期刊,信息网络安全 2024年卷3期_国家学术搜索

期刊信息/Journal information

信息网络安全

主　　编：关非

出版周期：月刊

国际刊号：1671-1122

电子邮箱：editor@trimps.ac.cn

电　　话：021-34010750

邮政编码：200031

地　　址：上海岳阳路76号4号楼211室

信息网络安全/Journal Netinfo SecurityCHSSCDCSCD北大核心CSTPCD

正式出版

收录年代

基于Attention-GRU的SHDoS攻击检测研究

江魁卢橹帆苏耀阳聂伟...

427-437页

查看更多>>摘要：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.

关键词：

SHDoS攻击Borderline-SMOTE过采样算法自注意力机制门控循环单元

原文链接:

NETL
NSTL
万方数据

武汉大学网络安全研究成果被USENIX Security 2024录用

武汉大学

437页

原文链接:

NETL
NSTL
万方数据

基于多视图表征的虚假新闻检测

张新有孙峰冯力邢焕来...

438-448页

查看更多>>摘要：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.

关键词：

虚假新闻检测图神经网络多模态表征注意力机制多视图表征

原文链接:

NETL
NSTL
万方数据

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...

449-461页

查看更多>>摘要：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.

关键词：

群智感知深度强化学习隐私保护双深度Q网络能力阈值贪婪算法

原文链接:

NETL
NSTL
万方数据

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...

462-472页

查看更多>>摘要：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.

关键词：

深度度量学习异常流量检测流量数据分布神经网络

原文链接:

NETL
NSTL
万方数据

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...

473-485页

查看更多>>摘要：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.

关键词：

触发执行编程非负矩阵分解联邦学习区块链

原文链接: