隐通道存在的最小条件及其应用

隐通道能在安全机制的监控之下将保密信息外泄，因而对系统安全的威胁极大。通过研究隐通道的工作原理，形式化地证明了隐通道存在的最小条件。在此基础上，对现有的隐通道搜索与消除方法进行了分类，并从理论上说明了各种方法的正确性及其不足。这些工作不仅为隐通道的搜索与消除工作提供了可信的理论依据，而且为寻找新的隐通道搜索与消除方法提供了一个研究框架。     

基于显著稀疏强关联的脑功能连接分类方法

针对脑功能连接数据维度过高、冗余特征过多影响神经网络分类准确率的问题,提出一种基于显著稀疏强关联的脑功能连接分类方法. 该方法利用显著特征稀疏模块对原始特征进行筛选增强;采用稀疏强关联特征上下文融合模块对不同感受野内的显著特征信息进行聚合;使用全连接神经网络进行分类预测. 在ABIDE以及ADHD-200数据集上的实验结果表明,所提方法相较于现有的脑功能连接分类算法在准确率上分别提升了10.41%和12.50%. 重要特征的可视化结果表明所提方法能准确定位与疾病相关的脑区,具有一定实际应用价值.     

基于上下文特征融合的代码漏洞检测方法

针对现有代码漏洞检测方法误报率和漏报率较高的问题,提出基于上下文特征融合的代码漏洞检测方法. 该方法将代码特征解耦分为代码块局部特征和上下文全局特征. 代码块局部特征关注代码块中关键词的语义及其短距离依赖关系. 将局部特征融合得到上下文全局特征从而捕捉代码行上下文长距离依赖关系. 该方法通过局部信息与全局信息协同学习,提升了模型的特征学习能力. 模型精确地挖掘出代码漏洞的编程模式,增加了代码漏洞对比映射模块,拉大了正负样本在嵌入空间中的距离,促使对正负样本进行准确地区分. 实验结果表明,在9个软件源代码混合的真实数据集上的精确率最大提升了29%,召回率最大提升了16%.     

无线组网技术中的安全问题

无线组网技术当前主要有Sensor Network和Ad hoc Network两种。与传统的有线网络相比，无线网络同样使用类似于TCP／IP的分层协议进行通信。这样无线网络不仅继承了大部分有线网络的安全缺陷，而且由于使用无线信号传输数据，又使它具有了一些特有的安全问题。本文从信息安全学的角度，系统地综述了无线组网技术中的安全问题及对策，为这个领域的研究提供了清晰的问题结构。     

关于离散空间中最优搜索策略的一些结果

研究关于N个位置的最优搜索问题.最优搜索问题是研究如何将用于搜索的资源(如时间等)分配到N个位置使得发现目标的概率为最大.以往人们在研究最优搜索问题时总是假设目标的分布函数是已知的,但实际情况往往不是这样.用拉格朗日算子理论来研究目标的分布函数是未知的情况下的最优搜索问题,得出了一系列新的结果,包括分布函数的近似方法和误差估计公式.最后给出了两个例子.