123,123

命令行接口模糊测试漏洞挖掘研究及应用

5G数据网络设备是现代通信的基础设施，其安全可靠性直接影响整个网络的安全可靠程度。命令行接口作为网络设备的基本操作接口，研究其存在的漏洞对提升整个网络安全具有至关重要的意义。基于模糊测试提出一种命令行接口漏洞挖掘方法，并对注入点分析及界定、模糊测试漏洞挖掘数据模型处理、模糊测试算法优化及模糊测试漏洞挖掘流程等关键技术及过程进行深入研究。研究成果直接运用到命令行接口模糊测试漏洞挖掘系统中，实现包含网络设备信息收集、模糊测试漏洞挖掘数据建模、网络设备响应信息分析、模糊测试漏洞挖掘执行、漏洞挖掘后分析及生成漏洞报告等关键功能。最后对未来提升命令行接口模糊测试漏洞挖掘系统的效率和有效性进行了讨论和展望。

發(fā)表于：2023/7/24

面向多维数据的异常点检测模型设计*

为了在大数据环境下快速、精准地挖掘异常点，保障网络安全，提出了一种面向多维数据的异常点检测模型设计方案。该方案利用长短期记忆网络（LSTM）存储任意时间段的多维数据，并使用图卷积网络提取完整数据结构，同时加入惩罚参数和均方误差来缩小异常点出现范围。此外，还利用编码器和解码器构建变分自编码器函数模型，使其能够解读正常数据子特征，并通过编码重建损失函数来计算数据异常度量，从而实现异常点检测。经过实验验证，该方法表现出较高的检测正确率和运行效率，具有极高的应用价值。

發(fā)表于：2023/7/24

基于元学习的多头注意力时序卷积的入侵检测

为解决现有入侵检测方法在高阶依赖关系挖掘，处理时序特征和应对新型攻击手段检测等方面性能不足的问题，提出了一种基于元学习的多头注意力时序卷积的入侵检测方法。该方法引入了多头注意力机制，使模型能在不同尺度上捕捉网络数据的时序特征和高阶依赖关系。其次，结合多任务学习改进元学习算法对网络未知攻击进行识别，提升网络未知攻击的检测性能，此外，设计了一种自适应特征提取策略，动态调整特征提取粒度，以适应不同类型的网络攻击。在公开数据集实验对比表明，本文算法与主流算法相比，具有更高的准确率和F值。

發(fā)表于：2023/7/24

基于国密算法SM2和CP-ABE的医疗访问控制系统的设计与实现*

针对现有的医疗数据共享方案存在运算开销大和权限控制问题，提出了一种基于可撤销的多属性机构授权方案和国密算法SM2的医疗数据访问控制系统。与传统的CPABE撤销算法相比，本文改进的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户的密钥，只需更新与已撤销属性关联的密文。试验表明本文设计的系统在加解密性能上比传统的方案快出10%左右。此外，本文将多属性授权机构、灵活的可撤销机制、国密算法SM2和全球可信的证书颁发机构（CA）集成到CPABE中，能很好地保证系统的前向、后向、多属性授权机构之间通信的安全性并且能有效地抵抗伪造攻击和合谋攻击。

發(fā)表于：2023/7/24

面向隐私保护机器学习的同态加密转换器设计与实现

传统机器学习技术可以充分挖掘数据价值但是无法保护数据隐私。基于同态加密的隐私保护机器学习是对于该问题的有效解决方案。当前将同态加密应用于隐私保护机器学习任务中的主要挑战在于缺少高层次的编程工具，尤其是缺少对于矩阵运算的抽象。采用CKKS同态加密方案，针对隐私保护场景设计了一种易于使用的同态加密转换器，其可将机器学习算法的明文程序转换为同态加密程序，同时保证矩阵的编码、加密和计算过程对用户透明。在五种医疗数据集上的实验结果表明，该转换器可在保证密态矩阵运算的安全性、正确性和高效性的同时，兼顾易用性。

發(fā)表于：2023/7/24

基于随机森林的命令混淆绕过检测研究

运维安全管理设备中的“命令过滤”功能只能过滤黑名单中的恶意代码，而无法有效识别并阻止使用特殊方法绕过该功能的行为。针对这一问题，提出了一种基于随机森林的算法，可以准确识别含有恶意代码的命令执行语句。首先，介绍了四种命令混淆绕过方法，它们用来规避黑名单中的关键词并进行命令执行。然后，为了解决这些风险，在模型的特征选择阶段将命令混淆代码纳入考虑范围，利用多种特征对模型进行训练并调整特征权重，以提高模型检测中对使用命令混淆攻击的识别率和准确度。实验结果表明，该方法能够及时识别并应对命令混淆攻击，从而更好地保证服务器安全运行。

發(fā)表于：2023/6/28

IAST在金融业DevOps中的融合应用探索

DevOps模式的应用强化了金融行业数字化转型中支撑业务高速发展的能力，解决该模式下引申出的各类安全风险问题已成为行业共识。针对传统安全模式工具及能力和DevOps割裂使得安全赋能受限无法发挥其最大效力的问题，提出从模式架构和流程出发，以IAST为契机探索将整体安全能力运用其中的方式，构建安全能力一体化的解决思路，试验结果表明新的融合模式能够帮助提升开发安全能力，达到安全左移目标，体现安全整体能力价值，实现通过融入DevOps贴近业务的目标。

發(fā)表于：2023/6/21

轻量级安全隔离的虚实互联平台设计与实现

通过对虚实互联平台的现状研究，针对现有平台在安全性、实用性、灵活性等方面的不足，提出了一种轻量级安全隔离的虚实互联平台设计方法。首先对轻量级安全隔离的虚实互联平台进行理论性的实现研究，提出实现方法；然后在现有实验环境基础上，结合理论实现途径给出实际的平台搭建及部署设计，进行了平台的实现；最后针对搭建完成的平台进行了能力验证与应用。实验结果表明所提出的轻量级安全隔离的虚实互联平台具有良好的实用性，与现有方法相比具有一定的优势。

發(fā)表于：2023/6/21

《个人信息保护法》背景下告知同意规则的检视与改进

告知同意规则虽然是国际通行的个人信息保护规则，但在实践中面临着多重困境。《个人信息保护法》在坚持采纳告知同意规则的同时也对其采取了一系列修正措施。但从《个人信息保护法》的适用现状来看，告知同意规则面临的实践困境并没有得到改善，信息处理者与信息主体之间仍然处于利益失衡的状态。检视《个人信息保护法》所采取的扩张合法性基础、实施信息分类与差异化保护、细化完善同意规则等修正措施，虽然一定程度上纾解了同意规则难以落地的窘况，但仍存在诸多疏漏。应采取引入合法利益豁免机制、构建行政监管机制、发扬个人信息保护设计理念等手段作为告知同意规则改进完善的对症之策。

發(fā)表于：2023/6/21

联邦学习框架下的数据安全与利用合规路径

日趋严格的个人信息保护相关法律法规，在保护个人隐私的同时，增加了企业数据流通合规的难度和成本。在联邦学习框架中，数据不动模型动的隐私保护设计以技术促进法律的遵守，是打破数据孤岛壁垒、促进隐私保护前提下数据融合协作创新的可能解。将合法原则、数据最小化原则与目的限制原则嵌入到系统开发的技术中，联邦学习分布式协作框架以局部模型更新参数代替本地原始个人数据上传，实现数据本地训练存储，达到可用不可见的个人信息保护效果。由于潜在的网络安全攻击以及机器学习算法黑箱的固有缺陷，联邦学习仍然面临着质量原则、公正原则与透明原则的挑战。联邦学习不是规避合规义务的手段，而是减少个人信息合规风险的可行技术措施，使用时仍然存在需要履行的个人信息保护义务，数据权属与责任分配的确定需要综合考量各参与方角色和个人信息处理者类型。

發(fā)表于：2023/6/21

派拓网络Unit 42最新报告：60%企业花费4天以上解决安全问题

全球网络安全领导企业Palo Alto Networks（派拓网络）近日发布《Unit 42云威胁报告，第7卷》。该报告通过对1,300多家企业开展调查研究，分析了所有的主要云服务提供商（CSP）的21万个云账户、订阅服务和项目中的工作负载，帮助安全领导者和从业者从多个视角了解云安全。

發(fā)表于：2023/6/13

Palo Alto Networks（派拓网络）：网络钓鱼瞄准旅客

随着疫情趋缓，旅游业复苏，越来越多的人们重启出游计划。然而这也让网络犯罪分子有机可乘——他们以旅客为目标，试图利用网络钓鱼窃取账户凭证、财务信息等资料并出售牟利。例如，当人们在机场、商店、旅馆等公共场所使用USB接口充电时，就可能遭遇充电座窃取数据（Juice Jacking），攻击者会通过在设备中载入恶意软体来窃取资料。

發(fā)表于：2023/6/6

英飞凌CALYPSO™ move安全存储器采用开放式标准

【2023年5月29日，德国慕尼黑讯】随着城市的发展，公共交通运营商必须要应对乘客数量日益增加所带来的挑战，尤其是在足球比赛和奥运会等重大活动期间。

發(fā)表于：2023/6/5

基于木马特征风险敏感的硬件木马检测方法

针对现有硬件木马检测方法中存在的木马检出率偏低问题，提出一种基于木马特征风险敏感的门级硬件木马检测方法。通过分析木马电路的结构特征和信号特征，构建11维硬件木马特征向量；提出了基于Borderline-SMOTE的硬件木马特征扩展算法，有效扩充了训练数据集中的木马样本信息；基于PSO智能寻优算法优化SVM模型参数，建立了木马特征风险敏感分类模型。该方法基于Trust-Hub木马库中的17个基准电路展开实验验证，其中16个基准电路的平均真阳率（TPR）达到100%，平均真阴率（TNR）高达99.04%，与现有的其他检测方法相比，大幅提升了硬件木马检出率。

發(fā)表于：2023/5/31

基于标签的无数据的成员推理攻击

成员推理攻击根据模型的预测结果推断特定记录是否为模型的训练数据成员，在隐私保护等领域具有重要应用意义。现有的基于标签的无数据的成员推理攻击方法主要利用对抗样本技术，存在查询和计算成本较高的问题。对此提出一种新的成员推理攻击方法，该方法利用影子模型来减少多次攻击的查询代价，并提出数据筛选与优化策略以提高攻击模型的性能。实验在两个常见的图像数据集上进行，结果表明该方法同时具有较高的攻击成功率和较低的查询成本。

發(fā)表于：2023/5/23