一种基于攻防图的网络安全防御策略生成方法

复杂的网络多步攻击是当前典型的强目的性网络攻击方式,状态攻防图技术是对其进行建模分析的一种有效方案。但是,当前主流的状态攻防图技术在实施过程中存在众多局限性,如原子攻击成功概率的计算、攻击危害指数定义,使得在实际应用中如果实施人员的经验不足,则很难反映出真实网络安全态势。分析现有基于状态攻防图的网络安全防御策略生成方法的不足,改进脆弱点危害评分标准,引入攻击累计成功概率及主机信息资产值的概念,重新定义原子攻击危害指数与攻击路径危害指数的计算方式,对安全策略生成所需考虑的因素进行扩充,对安全策略的生成方法进行优化,实现攻击场景建模和攻击意图挖掘。最后通过算例分析验证了改进的方法更加易于实施和客观分析,为管理人员做出合理的防御决策提供了有效的辅助。     

网络部队与军方安全战略研究

随着信息技术的日新月异,现代战争的作战样式已经由机械化向信息化方向演进:2009年,网络病毒入侵法国海军的指挥网络,导致海军全部战斗机停飞2天;2011年,俄罗斯和格鲁吉亚的短暂战争中,格鲁吉亚凭借美国提供的技术,瘫痪了俄罗斯一位将军的指挥系统,迫使对方使用民用海事卫星电话。格方还据此锁定目标,发动炮击,造成这位俄军将领受伤。2010年6月,美国国防部长盖茨正式下令创建网络司令部,以协调网络安全以及指挥网络战。在美国成立网络司令部后,英国、印度、     

基于神经网络的网络故障诊断

针对传统故障知识库冗余度高和稳定性难以两全的缺陷，提出了RSFBP算法，综合运用神经网络方法和粗糙集理论，实现对学习样本净化处理。实验表明，利用该方法实现的系统在进行网络故障诊断时可以取得较好的效果。     

基于扩展马尔科夫链的攻击图模型

在网络风险评估中,攻击图模型用于表达网络存在的脆弱点以及脆弱点之间的关联关系,传统方法通过主观经验确定攻击图中状态转移的权重,给状态转移概率的确定带来较大不准确性。为提高其准确性,通过将脆弱点的攻击难度作为状态转移概率的确定标准,构建基于马尔科夫链的攻击图模型。搭建实验环境,将该模型应用到实际环境中,得到了准确的状态转移概率。该模型摒弃了传统概率确定方法中的主观性,有效提高了概率确定的准确性。     

耦合触发元胞自动机在数据加密中的应用

利用元胞自动机之间的相互作用，提出耦合触发元胞自动机的加密技术，增加密钥空间和增强密码系统的强度．分析结果表明该算法可以抵抗蛮力攻击和差分分析攻击，具有较高的安全性和很强的实用性．     

机会网络中的自适应喷雾路由及其性能评估

针对传统喷雾路由无法适应动态网络环境的问题,提出了一类自适应喷雾路由机制.由具备最新网络知识的中间转发节点实时地进行喷雾决策,达到对网络环境的快速感知和适应,并在特定的喷雾方式下,以最低的路由代价满足目标时延约束.对提出的3种不同的喷雾机制从路由代价、副本冗余度以及期望延迟3个方面给出了理论上的分析.仿真评估结果表明,自适应喷雾路由具备路由代价低、自适应能力强、扩展性佳等特点,所提出的喷雾机制各有特点和应用场景,是一类正确有效的时延约束机会路由协议.     

深度多模态表示学习的研究综述

尽管深度学习因为强大的非线性表示能力已广泛应用于许多领域,多源异构模态数据间结构和语义上的鸿沟严重阻碍了后续深度学习模型的应用。虽然已经有许多学者提出了大量的表示学习方法以探索不同模态间的相关性和互补性,并提高深度学习预测和泛化性能。然而,多模态表示学习研究还处于初级阶段,依然存在许多科学问题尚需解决。迄今为止,多模态表示学习仍缺乏统一的认知,多模态表示学习研究的体系结构和评价指标尚不完全明确。根据不同模态的特征结构、语义信息和表示能力,从表示融合和表示对齐两个角度研究和分析了深度多模态表示学习的进展,并对现有研究工作进行了系统的总结和科学的分类。同时,解析了代表性框架和模型的基本结构、应用场景和关键问题,分析了深度多模态表示学习的理论基础和最新发展,并且指出了多模态表示学习研究当前面临的挑战和今后的发展趋势,以进一步推动深度多模态表示学习的发展和应用。     

基于最近社交圈的社交时延容忍网络路由策略

无稳定拓扑使时延容忍网络(delay tolerant networks,DTN)路由协议主要通过增加冗余数据包副本提高路由性能.社交网络是DTN的一种典型应用场景,但由于其网络规模相对较大,当网络负载高时,通常的DTN路由不能有效控制数据包副本的数量,从而产生大量丢包导致性能下降.借鉴MANET网络中利用分簇结构控制网络冗余路由数据包的思想,通过分析社交网络中节点的移动模型,定义了在社交关系的约束下,聚合移动规律相近的节点构成最近社交圈的节点簇组成策略.提出了一种基于该分簇结构的分为簇外喷射、簇间转发和簇内传染3个阶段的社交时延网络路由协议.实验证明,这种基于最近社交圈分簇结构的路由能有效地控制冗余数据包副本的产生,并在高网络负载的情况下仍然能够达到较好的性能.     

决策表的约简及其在入侵检测中的应用

属性约简是粗糙集理论中的基础问题,由于属性约简属于一个NP-hard问题,现在主要采用的是引入启发信息来减少搜索空间.分析和研究了属性约简的启发式算法,对其中的属性频度进行了改进,并用实验的形式分析了其在入侵检测中的应用.     

基于文化基因算法和最小二乘支持向量机的安全数据特征处理方法

随着各类生物智能演化算法的日益成熟,基于演化技术及其混合算法的特征选择方法不断涌现。针对高维小样本安全数据的特征选择问题,将文化基因算法(Memetic Algorithm,MA)与最小二乘支持向量机(Least Squares Support Vector Machine,LS-SVM)进行结合,设计了一种封装式(Wrapper)特征选择方法(MA-LSSVM)。该方法利用最小二乘支持向量机易于求解的特点来构造分类器,以分类的准确率作为文化基因算法寻优过程中适应度函数的主要成分。实验表明,MA-LSSVM可以较高效地、稳定地获取对分类贡献较大的特征,降低了数据维度,提高了分类效率。