑战.希望为实现更安全、高效、去中心化的数据存储与共享提供更加安全的技术应用支持.

    区块链属性加密可搜索加密隐私保护数据共享

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    边缘计算下差分隐私的应用研究综述

    孙剑明赵梦鑫
    884-892页
    查看更多>>摘要：为了解决传统云计算模式的延迟和带宽限制,应对物联网和大数据时代的需求,边缘计算开始崭露头角并逐渐受到广泛关注.在边缘计算环境下,用户数据的隐私问题成为了一个重要的研究热点.差分隐私技术有着坚实的数学基础,它作为一种有效的隐私保护算法,已经被广泛应用于边缘计算中,两者的结合有效缓解了隐私保护低和计算成本高的问题.首先介绍了互联网发展带来的问题,其次介绍了边缘计算的基本概念、特点和组成部分,并概括了与传统云计算相比的优势,然后对差分隐私的基本概念和原理进行了概括,进而详细阐述了差分隐私的3种扰动方式和常用的实现机制,最后对边缘计算下差分隐私的应用研究进行了综述,并指出了未来的研究方向.总之,将差分隐私技术应用于边缘计算场景对隐私保护和数据分享都是一种有效保护手段.

    边缘计算差分隐私本地化差分隐私隐私保护实时数据处理

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    融合多源图特征的Kcore-GCN反欺诈算法研究

    刘炜宋友卓佩妍仵伟强...
    893-899页
    查看更多>>摘要：金融欺诈行为给社会带来了许多负面影响,针对金融欺诈行为,多种人工智能与金融反欺诈算法被提出并应用于实际反欺诈业务场景,取得了不错的成绩.这些反欺诈算法或从用户个体的角度进行欺诈检测,或从节点与网络的拓扑关系的角度进行欺诈检测,或通过学习节点的图嵌入式表示进行欺诈检测,出发角度较为局限,无法进行完备的欺诈检测分析.针对上述问题,设计了一种基于融合多源图特征的Kcore图卷积神经网络反欺诈算法,该算法的创新性在于能够高效挖掘网络中节点层级的拓扑关系与全局网络层次的拓扑关系来构建宽领域的特征体系,并通过基于Kcore算法的图卷积神经网络完成深层次图结构特征的传播与聚合,最终完成欺诈风险的检测.实验效果表明,该方法相较于相关机器学习算法与图神经网络算法在相关评价指标上均有较大的提升,其中较LightGBM算法有12％的AUC值提升,较GCN算法有6％的AUC值提升.

    机器学习图表示学习图神经网络金融欺诈检测

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于差分隐私的联邦学习方案

    孙敏丁希宁成倩
    900-905页
    查看更多>>摘要：联邦学习的特点之一是进行训练的服务器并不直接接触数据,因此联邦学习本身就具有保护数据安全的特性.但是研究表明,联邦学习在本地数据训练和中心模型聚合等方面均存在隐私泄露的问题.差分隐私是一种加噪技术,通过加入适当噪声达到攻击者区分不出用户信息的目的.文中研究了一种基于本地和中心差分隐私的混合加噪算法(LCDP-FL),该算法能根据各个客户端不同权重、不同隐私需求,为这些客户端提供本地或混合差分隐私保护.而且我们证明该算法能够在尽可能减少计算开支的同时,为用户提供他们所需的隐私保障.在MNIST数据集和CIFAR-10数据集上对该算法进行了测试,并与本地差分隐私(LDP-FL)和中心差分隐私(CDP-FL)等算法进行对比,结果显示该混合算法在精确度、损失率和隐私安全方面均有改进,其算法性能最优.

    联邦学习差分隐私隐私保护混合加噪梯度下降

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于知识蒸馏的差分隐私联邦学习方法

    谭智文徐茹枝王乃玉罗丹...
    906-913页
    查看更多>>摘要：差分隐私技术作为一种隐私保护方法,在联邦学习领域得到了广泛应用.现有的差分隐私应用于联邦学习的研究,或是未考虑无标签公共数据,或是未考虑客户端之间的数据量差异,限制了其在现实场景的应用.文中提出一种基于知识蒸馏的差分隐私联邦学习方法,引入无标签公共数据集并考虑到客户端之间数据量的差异,为此场景设计了专用的差分隐私方案.首先,按数据量大小将客户端分组为"大数据量客户端"和"一般客户端",用大数据量客户端的数据训练教师模型,教师模型为公共数据集添加伪标签,然后,公共数据集作为"特殊客户端"与"一般客户端"共同进行联邦训练.采用差分隐私技术保证客户端的数据隐私,由于特殊客户端的数据只有标签涉及隐私,在联邦训练中为其分配比一般客户端更多的隐私预算;限制隐私预算总量,设联邦训练阶段的隐私预算为定值,根据客户端对隐私性的需求和隐私预算平行组合性质,调整伪标签添加阶段的隐私预算.在MNIST数据集和SVHN数据集上的实验表明,在同等的隐私预算消耗下,训练得到了精度比传统方法更高的模型.本方案具有可拓展性,高灵活度的隐私预算分配使其可以满足复杂的隐私需求.

    联邦学习差分隐私知识蒸馏隐私保护隐私预算

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    DUWe:动态未知词嵌入方法在Web异常检测中的应用

    王丽陈刚夏明山胡皓...
    914-918页
    查看更多>>摘要：现有的基于深度学习模型的词嵌入方法用于Web异常检测时,通常将语料库中没有出现的未知词汇(Out of Vocabu-lary,OOV)设置为unknown,并赋予零或随机向量输入到模型中进行训练,未考虑未知词汇在Web请求语句中的上下文关系.同时,在Web系统代码开发过程中,基于个人习惯并为了增加代码的可读性,程序员设计的请求路径代码往往存在一定的模式.因此,考虑到 Web请求的模式和单词语义间的相关性,研究基于Word2vec的动态未知词表示方法DUWe(Dynamic Un-known Word Embedding),该方法通过分析 Web请求路径中单词上下文的关系来赋予未知词向量的表示内容.在CSIC-2010和WAF Dataset数据集上的实验评估表明,增加未知词表示方法比仅用Word2vec静态特征提取方法具有更好的性能,同时在准确性、精准率、召回率和F1-Score方面均有提高,在训练时间上最大降低1.14倍.

    未知词汇Web异常检测动态词嵌入词嵌入优化深度学习

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于国密SM3和SM4算法的SNMPv3安全机制设计与实现

    田昊王超
    919-925页
    查看更多>>摘要：随着网络技术的快速发展以及5G技术的日益普及,接入网络的设备呈指数级增加,网络结构日趋复杂,恶意网络攻击频发.如何安全、高效地管理数量庞大、复杂的网络设备正成为网络管理所面临的新挑战.简单网络管理协议SNMPv3版本相比v1和v2,增加了基于用户安全模型,提供了数据机密性、完整性、防重放等安全服务.但SNMPv3依然存在默认认证算法与加密算法强度不高、密码算法未全面支持国家商密算法标准等问题.文中在分析SNMPv3协议现有安全机制的基础上,针对基于用户安全模型的SNMPv3现存问题提出了优化方案,将SM3和SM4国密算法嵌入SNMPv3安全机制,基于SM3和SM4国密算法为SNMP协议设计了HMAC-SM3-192认证协议和PRIV-CBC-SM4加密协议.在未明显增加响应时间的前提下,提升了SNMP消息传输过程中抵御伪装、信息篡改、信息泄露等安全威胁的能力,实现了SNMP协议安全性方面的优化.

    SNMPv3用户安全模型SM3杂凑算法SM4对称加密算法

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    通过拉普拉斯平滑梯度提高对抗样本的可迁移性

    李文婷肖蓉杨肖
    926-931页
    查看更多>>摘要：深度神经网络因模型自身结构的脆弱性,容易受对抗样本的攻击.现有的对抗样本生成方法具有较高的白盒攻击率,但在攻击其他DNN模型时可转移性有限.为了提升黑盒迁移攻击成功率,提出了一种利用拉普拉斯平滑梯度的可迁移对抗攻击方法.该方法在基于梯度的黑盒迁移攻击方法上做了改进,先利用拉普拉斯平滑对输入图片的梯度进行平滑,将平滑后的梯度输入利用梯度攻击的攻击方法中继续用于计算,旨在提高对抗样本在不同模型之间的迁移能力.拉普拉斯平滑的优点在于它可以有效地降低噪声和异常值对数据的影响,从而提高数据的可靠性和稳定性.通过在多个模型上进行评估,该方法进一步提高了对抗样本的迁移成功率,最佳的可迁移成功率比基线攻击方法高出2％.结果表明,该方法对于增强对抗攻击算法的迁移性能具有重要意义,为进一步研究和应用提供了新的思路.

    深度神经网络对抗攻击对抗样本黑盒攻击可迁移性

      原文链接:
    • NETL
    • NSTL
    • 万方数据