四川大学网络空间安全学院
- 作品数：361 被引量：972H指数：12
- 相关机构：中国科学院信息工程研究所成都信息工程大学软件工程学院四川农业大学林学院更多>>
- 发文基金：国家自然科学基金中央高校基本科研业务费专项资金四川省科技计划项目更多>>
- 相关领域：自动化与计算机技术电子电信文化科学医药卫生更多>>
- 基于深度神经网络的法语命名实体识别模型被引量：6
- 2019年
- 现有法语命名实体识别(NER)研究中,机器学习模型多使用词的字符形态特征,多语言通用命名实体模型使用字词嵌入代表的语义特征,都没有综合考虑语义、字符形态和语法特征。针对上述不足,设计了一种基于深度神经网络的法语命名实体识别模型CGC-fr。首先从文本中提取单词的词嵌入、字符嵌入和语法特征向量;然后由卷积神经网络(CNN)从单词的字符嵌入序列中提取单词的字符特征;最后通过双向门控循环神经网络(BiGRU)和条件随机场(CRF)分类器根据词嵌入、字符特征和语法特征向量识别出法语文本中的命名实体。实验中,CGC-fr在测试集的F1值能够达到82.16%,相对于机器学习模型NERC-fr、多语言通用的神经网络模型LSTM-CRF和Char attention模型,分别提升了5.67、1.79和1.06个百分点。实验结果表明,融合三种特征的CGC-fr模型比其他模型更具有优势。
- 严红陈兴蜀王文贤王海舟殷明勇
- 关键词：命名实体识别法语自然语言处理
- 一种面向云计算服务安全的评估方法研究被引量：1
- 2021年
- 云计算服务安全评估方法一直面临着安全指标覆盖范围小、适用场景有限和指标不易量化的问题,使得云计算服务安全评估工作难以高效开展与实施。本文基于国家标准的要求提出一种云计算服务安全评估模型,并制定安全评估指标体系和交付件列表。此外,本文还设计一种基于模糊综合评价法的云计算服务安全评估方法,并设计实现安全评估系统原型,验证所提方法的高效性与可行性。
- 杨瑞
- 关键词：云计算服务安全评估模糊综合评价法
- Webshell研究综述:检测与逃逸之间的博弈被引量：11
- 2018年
- Webshell是Web攻击中常见的一种木马形式,在整个攻击链中,Webshell被用于权限维持并作为下一步入侵的跳板。针对不断发展的检测与逃逸技术,尤其是人工智能影响下的新兴技术,综述了近年来Webshell检测和逃逸方面的研究进展。论文介绍了随着互联网发展而不断演化的攻击方式以及应对攻击的检测模型,阐述了包括静态规则匹配、异常行为分析、动态执行和基于深度学习等检测方法,从博弈的角度重点讨论了检测与逃逸相互之间所产生的影响。最后总结了现有的研究难题,展望了Webshell未来的研究方向。
- 龙啸方勇黄诚刘亮
- 关键词：WEBSHELL
- 大规模无线传感器网络中高效按需充电规划被引量：2
- 2022年
- 随着无线充电技术的日趋成熟,特别是磁共振无线充电技术的发展,利用移动充电车和无线充电技术给无线传感器补充能量,以保证无线传感器网络持续运转,成为新的研究热点。为此,主要介绍在大规模的无线传感器网络中,如何调度多个充电车给网络中的待充电传感器补充能量。为了均衡多个充电车的充电任务,缩小整个充电任务的完成时间,提出了充电总耗时最短问题,希望能为多个充电车找到各自的充电路径,使得多个充电车中耗时最长的任务完成时间最短。因为充电总耗时最短问题是一个NP难问题,难以在多项式时间内找到最优解,所以针对该问题提出了一个近似比为5的近似算法。最后用模拟实验证明了算法的性能,实验表明该算法的实际近似比不足2。
- 刘亮蒲浩洋
- 关键词：无线传感器网络大规模网络
- 基于DECORATE集成学习与置信度评估的Tri-training算法
- 2022年
- Tri-training是一种基于分歧的半监督学习算法,同时利用了半监督学习和集成学习机制。Tri-training能有效地利用少量有标记样本和大量无标记样本,通过分类器间的相互协同和迭代来提升模型性能。但是在已标记样本量不足的情况下,Tri-training生成的初始分类器训练不足,并且在分类器间协同标记的过程中可能产生误标记的噪声数据。针对上述问题,提出了一种结合DECORATE集成学习、多样性度量与置信度评估的协同学习算法。该算法基于DECORATE集成学习方法,通过添加差异化的人工样本和标记来训练多种偏好的基分类器,以提升分类泛化能力。该算法还基于JS散度对分类器进行多样性度量和筛选,以最大化基分类器多样性,同时在迭代过程中基于标签传播算法对伪标记样本进行置信度评估,以减少噪声数据。在UCI数据集上进行了分类实验,结果表明,相比Tri-training算法及其改进算法,所提算法具有更高的分类准确率和F1分数。
- 王宇飞陈文
- 关键词：置信度评估
- 基于特征提取的恶意软件行为及能力分析方法研究被引量：6
- 2019年
- 为应对恶意软件对网络空间安全的威胁,安全厂商发布了大量恶意软件报告,其中蕴含着许多网络安全相关信息,如恶意软件的特征能力及其所采取的具体行为模式。通过对这些恶意软件报告进行分析获取相关信息,有助于研究人员全面了解恶意软件功能,实现有效防御。自动从报告中抽取与恶意软件能力及行为相关的文本的任务,存在报告数量庞大、文本结构松散、一词多义的问题。为此,文章提出基于Bert预训练模型获取特征向量的方法,以实现对多义词的消歧,通过BiLSTM和注意力机制进一步提取特征,训练分类器。利用MalwareTextDB数据集进行实验,召回率和F1值分别可达到85.56%和66.67%。与其他模型进行比较,该模型能够更高效地自动从恶意软件报告中提取与恶意软件行为特征及能力相关文本。
- 冯胥睿瑞刘嘉勇程芃森
- 关键词：恶意软件文本分类
- TB级PHF6短肽聚合数据分析与结构探索
- 阿兹海默症是一种神经退行性疾病,其发病机理仍在探索之中,但有研究表明神经内部τ-蛋白中的一个名为PHF6的六肽片段(306VQIVYK311)与τ-蛋白的自组装以及神经纤维缠结的形成有着很大的联系[1–3]。探索PHF6...
- 敬闰宇李益州李梦龙
- 关键词：阿兹海默症
- 文献传递
- 基于主动学习的工业互联网入侵检测研究被引量：3
- 2021年
- 针对工业互联网结构复杂和已知攻击样本少导致的入侵检测准确率低的问题,文章提出一种基于主动学习的入侵检测系统(Active Learning-based Intrusion Detection System,ALIDS)。该系统将专家标注引入到入侵检测过程中,将主动学习查询策略与LightGBM结合,解决了训练样本稀缺情况下入侵检测系统准确率低的问题。首先从工业互联网原始网络流和载荷中提取特征,通过最近邻方法对缺失数据进行填补;再通过不确定性采样,选择最有价值的训练样本交由人工专家标注;然后将已标注样本加入训练集,同时使用贝叶斯优化对LightGBM模型进行超参数优化;最后在数据集上进行二分类和多分类实验,验证了ALIDS对入侵检测的有效性。
- 沈也明李贝贝刘晓洁欧阳远凯
- 关键词：入侵检测
- 基于LSTM-CNN的容器内恶意软件静态检测被引量：6
- 2020年
- 针对现阶段容器环境下恶意软件检测研究较少且检测率较低的问题,提出了一种基于LSTM-CNN的容器内恶意软件静态检测方法,用以在恶意软件运行前进行检测,从源头阻断其攻击行为,降低检测过程给容器运行带来的性能损耗。该方法通过无代理的方式获取容器内待测软件,提取其API调用序列作为程序行为数据,利用word2vec模型对程序API调用序列进行向量化表征,并基于LSTM和CNN分别提取其语义信息及多维局部特征以实现恶意软件的检测。在容器环境下实现了该方法,并基于公开数据集VirusShare进行测试,结果表明该方法可达到99.76%的检测率且误报率低于1%,优于同类其他方法。
- 金逸灵陈兴蜀王玉龙
- 关键词：卷积神经网络
- 基于深度学习的染色质交互作用预测
- 2021年
- 染色质交互作用一般发生在生物基因表达过程中,可以对染色质高维空间如染色质环、拓扑结构域等产生影响,通过特定实验的高通量测序技术如5C、Hi-C等可获得染色质交互作用信息,预测染色质交互作用信息具有重要价值,可减少测序技术高昂的代价。提出基于组蛋白修饰数据来预测Hi-C数据的深度学习方法,从不同角度对结果进行分析,表明该方法可以较好预测原始染色质交互作用情况,为组蛋白修饰预测染色质交互作用数据提供一种可行路线。
- 任景瑞李川张振毓邓凯
- 关键词：组蛋白修饰
