首页期刊导航|信息网络安全
期刊信息/Journal information
信息网络安全
信息网络安全

关非

月刊

1671-1122

editor@trimps.ac.cn

021-34010750

200031

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ViT的轻量级恶意代码检测架构

    黄保华杨婵娟熊宇庞飔...
    1409-1421页
    查看更多>>摘要:随着信息社会的快速发展,恶意代码变体日益增多,给现有的检测方法带来了挑战.为了提高恶意代码变体的检测准确率和效率,文章提出一种新的混合架构FasterMalViT.该架构通过融合部分卷积结构改进ViT,显著提升其在恶意代码检测领域的性能.为了解决引入卷积操作导致参数量增加的问题,文章采用可分离自注意力机制替代传统的多头注意力,有效减少了参数量,降低了计算成本.针对恶意代码数据集中各类样本分布不均衡的问题,文章引入类别平衡焦点损失函数,引导模型在训练过程中更关注样本数量较少的类别,从而提高难分类别的性能.在Microsoft BIG、Malimg数据集和MalwareBazaar数据集上的实验结果表明,FasterMalViT具有较好的检测性能和泛化能力.

    恶意代码ViT部分卷积可分离自注意力

    基于图像凸包特征的CBAM-CNN网络入侵检测方法

    刘联海黎汇业毛冬晖
    1422-1431页
    查看更多>>摘要:针对入侵检测领域中多分类准确率较低和模型训练时间较长的问题,文章根据现有的基准数据集NSL-KDD的特点,提出一种新颖且有效的预处理方法.首先,对数据集进行字符特征数值化和归一化处理,并转化成RGB图像数据集;其次,使用Canny边缘检测算法提取图像数据集中的各种攻击类型的边缘特征,根据图像的边缘特征使用凸包算法构建凸包,并计算各类攻击的平均凸包面积、平均凸包周长和平均顶点数,将这3项指标作为RGB的3个通道,分别生成各种攻击类型的凸包特征图;再次,使用拉普拉斯金字塔图像特征融合算法将原始图像数据集与凸包特征图进行融合,构建包含凸包特征的图像数据集,并对训练集中的多数类样本采用随机欠采样,对少数类样本进行仿射变换,生成平衡训练集;最后,基于CBAM-CNN模型进行多分类实验.文章模型在NSL-KDD数据集上的准确率和F1 分数分别达到了 96.20%和 86.71%,优于传统的网络入侵检测方法,且比其他深度学习模型具有更好的检测性能.

    入侵检测边缘特征凸包特征特征融合

    区块链辅助无人机移动边缘计算系统的性能优化

    余礼苏李彪姚元志温家进...
    1432-1443页
    查看更多>>摘要:在用户密集场景中,传统地面基站难以满足用户对网络速度和稳定性的需求.为此,引入无人机搭载的移动边缘计算服务器基站,不仅可缓解地面基站压力,还可以降低建设成本.然而,边缘节点交互和UAV网络的广播特性威胁数据与隐私安全.为此,文章引入区块链技术的去中心化和安全特性,提出改进的基于投票的委托权益证明共识机制,以保障UAV辅助的物联网系统通信安全.最后,以最大化总计算量为目标,联合优化用户带宽分配、UAV飞行轨迹、本地计算以及任务卸载时间分配.文章采用块坐标下降算法和连续凸逼近技术求解该优化问题,得到的仿真实验结果显示,与分别固定无人机、带宽和轨迹方案相比,文章提出的方案在计算系统数据总量上分别提升了 24.51%、7.11%和 4.37%.

    无人机通信移动边缘计算区块链轨迹优化通信安全

    基于云存储的多关键字可搜索加密方案

    谢小凤张鑫涛王鑫鲁秀青...
    1444-1457页
    查看更多>>摘要:尽管基于属性的可搜索加密(Attribute-Based Searchable Encryption,ABSE)能够安全有效地实现对密文的可控搜索,但目前的多关键字ABSE方案计算开销过大,且大量数据存储在云服务器中,存在数据冗余问题.针对上述问题,文章提出一种基于云存储的多关键字可搜索加密方案,采用云边缘协同的工作模式,将加密数据存储在云服务器上,同时将加密索引上传到最近的边缘节点,进行关键字搜索和协助解密,降低系统开销.为了进一步减轻客户端的计算开销,方案还采用了预加密机制.同时方案通过设置数据标签实现数据去重功能,引入验证算法保证搜索结果的完整性和正确性.安全性分析和性能分析证明了方案的有效性和实用性,与其他方案对比证明了方案具有更好的性能和更全面的功能.

    属性基加密密文验证预加密云边缘协同数据去重

    基于多门控混合专家模型的网络异常流量识别与防御模型

    郭永进黄河俊
    1458-1469页
    查看更多>>摘要:文章提出一种基于多门控混合专家模型的网络异常流量识别与防御模型,该模型适用于业务高峰期间混杂攻击流量的场景.首先,多门控混合专家模型对网络流量进行实时监测和异常识别,区分由业务需求导致的正常流量峰值和异常流量,减少误报,系统将检测到的异常流量作为输入,生成针对性的防御策略.然后,多门控混合专家模型对异常流量识别和防御策略生成专家模型进行协调,提高系统的识别精准度和策略生成的有效性.在实际业务场景中获取的数据集上的实验结果表明,该模型识别准确率和防御效果优于主流的机器学习模型,能够准确识别出混杂在业务高峰期间的异常攻击流量,并生成合适的防御策略.

    异常流量识别防御策略生成混合专家模型隐蔽攻击

    第十二届CCF大数据学术会议成功举办

    山东大学
    1470页

    2024年《信息网络安全》西北地区学术研讨会顺利召开

    本刊记者
    1471-1472页

    清华大学计算机系和网研院团队获得USENIX Security 2024杰出论文奖和互联网防御奖

    清华大学
    1472页

    "2024(第七届)CCF自主可控计算机大会"在西安举办

    中国计算机学会
    1473页

    "2024年CCF量子计算大会"圆满落幕

    中国计算机学会
    1474页