检索范围:
排序: 展示方式:
基于博弈论方法的移动目标防御机理研究 Article
Gui-lin CAI, Bao-sheng WANG, Qian-qian XING
《信息与电子工程前沿(英文)》 2017年 第18卷 第12期 页码 2017-2034 doi: 10.1631/FITEE.1601797
移动目标防御:现状及特征 Review
Gui-lin CAI,Bao-sheng WANG,Wei HU,Tian-zuo WANG
《信息与电子工程前沿(英文)》 2016年 第17卷 第11期 页码 1122-1153 doi: 10.1631/FITEE.1601321
张大伟,沈昌祥,刘吉强,张飞飞,李论,程丽辰
《中国工程科学》 2016年 第18卷 第6期 页码 58-61 doi: 10.15302/J-SSCAE-2016.06.012
本文介绍了网络安全基础设施可信保障体系建设的现状、问题及未来构建策略。通过对现有安全保障体系建设现状和存在问题的剖析,提出我国网络安全基础设施亟须构建基于主动防御思想的可信技术保障体系。为此,提出可信技术保障体系建设策略建议,主要包括:以自主创新的主动防御计算体系结构作为构建可信技术保障体系的突破点;在落实信息安全系统国产化的战略合作中一定要真正形成实质的本土化;加大自主创新力度,推动主动防御的理论研究
斯雪明,王伟,曾俊杰、杨本朝、李光松、苑超、张帆
《中国工程科学》 2016年 第18卷 第6期 页码 62-68 doi: 10.15302/J-SSCAE-2016.06.013
随着互联网的发展,网络空间安全问题已成为关系到国家安全的大问题。本文首先介绍了一些经典的网络安全防御技术;其次介绍了拟态防御技术,包括拟态防御系统的构成、拟态防御的科学问题及其理论框架,对比传统网络防御技术,分析了拟态防御系统的有效性;最后对拟态防御基础理论还需要解决的问题做了阐述
网络安全遇上人工智能:综述 Review Article
Jian-hua LI
《信息与电子工程前沿(英文)》 2018年 第19卷 第12期 页码 1462-1474 doi: 10.1631/FITEE.1800573
关键词: 网络安全;人工智能;攻击监测;防御技术
贾焰,方滨兴,李爱平,顾钊铨
《中国工程科学》 2021年 第23卷 第3期 页码 98-105 doi: 10.15302/J-SSCAE-2021.03.003
网络空间是继陆、海、空、天之后的第五大活动空间,维护网络空间安全是事关国家安全、国家主权和人民群众合法权益的重大问题。随着人工智能技术的飞速发展和在各领域的应用,网络空间安全面临着新的挑战。本文分析了人工智能时代网络空间安全面临的新风险,包括网络攻击越来越智能化,大规模网络攻击越来越频繁,网络攻击的隐蔽性越来越高,网络攻击的对抗博弈越来越强,重要数据越来越容易被窃取等;介绍了人工智能技术在处理海量数据、多源异构数据、实时动态数据时具有显著的优势,能大幅度提升网络空间防御能力;基于人工智能的网络空间防御关键问题及技术,重点分析了网络安全知识大脑的构建及网络攻击研判,并从构建动态可扩展的网络安全知识大脑,推动有效网络攻击的智能化检测,评估人工智能技术的安全性三个方面提出了针对性的发展对策和建议。
庞建民,张宇嘉,张铮、邬江兴
《中国工程科学》 2016年 第18卷 第6期 页码 74-78 doi: 10.15302/J-SSCAE-2016.06.015
田志宏,方滨兴 ,廖清 ,孙彦斌 ,王晔 ,杨旭 ,冯纪元
《中国工程科学》 2023年 第25卷 第6期 页码 96-105 doi: 10.15302/J-SSCAE-2023.06.007
基于多维动态网络属性的新型企业网防御系统的设计与实现 None
Yang CHEN, Hong-chao HU, Guo-zhen CHENG
《信息与电子工程前沿(英文)》 2019年 第20卷 第2期 页码 238-252 doi: 10.1631/FITEE.1800516
关键词: 企业网防御;软件定义网络;多维跳变
一种基于加密哈希的端口地址跳变通信自同步机制 Article
Yue-bin LUO, Bao-sheng WANG, Xiao-feng WANG, Bo-feng ZHANG
《信息与电子工程前沿(英文)》 2017年 第18卷 第5期 页码 719-728 doi: 10.1631/FITEE.1601548
关键词: 同步;端口地址跳变;动目标防御;网络安全
深度学习中的对抗性攻击和防御 Feature Article
任奎, Tianhang Zheng, 秦湛, Xue Liu
《工程(英文)》 2020年 第6卷 第3期 页码 346-360 doi: 10.1016/j.eng.2019.12.012
在深度学习(deep learning, DL)算法驱动的数据计算时代,确保算法的安全性和鲁棒性至关重要。最近,研究者发现深度学习算法无法有效地处理对抗样本。这些伪造的样本对人类的判断没有太大影响,但会使深度学习模型输出意想不到的结果。最近,在物理世界中成功实施的一系列对抗性攻击证明了此问题是所有基于深度学习系统的安全隐患。因此有关对抗性攻击和防御技术的研究引起了机器学习和安全领域研究者越来越多的关注。本文将介绍深度学习对抗攻击技术的理论基础、算法和应用。然后,讨论了防御方法中的一些代表性研究成果。这些攻击和防御机制可以为该领域的前沿研究提供参考。此外,文章进一步提出了一些开放性的技术挑战,并希望读者能够从所提出的评述和讨论中受益。
云环境下基于拟态防御的科学工作流执行系统 Research Article
Ya-wen WANG, Jiang-xing WU, Yun-fei GUO, Hong-chao HU, Wen-yan LIU, Guo-zhen CHENG
《信息与电子工程前沿(英文)》 2018年 第19卷 第12期 页码 1522-1536 doi: 10.1631/FITEE.1800621
关键词: 科学工作流;拟态防御;云安全;入侵容忍
基于非正交多址接入的雾无线接入网络中网络效益最大化的资源分配:博弈论方法 Research Article
曹雪妍,闫实,张洪铭
《信息与电子工程前沿(英文)》 2022年 第23卷 第10期 页码 1546-1561 doi: 10.1631/FITEE.2100341
基于非正交多址接入(NOMA)的雾无线接入网(F-RANs)提供了高频谱效率、超低延迟和巨大的网络吞吐量,这得益于雾接入点(F-APs)的边缘计算和通信功能。工业界普遍需要的是在基于NOMA的F-RANs中高效的资源分配,包括缓存放置(CP)和无线电资源分配(RRA),这是提高网络性能的关键。在此基础上,提出一种基于网络效益最大化的资源分配问题,该效益同时考虑了缓存成本、收益和通信能效。本文将此NP难问题分解为两个子问题,即CP子问题和RRA子问题。最后,我们提出一种迭代方法和一种基于Stackelberg博弈的方法来求解各子问题。数值结果表明,在基于NOMA的F-RANs中,与现有资源分配方案相比,所提出的方法可以显著提高网络效益。
标题 作者 时间 类型 操作
云环境下基于拟态防御的科学工作流执行系统
Ya-wen WANG, Jiang-xing WU, Yun-fei GUO, Hong-chao HU, Wen-yan LIU, Guo-zhen CHENG
期刊论文