云模式下网络犯罪侦查与取证研究

本文针对云计算技术在取证分析领域的应用进行研究探讨,以期将现有的电子物证实验室从单一功能转变为多功能的、支持远程受理、远程鉴定的、资源整合型的＂云模式取证实验室＂,从而从根本上改变传统计算机取证技术与应用的被动局面。     

电子商务中的数字取证技术研究

针对电子商务交易流程,分析了C2C模式下电子商务＂三流＂中的安全需求和安全威胁,给出电子商务的数字取证框架,从数字证据的发现、固定、提取、分析、表达等方面对电子商务中的数字取证技术进行了分析,介绍了数字取证过程中所采用的各项关键技术。     

在线环保远程视频取证系统

针对目前环保监管部门对排污企业不达标排放取证难的问题,提出了一种在线环保远程视频取证系统的实现方法.该方法通过流媒体分发技术、XML-RPC协议票据身份安全认证技术以及在ADSL网络环境条件下的音视频流优化技术,实现环保监管部门远程对排污企业排污情况的实时视频监控和历史视频取证.通过本项目研发的Web视频控件,结合污染源在线监测系统,组成一个综合性的在线环保远程视频取证系统,为环保监管部门更好地对排污企业管理以及排污取证提供了一个便捷的管理平台.     

网格环境下的取证研究

网格是构筑在Intemet上的一组新兴技术,它将高速互联网、高性能计算机、大型数据库、传感器和远程设备等融为一体,提供透明的计算、存储功能.随着网络技术的发展,保护网络及其资源不受恶意程序的破坏也就越来越重要,而在针对网格的攻击发生后,安全人员必须具备处理、恢复并且获得证据的能力.本文在讨论计算机网格安全与取证概念的基础上,结合IDS入侵检测技术,通过对网格安全架构与实时取证技术的深入研究,提出了一种网格环境下的取证模型,并进行了相应分析与论证.     

开放式系统的攻击取证和系统恢复机制Eudemon的设计及实现

该文提出了一种开放式系统的攻击取证和系统恢复机制Eudemon。Eudemon综合了攻击检测、文件保护和系统恢复等安全技术,采取分布式结构,通过一台远程记录服务器保护多个主机系统。该保护机制能够检测、记录恶意的攻击行为,对攻击行为进行分析取证;在系统遭遇到攻击时,利用保存的系统信息和应用数据,能及时恢复系统和重要数据。该文描述了Eudemon机制的结构设计、实现技术以及系统安全措施。     

论计算机犯罪的侦查与取证

计算机犯罪由于其客观方面所决定,在现场的保护和确定、证据的搜集、作案手段、作案及破坏速度等方面较传统犯罪都有显著的特征,因此其在侦查取证方法上也必然迥异.本文就现场的保护、勘验、计算机犯罪调查、电子证据的搜集和审查判断、查找犯罪嫌疑人等有关侦查取证技术方面的问题进行了探析.     

计算机取证技术在打击网络犯罪中的应用

在现代网络安全体系中,计算机取证技术越来越重要,本文在分析网络犯罪发展趋势的基础上,研究了计算机取证技术,并结合具体实例进行了分析,指出了计算机取证技术的未来发展。     

数字取证技术及其发展趋势

数字取证技术已经成为信息安全领域研究热点之一。本文首先分析了数字取证的定义以及数字证据的特性。然后从取证过程模型、取证分析技术以及取证产品、标准和法规方面重点阐述了数字取证技术的研究现状,讨论了数字取证分析技术的分类方法以及文件雕刻取证分析技术。分析了数字取证领域中存在的难点问题,探讨了数字取证技术研究的发展趋势。     

信息取证技术分析

信息取证技术在现代网络安全体系中的作用越来越重要,本文在分析网络攻击技术发展趋势的基础上,研究和讨论了目前的信息取证技术,并对其技术发展进行了分析。     

以能力培养为主线的《网络安全》课程改革研究

公安院校培养的是在网络入侵事件发生之后,能在第一时间判断出攻击类型、提取出入侵痕迹,进而锁定犯罪嫌疑人的公安专门人才,因此网络入侵案件取证能力的培养尤为重要。本篇论文探讨的主要内容包括：通过＂网络安全实战靶场＂教学手段来提升学生的网络安全实战能力;采用＂网络安全案件调查、取证演练＂教学方式提升学生网络安全案件的调查、取证能力;采用win 2000、2003 server虚拟机来模拟路由器组建网络环境。     

一种基于粒群优化机理的多样性抗体生成算法

保证抗体的多样性是入侵检测免疫系统成功的关键。该文就此问题开展研究,将粒群优化算法引入抗体的生成,提出了一种基于粒群优化机理的多样性抗体生成算法。模拟实验结果表明利用这一算法生成的抗体的多样性以及算法的收敛速度都令人满意。     

基于人工免疫可更新簇聚类算法的研究

给出了一种基于人工免疫的可更新簇聚类算法。该算法在aiNet聚类算法的基础上,引入记忆抗体“年龄”的概念。模型学习过程中在抗体不断地与抗原接触时,超过“年龄”阈值的记忆抗体转化为一般抗体,以此达到聚类簇的更新。实验表明该算法是可行、有效的。     

Predicting the distance between antibody’s interface residue and antigen to recognize antigen types by support vector machine

In this paper, a machine learning approach, known as support vector machine (SVM) is employed to predict the distance between antibody’s interface residue and antigen in antigen–antibody complex. The heavy chains, light chains and the corresponding antigens of 37 antibodies are extracted from the antibody–antigen complexes in protein data bank. According to different distance ranges, sequence patch sizes and antigen classes, a number of computational experiments are conducted to describe the distance between antibody’s interface residue and antigen with antibody sequence information. The high prediction accuracy of both self-consistent and cross-validation tests indicates that the sequential discovered information from antibody structure characterizes much in predicting the distance between antibody’s interface residue and antigen. Furthermore, the antigen class is predicted from residue composition information that belongs to different distance range by SVM, which shows some potential significance.     

改进型动态自适应克隆选择算法

克隆选择算法是目前应用较广的一种智能优化算法,但它在选择时具有一定的盲目性。为了克服它的这个不足,论文提出了一种改进型动态自适应克隆选择算法。在该算法中,首先根据抗体的亲和度将抗体群动态分为记忆单元和一般抗体单元,然后再借助抗体的亲和度修正抗体的变异概率并根据修正后的变异概率进行变异操作,紧接着以球面杂交方式对种群进行调整以产生新的种群。上述策略使得该算法在选择时具有一定的针对性,从而加快了它的全局搜索速度,仿真结果验证了所提算法的有效性、可行性。     

Evaluation of human antibody responses to keyhole limpet hemocyanin on a carbohydrate microarray

Purpose : Keyhole limpet hemocyanin (KLH) is used as a vaccine adjuvant, as a carrier protein for small haptens, and as a treatment for bladder cancer. Immunization with KLH produces antibodies to tumor‐associated carbohydrate antigens (TACAs) in animals, and these antibodies have been postulated as the basis of efficacy for bladder cancer treatment. The purpose of this study was to evaluate antibody responses to KLH in humans. Experimental design : A carbohydrate microarray was used to profile antibody responses in 14 individuals immunized with KLH plus alum adjuvant. Results : Eight out of fourteen individuals produced antibodies to at least one TACA. Increases to Lewis X, Lewis Y, GA1di, GM3, and sialyl Lewis A were observed in certain individuals, but, in general, antibody profiles were highly variable. Pre‐immunization antibody levels to a subset of array antigens had a statistically significant correlation with the magnitude of the antibody response to KLH. Conclusions and clinical relevance : Antibodies to TACAs can be produced in humans, but antibody profiles differ considerably from person to person, which may contribute to variable clinical responses with KLH. Pre‐treatment antibody levels to certain antigens may be useful for predicting which patients will respond favorably to KLH.     

基于免疫抗体记忆分类算法的变压器故障诊断

针对传统克隆免疫算法应用于变压器故障诊断时学习速度慢、无分类能力及抗体空间小等缺点,提出一种免疫抗体记忆分类算法。利用免疫抗体识别抗原的原理和抗体记忆功能,将克隆选择与进化算法相结合,通过学习训练抗原及附属类型信息,得到由不同类型检测集组成的故障信息库,从而在保证亲和力的同时,加快学习速度,扩大免疫搜索空间,并利用人工识别球与刺激水平的线性关系对故障类型进行快速诊断。实验结果证明,该算法具有较快的运行速度及较高的诊断准确率。     

基于决策树及遗传算法的人工免疫入侵检测算法

针对传统的否定选择算法中生成大量无效抗体,并且抗体之间缺乏多样性的问题,设计了基于决策树及遗传算法的人工免疫入侵检测算法。将决策树和遗传算法引入传统的否定选择算法中,利用决策树计算抗原和抗体之间的亲和力,提出了新fitness的计算公式,并利用抗体浓度衡量抗体集的多样性,将低浓度抗体代替高浓度抗体,实现了抗体的多样性,确保了当抗体集的数量一定时尽可能覆盖最大的非自体集空间,以提高抗体集的性能。     

基于免疫遗传算法的移动机器人全局路径规划

提出了基于免疫遗传算法的静态环境下移动机器人全局路径规划方法。该方法首先建立机器人工作空间中环境信息的神经网络模型,并利用该模型建立机器人免碰撞路径与神经网络输出的关系,将免碰撞要求和路径最优要求融合成免疫遗传算法的一个简单适应度函数。将抗体选择概率表示成一个基于抗体矢量距和抗体浓度的融合函数,同时保证了抗体的多样性和成熟收敛。通过仿真,并与遗传算法相比,性能有很大提高,证明了该全局路径规划方法的正确性和有效性。     

蚁群算法与免疫算法的融合及其在TSP中的应用

提出一种基于抗体片段局部最优搜索的克隆选择和蚁群自适应融合算法.引入混沌扰动来增加抗体种群的多样性,以提高蚁群算法的搜索能力;利用克隆扩增、免疫基因等相关算子的操作,增强了克隆选择算法搜索的效率;通过自适应控制参数,实现了克隆选择与蚁群优化的有机结合及局部最优搜索策略的应用,加快了收敛速度,克服了抗体种群早熟问题,提高了求解精度.仿真实验结果表明,该算法具有可靠的全局收敛性,较快的收敛速度.     

一种新的动态自适应克隆选择并行算法

提出一种新的动态自适应克隆选择并行算法。在每次迭代过程中,动态计算每个抗体的变异概率,根据抗体的亲和度将抗体种群动态分为记忆单元和一般抗体单元,以球面杂交方式对种群进行调整,加快算法的全局搜索速度。同时针对算法计算量大的缺点,设计对应的并行计算方法。实例结果表明,该算法耗时较少,收敛精度较高。