97夜夜澡人人爽人人喊免费阅读,俺来俺也在线WWW色官方

命令行接口模糊測試漏洞挖掘研究及應(yīng)用

5G數(shù)據(jù)網(wǎng)絡(luò)設(shè)備是現(xiàn)代通信的基礎(chǔ)設(shè)施，其安全可靠性直接影響整個網(wǎng)絡(luò)的安全可靠程度。命令行接口作為網(wǎng)絡(luò)設(shè)備的基本操作接口，研究其存在的漏洞對提升整個網(wǎng)絡(luò)安全具有至關(guān)重要的意義?；谀：郎y試提出一種命令行接口漏洞挖掘方法，并對注入點分析及界定、模糊測試漏洞挖掘數(shù)據(jù)模型處理、模糊測試算法優(yōu)化及模糊測試漏洞挖掘流程等關(guān)鍵技術(shù)及過程進行深入研究。研究成果直接運用到命令行接口模糊測試漏洞挖掘系統(tǒng)中，實現(xiàn)包含網(wǎng)絡(luò)設(shè)備信息收集、模糊測試漏洞挖掘數(shù)據(jù)建模、網(wǎng)絡(luò)設(shè)備響應(yīng)信息分析、模糊測試漏洞挖掘執(zhí)行、漏洞挖掘后分析及生成漏洞報告等關(guān)鍵功能。最后對未來提升命令行接口模糊測試漏洞挖掘系統(tǒng)的效率和有效性進行了討論和展望。

發(fā)表于：7/24/2023

面向多維數(shù)據(jù)的異常點檢測模型設(shè)計*

為了在大數(shù)據(jù)環(huán)境下快速、精準地挖掘異常點，保障網(wǎng)絡(luò)安全，提出了一種面向多維數(shù)據(jù)的異常點檢測模型設(shè)計方案。該方案利用長短期記憶網(wǎng)絡(luò)（LSTM）存儲任意時間段的多維數(shù)據(jù)，并使用圖卷積網(wǎng)絡(luò)提取完整數(shù)據(jù)結(jié)構(gòu)，同時加入懲罰參數(shù)和均方誤差來縮小異常點出現(xiàn)范圍。此外，還利用編碼器和解碼器構(gòu)建變分自編碼器函數(shù)模型，使其能夠解讀正常數(shù)據(jù)子特征，并通過編碼重建損失函數(shù)來計算數(shù)據(jù)異常度量，從而實現(xiàn)異常點檢測。經(jīng)過實驗驗證，該方法表現(xiàn)出較高的檢測正確率和運行效率，具有極高的應(yīng)用價值。

發(fā)表于：7/24/2023

基于元學習的多頭注意力時序卷積的入侵檢測

為解決現(xiàn)有入侵檢測方法在高階依賴關(guān)系挖掘，處理時序特征和應(yīng)對新型攻擊手段檢測等方面性能不足的問題，提出了一種基于元學習的多頭注意力時序卷積的入侵檢測方法。該方法引入了多頭注意力機制，使模型能在不同尺度上捕捉網(wǎng)絡(luò)數(shù)據(jù)的時序特征和高階依賴關(guān)系。其次，結(jié)合多任務(wù)學習改進元學習算法對網(wǎng)絡(luò)未知攻擊進行識別，提升網(wǎng)絡(luò)未知攻擊的檢測性能，此外，設(shè)計了一種自適應(yīng)特征提取策略，動態(tài)調(diào)整特征提取粒度，以適應(yīng)不同類型的網(wǎng)絡(luò)攻擊。在公開數(shù)據(jù)集實驗對比表明，本文算法與主流算法相比，具有更高的準確率和F值。

發(fā)表于：7/24/2023

基于國密算法SM2和CP-ABE的醫(yī)療訪問控制系統(tǒng)的設(shè)計與實現(xiàn)*

針對現(xiàn)有的醫(yī)療數(shù)據(jù)共享方案存在運算開銷大和權(quán)限控制問題，提出了一種基于可撤銷的多屬性機構(gòu)授權(quán)方案和國密算法SM2的醫(yī)療數(shù)據(jù)訪問控制系統(tǒng)。與傳統(tǒng)的CPABE撤銷算法相比，本文改進的CPABE算法不需要重新加密所有的加密文件以及不需要更新全部合法用戶的密鑰，只需更新與已撤銷屬性關(guān)聯(lián)的密文。試驗表明本文設(shè)計的系統(tǒng)在加解密性能上比傳統(tǒng)的方案快出10%左右。此外，本文將多屬性授權(quán)機構(gòu)、靈活的可撤銷機制、國密算法SM2和全球可信的證書頒發(fā)機構(gòu)（CA）集成到CPABE中，能很好地保證系統(tǒng)的前向、后向、多屬性授權(quán)機構(gòu)之間通信的安全性并且能有效地抵抗偽造攻擊和合謀攻擊。

發(fā)表于：7/24/2023

面向隱私保護機器學習的同態(tài)加密轉(zhuǎn)換器設(shè)計與實現(xiàn)

傳統(tǒng)機器學習技術(shù)可以充分挖掘數(shù)據(jù)價值但是無法保護數(shù)據(jù)隱私。基于同態(tài)加密的隱私保護機器學習是對于該問題的有效解決方案。當前將同態(tài)加密應(yīng)用于隱私保護機器學習任務(wù)中的主要挑戰(zhàn)在于缺少高層次的編程工具，尤其是缺少對于矩陣運算的抽象。采用CKKS同態(tài)加密方案，針對隱私保護場景設(shè)計了一種易于使用的同態(tài)加密轉(zhuǎn)換器，其可將機器學習算法的明文程序轉(zhuǎn)換為同態(tài)加密程序，同時保證矩陣的編碼、加密和計算過程對用戶透明。在五種醫(yī)療數(shù)據(jù)集上的實驗結(jié)果表明，該轉(zhuǎn)換器可在保證密態(tài)矩陣運算的安全性、正確性和高效性的同時，兼顧易用性。

發(fā)表于：7/24/2023

基于隨機森林的命令混淆繞過檢測研究

運維安全管理設(shè)備中的“命令過濾”功能只能過濾黑名單中的惡意代碼，而無法有效識別并阻止使用特殊方法繞過該功能的行為。針對這一問題，提出了一種基于隨機森林的算法，可以準確識別含有惡意代碼的命令執(zhí)行語句。首先，介紹了四種命令混淆繞過方法，它們用來規(guī)避黑名單中的關(guān)鍵詞并進行命令執(zhí)行。然后，為了解決這些風險，在模型的特征選擇階段將命令混淆代碼納入考慮范圍，利用多種特征對模型進行訓練并調(diào)整特征權(quán)重，以提高模型檢測中對使用命令混淆攻擊的識別率和準確度。實驗結(jié)果表明，該方法能夠及時識別并應(yīng)對命令混淆攻擊，從而更好地保證服務(wù)器安全運行。

發(fā)表于：6/28/2023

IAST在金融業(yè)DevOps中的融合應(yīng)用探索

DevOps模式的應(yīng)用強化了金融行業(yè)數(shù)字化轉(zhuǎn)型中支撐業(yè)務(wù)高速發(fā)展的能力，解決該模式下引申出的各類安全風險問題已成為行業(yè)共識。針對傳統(tǒng)安全模式工具及能力和DevOps割裂使得安全賦能受限無法發(fā)揮其最大效力的問題，提出從模式架構(gòu)和流程出發(fā)，以IAST為契機探索將整體安全能力運用其中的方式，構(gòu)建安全能力一體化的解決思路，試驗結(jié)果表明新的融合模式能夠幫助提升開發(fā)安全能力，達到安全左移目標，體現(xiàn)安全整體能力價值，實現(xiàn)通過融入DevOps貼近業(yè)務(wù)的目標。

發(fā)表于：6/21/2023

輕量級安全隔離的虛實互聯(lián)平臺設(shè)計與實現(xiàn)

通過對虛實互聯(lián)平臺的現(xiàn)狀研究，針對現(xiàn)有平臺在安全性、實用性、靈活性等方面的不足，提出了一種輕量級安全隔離的虛實互聯(lián)平臺設(shè)計方法。首先對輕量級安全隔離的虛實互聯(lián)平臺進行理論性的實現(xiàn)研究，提出實現(xiàn)方法；然后在現(xiàn)有實驗環(huán)境基礎(chǔ)上，結(jié)合理論實現(xiàn)途徑給出實際的平臺搭建及部署設(shè)計，進行了平臺的實現(xiàn)；最后針對搭建完成的平臺進行了能力驗證與應(yīng)用。實驗結(jié)果表明所提出的輕量級安全隔離的虛實互聯(lián)平臺具有良好的實用性，與現(xiàn)有方法相比具有一定的優(yōu)勢。

發(fā)表于：6/21/2023

《個人信息保護法》背景下告知同意規(guī)則的檢視與改進

告知同意規(guī)則雖然是國際通行的個人信息保護規(guī)則，但在實踐中面臨著多重困境。《個人信息保護法》在堅持采納告知同意規(guī)則的同時也對其采取了一系列修正措施。但從《個人信息保護法》的適用現(xiàn)狀來看，告知同意規(guī)則面臨的實踐困境并沒有得到改善，信息處理者與信息主體之間仍然處于利益失衡的狀態(tài)。檢視《個人信息保護法》所采取的擴張合法性基礎(chǔ)、實施信息分類與差異化保護、細化完善同意規(guī)則等修正措施，雖然一定程度上紓解了同意規(guī)則難以落地的窘?jīng)r，但仍存在諸多疏漏。應(yīng)采取引入合法利益豁免機制、構(gòu)建行政監(jiān)管機制、發(fā)揚個人信息保護設(shè)計理念等手段作為告知同意規(guī)則改進完善的對癥之策。

發(fā)表于：6/21/2023

聯(lián)邦學習框架下的數(shù)據(jù)安全與利用合規(guī)路徑

發(fā)表于：6/21/2023

派拓網(wǎng)絡(luò)Unit 42最新報告：60%企業(yè)花費4天以上解決安全問題

全球網(wǎng)絡(luò)安全領(lǐng)導企業(yè)Palo Alto Networks（派拓網(wǎng)絡(luò)）近日發(fā)布《Unit 42云威脅報告，第7卷》。該報告通過對1,300多家企業(yè)開展調(diào)查研究，分析了所有的主要云服務(wù)提供商（CSP）的21萬個云賬戶、訂閱服務(wù)和項目中的工作負載，幫助安全領(lǐng)導者和從業(yè)者從多個視角了解云安全。

發(fā)表于：6/13/2023

Palo Alto Networks（派拓網(wǎng)絡(luò)）：網(wǎng)絡(luò)釣魚瞄準旅客

隨著疫情趨緩，旅游業(yè)復蘇，越來越多的人們重啟出游計劃。然而這也讓網(wǎng)絡(luò)犯罪分子有機可乘——他們以旅客為目標，試圖利用網(wǎng)絡(luò)釣魚竊取賬戶憑證、財務(wù)信息等資料并出售牟利。例如，當人們在機場、商店、旅館等公共場所使用USB接口充電時，就可能遭遇充電座竊取數(shù)據(jù)（Juice Jacking），攻擊者會通過在設(shè)備中載入惡意軟體來竊取資料。

發(fā)表于：6/6/2023

英飛凌CALYPSO? move安全存儲器采用開放式標準

【2023年5月29日，德國慕尼黑訊】隨著城市的發(fā)展，公共交通運營商必須要應(yīng)對乘客數(shù)量日益增加所帶來的挑戰(zhàn)，尤其是在足球比賽和奧運會等重大活動期間。

發(fā)表于：6/5/2023

基于木馬特征風險敏感的硬件木馬檢測方法

針對現(xiàn)有硬件木馬檢測方法中存在的木馬檢出率偏低問題，提出一種基于木馬特征風險敏感的門級硬件木馬檢測方法。通過分析木馬電路的結(jié)構(gòu)特征和信號特征，構(gòu)建11維硬件木馬特征向量；提出了基于Borderline-SMOTE的硬件木馬特征擴展算法，有效擴充了訓練數(shù)據(jù)集中的木馬樣本信息；基于PSO智能尋優(yōu)算法優(yōu)化SVM模型參數(shù)，建立了木馬特征風險敏感分類模型。該方法基于Trust-Hub木馬庫中的17個基準電路展開實驗驗證，其中16個基準電路的平均真陽率（TPR）達到100%，平均真陰率（TNR）高達99.04%，與現(xiàn)有的其他檢測方法相比，大幅提升了硬件木馬檢出率。

發(fā)表于：5/31/2023

基于標簽的無數(shù)據(jù)的成員推理攻擊

成員推理攻擊根據(jù)模型的預測結(jié)果推斷特定記錄是否為模型的訓練數(shù)據(jù)成員，在隱私保護等領(lǐng)域具有重要應(yīng)用意義?，F(xiàn)有的基于標簽的無數(shù)據(jù)的成員推理攻擊方法主要利用對抗樣本技術(shù)，存在查詢和計算成本較高的問題。對此提出一種新的成員推理攻擊方法，該方法利用影子模型來減少多次攻擊的查詢代價，并提出數(shù)據(jù)篩選與優(yōu)化策略以提高攻擊模型的性能。實驗在兩個常見的圖像數(shù)據(jù)集上進行，結(jié)果表明該方法同時具有較高的攻擊成功率和較低的查詢成本。

發(fā)表于：5/23/2023