基于攻防行动链的网络对抗推演系统

网络对抗推演是在网络对抗中进行任务规划、评估决策的重要环节。针对网络对抗广维度、多目标、短猝发的特点，传统的推演系统已不能完成网络对抗推演的要求。为了解决该问题，本文设计基于攻防行动链的网络对抗推演系统。系统架构由数据库、可视化平台、攻防链构设、推演控制引擎、模型构建、应用层等子系统构成，各子系统的模块之间相互配合，驱动整体网络对抗推演系统按照推演剧情进行，并形成具有攻防博弈性的链式行动想定或构设，称之为攻防行动链。攻防行动链的提出，使推演系统能够更好地进行推演过程中的调度和决策，也为网络攻防对抗推演提供了一个参考的研究方向。     

基于计算机网络对抗的Agobot实例分析

本文通过对僵尸系统的Agobot实例进行逆向分析,首次提出僵尸系统具有计算机网络对抗理论的特征,将僵尸系统与计算机网络对抗理论相结合,有助于理论转化为实践,同时也明确了僵尸系统各个要素和要素之间关系以及系统的演化方向。     

网络对抗中的DDoS攻防技术分析

本文针对网络对抗的特点,系统的阐述了网络攻击中DDoS攻击原理和攻击类型,并从相应的网络对抗技术角度对构建DDoS攻击防御系统所用方法及策略进行分析     

网络对抗模拟训练系统的设计与实现

随着计算机网络技术、模拟仿真技术的逐渐成熟,运用高技术进行网络对抗模拟训练已经成为重要的训练方式.给出了网络对抗模拟训练系统的基本构架和功能说明,并从实现的角度讨论了相关关键技术及其解决方案.该系统不仅可以进行在线演练,同时也可用于培养有实战经验的网络安全管理员.     

浅析计算机网络对抗技术

从网络侦察、网络进攻和网络防御3个方面分析了计算机网络对抗技术,给出了应对计算机网络对抗技术的建议。     

网络攻防训练模拟系统的研究与实现

为提高计算机网络对抗能力,研究和实现一种网络对抗训练模拟系统,讨论系统的组成、运行流程,阐述其中的关键技术,包括网络环境模拟、攻防过程数据采集、攻防工具库与知识集成以及网络对抗效能评估等技术。通过攻防演练实例说明了系统的有效性。     

网络攻防训练模拟系统的研究与实现

为提高计算机网络对抗能力,研究和实现一种网络对抗训练模拟系统,讨论系统的组成、运行流程,阐述其中的关键技术,包括网络环境模拟、攻防过程数据采集、攻防工具库与知识集成以及网络对抗效能评估等技术。通过攻防演练实例说明了系统的有效性。     

强化学习与生成式对抗网络结合方法研究进展

强化学习和生成式对抗网络是近年来人工智能领域的两个热门主题，在众多领域表现非常出色。近期出现较多关于两者结合的工作与报道，将强化学习交互式学习的优点与生成式对抗网络的启发自博弈思想相互融合。对两者结合的最新进展进行了梳理、比较与实验分析。对强化学习与生成式对抗网络的理论进行了概述；从强化学习改进生成式对抗网络、生成式对抗网络改进强化学习两个研究方向进行了阐述与比较，通过实验方式分析了这些方法在自然语言、机器控制领域的应用情况；展望了可能的发展趋势。     

水声对抗仿真系统中网络瓶颈问题的一种解决方法

作为一个有大量声信息需要处理和传输的分布交互仿真系统,水声对抗仿真系统的筹建过程中遇到了网络瓶颈的问题。该文对此作了深入的研究,针对产生问题的原因,提出了一种可行的解决方法。其中包括海洋声信道分解、信号处理异地化以及定制收发协议等。理论分析和应用实践表明,该方法有助于解决水声对抗仿真系统中的网络瓶颈问题。     

基于IP的空间通信网络设计与仿真

为适应目前空间通信的发展，提出了一种基于IP的空间通信网络模型。详细设计了该通信网络的数据链路结构、数据传输协议、数据包结构等。最后，将该通信网络的通信能力与商业通信系统Teledesic进行了对比。仿真结果表明，该通信网络可以有效减少航天器与接入卫星间的切换频率和通信时延，能够长时间给航天器提供稳定的通信连接，网络的平均吞吐能力强，能够满足未来空间通信的需求。     

基于生成对抗网络的无目标深度检索哈希攻击算法

近年来深度哈希技术被广泛研究，可应用于大规模图像检索且取得了良好的性能，然而其安全性问题却相对被忽视.为此，本文提出了一种针对深度检索哈希的无目标攻击算法，可用于深度检索哈希的鲁棒性评估和优化设计.在该算法中我们构建了一个用于获得无目标攻击对抗样本的生成对抗网络模型UntargetedGAN.模型训练过程中，首先利用原型网络（PrototypeNet）将图像标签转换为原型网络编码，之后结合原型网络编码、解码器和鉴别器进行联合训练得到期望的UntargetedGAN模型;在测试阶段输入查询图像及其标签即可快速生成对抗样本.实验结果表明，UntargetedGAN生成的对抗样本可有效实现无目标攻击，且与现有的无目标攻击算法相比在攻击性能和对抗样本生成效率方面有显著提升.     

对抗网络下的密钥协商问题研究

机器学习的不断发展对现代密码体制造成的威胁不断增大,如何将神经网络应用到密码学上的研究日益深入,而生成对抗网络的对抗学习机制与密码学中的对抗性质相符,因此,研究了对抗网络与密钥协商相结合的问题。作为初步的概念验证,直接采用神经网络代替通信双方和敌手,利用对抗学习机制为核心思想设计对抗网络下的密钥协商模型(key agreement based on adversarial network,KG-AN),并进行了密钥长度为16 bit和64 bit的训练。实验结果显示,通信双方的协商密钥误差分别在1.5%和2%左右,敌手的破译误差分别保持在95%和91%左右,初步实现了对抗网络下的密钥协商功能,验证了对抗网络应用到密钥协商的可行性。     

基于GAN与数据流形的对抗样本防御模型

神经网络在图像分类的任务上取得了极佳的成绩，但是相关工作表明它们容易受到对抗样本的攻击并且产生错误的结果。之前的工作利用深度神经网络去除对抗性扰动，以达到防御对抗样本的目的。但是存在正常样本经该网络处理，反而会降低分类准确率的问题。为了提高对抗样本的分类准确率和减轻防御网络对正常样本影响，提出一种基于对抗生成网络(Generative Adversarial Networks, GAN)与数据流形的防御网络。引入GAN提高分类网络识别对抗样本的准确率；利用正常样本数据流形降低防御网络对干净样本的影响。实验结果表明该方法可以防御多种攻击方法，同时降低了防御网络对正常样本的影响。     

信息安全与对抗的系统分析

安全与对抗问题已成为信息系统所固有的问题，不仅要注重安全与对抗的具体方法、具体技术的研究，更要注重安全与对抗领域的基本规律、基本原理的研究，同时还要加强信息安全与对抗问题相关的社会问题。本文将信息安全与对抗领域的研究内容分为四个方面，信息安全与对抗的系统理研究；信息安全与对抗的基础性研究；信息安全与对抗的软体系研究；典型信息系统的安全对抗问题研究。针对四个方面的研究内容，提出了四项关键技术。其系统分析的目的是希望从整体、系统层面上分析信息安全与对抗领域的问题，把握问题所在，在充分了解现状的基础上支持和促进信息系统安全保障体系的建设。     

信息网络对抗体系发展现状分析

21世纪是信息社会,信息安全是国家安全的战略组成部分之一.研究信息网络对抗技术,夺取"制信息权"具有重要意义.本文分析了网络攻防对抗的前沿技术,刻画了完整的网络攻防对抗体系,并论述了网络攻防技术的发展趋势.     

网络雷达对抗系统有源模式的目标探测搜索

运用搜索理论分析、解决了网络雷达对抗系统有源模式对空中目标的探测搜索问题.分析了其马尔可夫过程,在系统采用数字多波束及脉冲追赶同步扫描的条件下,给出了网络雷达对抗系统有源模式的目标接触概率及发现概率计算方法,最后用仿真实验验证了所提方法和模型的有效性.     

基于GAN的对抗样本生成研究

深度卷积神经网络在图像分类、目标检测和人脸识别等任务上取得了较好性能,但其在面临对抗攻击时容易发生误判。为了提高卷积神经网络的安全性,针对图像分类中的定向对抗攻击问题,提出一种基于生成对抗网络的对抗样本生成方法。利用类别概率向量重排序函数和生成对抗网络,在待攻击神经网络内部结构未知的前提下对其作对抗攻击。实验结果显示,提出的方法在对样本的扰动不超过5%的前提下,定向对抗攻击的平均成功率较对抗变换网络提高了1.5%,生成对抗样本所需平均时间降低了20%。     

网络群体对抗综合评判模型定性化研究*

通过对网络群体攻击和防御的分析,定义了网络群体对抗的指标权重,同时提出了疫苗的克隆攻击评判策略和抗体的剪枝防御评判策略,指出对亲和力高于1的网元进行克隆攻击具有很高的攻击成功率,应将其赋予高优先级的网络攻击体系计算范围;而当网元的抗体浓度低于零时,应将其剪枝隔离,不再将其纳入评判网络防御效果的防御体系计算范围内。在此基础上建立了网络群体攻防对抗的免疫和神经网络综合评判模型,对其进行了定性化研究,为网络的群体攻防对抗仿真研究奠定了基础,并根据该模型设计了网络群体对抗评判系统,对其进行了相关分析。     

生成式对抗网络在不良图片识别中的应用

生成式对抗网络GAN当前已成为机器学习领域的热点研究方向,在图像识别和处理、视频预测、自然语言处理、信息安全等领域具有广泛的应用前景.该文介绍了生成式对抗网络和不良图片识别技术的研究和相关概念,并说明了生成式对抗网络在不良图片识别中的应用,目的在于使不良图片的识别更加准确、高效和可靠.     

网络监控的应用

本文简要介绍网络监控的原理,对网络监控的部署类型和应用做了比较详细的阐述,最后介绍了网络监控的对抗。