• <strong id="sqkoo"></strong>
  • <sup id="sqkoo"></sup>
    •
    • 主題
    高級搜索  >
    歷史搜索 清空歷史
    您現在的位置：首頁> 中文期刊>其他>信息安全學報

    信息安全學報

    信息安全學報

    CSCD

    《信息安全學報》是由中國科學院信息工程研究所、中國科技出版傳媒股份有限公司（科學出版社）主辦的專業學術期刊。《信息安全學報》的辦刊宗旨是報道信息安全領域高水平科研成果，促進國內外學術交流，為提升我國信 息安全科技水平和網絡空間安全保證能力服務。本學報主要刊載信息安全及相關領域的理論研究及最新應用技術研究成果、學術熱點及發展趨勢展望等, 內容覆蓋信息安全科技領域各方向，包括但不局限于：網絡安全、系統安全、數據安全、軟件安全、硬件 安全、內容安全、通信安全、物理安全等等。
    更多
    • 發文量：0
    • 被引量：447
    • H指數：0
    • 開始收錄時間：2016(1)
    • CNKI綜合因子：0.704
    • 維普期刊影響因子： 0.921
    • 萬方期刊影響因子：2.64
    • 創刊時間：2016
    • 國內刊號/CN：10-1380/TN
      國際刊號/ISSN：2096-1146
    • 發行周期：雙月刊
      郵發代號：80-601
    • 主管單位：中國科學院
      主辦單位：信息安全 網絡空間安全 系統安全 擬態 防御 區塊鏈 學術熱點 征文啟事 網絡 投稿須知
    信息安全學報-聯系信息
    • 主編：方濱興
    • 電話：010-82546800
    • 郵箱：jcs@iie.ac.cn
    • 地址：北京市海淀區閔莊路甲89號
    • 郵編：100093
    信息安全學報-獲獎情況
    • 暫無獲獎信息
    • 收錄匯總
    • 刊內文獻檢索
    • 投稿信息

    刊期瀏覽

    信息安全學報 >2022年第6期

    學科

    年度

    全選（0）
    排序：
    共4384條結果
    • 摘要：為了提高并行程序中共享內存數據的讀寫訪問性能,事務內存機制于1993年被提出。因為事務內存機制直接涉及內存數據的讀寫控制,所以也得到了系統安全研究人員的極大關注。2013年,Intel公司開始支持TSX(Transactional Synchronization eXtension)特性,第一次在廣泛使用的計算機硬件中支持事務內存機制。利用事務內存機制的內存訪問跟蹤、內存訪問信號觸發和內存操作回滾,以及Intel TSX特性的用戶態事務回滾處理、在Cache中執行所有操作和硬件實現高效率,研究人員完成了各種的系統安全研究成果,包括:授權策略實施、虛擬機自省、密鑰安全、控制流完整性、錯誤恢復和側信道攻防等。本文先介紹了各種基于事務內存機制的研究成果;然后分析了現有各種系統安全研究成果與事務內存機制特性之間的關系,主要涉及了3個角度:內存訪問的控制、事務回滾處理、和在Cache中執行所有操作。我們將已有的研究成果的技術方案從3個角度進行分解,與原有的、不基于事務內存機制的解決方案比較,解釋了引入事務內存機制帶來的技術優勢。最后,我們總結展望了將來的研究,包括:硬件事務內存機制的實現改進,事務內存機制(尤其是硬件事務內存機制)在系統安全研究中的應用潛力。
    • 摘要：饋線終端單元(Feeder Terminal Unit,FTU)采用IEC60870-5-104協議進行遠動信息傳輸。但是由于該104協議報文采用明文傳輸,缺乏基于數字簽名的認證機制,導致其存在中間人攻擊的安全隱患。為了驗證104協議通信存在的問題,本文構建了饋線終端FTU與主站的通信系統,驗證了中間人攻擊截獲的104協議數據,為了增強協議安全,提出了一種基于身份認證的(BM-RAP,Bellovin-Merri based RSA&AES Protocol)改進方法,在虛擬機實驗環境下,完成一次主從站身份認證時間在20-80毫秒之間,實驗結果表明,該方法增強了抵御中間人攻擊的能力。
    • 摘要：詞向量和循環神經網絡(Recurrent Neural Network,RNN)能夠識別語義和時序信息,在自然語言識別方面中取得了巨大成功。同時,代碼運行時產生的API調用序列也反映了代碼的真實意圖,因此我們將之應用于惡意代碼識別中,期望在取得較高正確率的同時減少人工提取和分析代碼特征工作。然而仍然存在三個問題:1)不少惡意代碼故意通過隨機混合調用敏感API和非敏感API破壞正常的上下文,對這兩種API同等對待可能產生漏報;2)為盡可能全面收集代碼行為,代碼運行期間產生的API序列長度較長,這將導致RNN學習時間過長;3)經典RNN常用的softmax分類函數泛化能力不強,準確率有待提高。為了解決上述問題,本文提出了一種基于分片RNN(Sliced Recurrent Neural Network,SRNN)的敏感高效的惡意代碼行為檢測架構SEMBeF。在SEMBeF中,我們提出了一種安全敏感API權重增強的敏感詞向量算法,使得代碼表示結果既包含上下文信息又包含安全敏感權重信息;我們還提出了一種SGRU-SVM網絡結構,通過并行計算大幅降低了因代碼API調用序列過長引起的訓練時間過長的問題,提高了檢測正確率;最后針對樣本平衡和網絡模型超參數選擇問題進行了優化,進一步提高了檢測正確率。本文還實現了SEMBeF驗證系統,實驗表明,與其他基于經典詞向量和RNN的深度學習方法以及常用的機器學習方法相比,SEMBeF不僅檢測正確率最高,訓練效率也得到了顯著提升。其中,檢測正確率和訓練時間分別為99.40%和210分鐘,與傳統RNN相比,正確率提高了0.48%,訓練時間下降了96.6%。
    • 摘要：《信息安全學報》的辦刊宗旨是報道信息安全領域高水平科研成果,促進國內外學術交流,為提升我國信息安全科技水平和網絡空間安全保證能力服務。本學報主要刊載信息安全及相關領域的理論研究及最新應用技術研究成果、學術熱點及發展趨勢展望等,內容覆蓋信息安全科技領域各方向,包括但不局限于:網絡安全、系統安全、數據安全、軟件安全、硬件安全、內容安全、通信安全、物理安全等等。
    • 6.前言
      摘要：隨著生成對抗網絡等人工智能技術的發展,深度偽造技術及其應用不斷成熟,可以自動生成高度逼真且難以甄別的虛假多媒體信息。近兩年,為解決該技術可能帶來的安全風險,深度偽造的生成、鑒別以及防御技術已經引起工業界及研究人員的廣泛關注。本期專題旨在總結當前國內外研究趨勢,并展示國內研究人員在深度偽造鑒別與防御技術方向的最新研究成果。
    • 摘要：深度學習被廣泛應用于自然語言處理、計算機視覺和無人駕駛等領域,引領了新一輪的人工智能浪潮。然而,深度學習也被用于構建對國家安全、社會穩定和個人隱私等造成潛在威脅的技術,如近期在世界范圍內引起廣泛關注的深度偽造技術能夠生成逼真的虛假圖像及音視頻內容。本文介紹了深度偽造的背景及深度偽造內容生成原理,概述和分析了針對不同類型偽造內容(圖像、視頻、音頻等)的檢測方法和數據集,最后展望了深度偽造檢測和防御未來的研究方向和面臨的挑戰。
    • 摘要：活體檢測技術被廣泛應用于信息安全、金融服務、文體娛樂、智慧城市、傳媒社交等領域,通常與人臉識別技術結合使用,組成一個完整的系統部署到真實場景中。隨著信息技術的推廣,電子安全問題受到越來越多的關注,作為身份授權步驟的人臉識別的前置環節,活體檢測扮演著重要角色。本文針對近年來提出的人臉反欺詐活體檢測技術進行了分類及歸納,通過介紹、分析這些活體檢測算法來進一步拓展活體檢測的研究思路,最后給出其未來可能的發展趨勢及總結。
    • 摘要：本文對語音偽造與鑒偽的發展進行了梳理與闡釋。針對語音偽造的適用場景與關鍵技術點,分別對身份風格偽造、音色與韻律偽造、語音模擬三大核心語音偽造技術的基本概念、發展歷程、優勢與不足進行梳理與分析。針對語音偽造的應對技術語音鑒偽技術,首先介紹整理了針對性較強、面向參數式語音偽造、拼接式語音偽造與語音模擬技術框架的應對技術,在此基礎上介紹了具有普適性更強的基于深度鑒別網絡語音鑒偽研究進展。在此基礎上,本文針對語音偽造技術所面臨口語化、低資源的挑戰,對未來多風格、低成本、魯棒性發展趨勢進行分析。對于語音鑒偽,本文從語料庫、特征挖掘、異常檢測三個角度對未來的研究重點進行詮釋。
    • 摘要：深度學習的發明,使得人工智能技術迎來了新的機遇,再次進入了蓬勃發展期。其涉及到的隱私、安全、倫理等問題也日益受到了人們的廣泛關注。以對抗樣本生成為代表的新技術,直接將人工智能、特別是深度學習模型的脆弱性展示到了人們面前,使得人工智能技術在應用落地時,必須要重視此類問題。本文通過對抗樣本生成技術的回顧,從信號層、內容層以及語義層三個層面,白盒攻擊與黑盒攻擊兩個角度,簡要介紹了對抗樣本生成技術,目的是希望讀者能夠更好地發現對抗樣本的本質,對機器學習模型的健壯性、安全性和可解釋性研究有所啟發。
    • 摘要：近幾年,隨著計算機硬件設備的不斷更新換代和深度學習技術的不斷發展,新出現的多媒體篡改工具可以讓人們更容易地對視頻中的人臉進行篡改。使用這些新工具制作出的人臉篡改視頻幾乎無法被肉眼所察覺,因此我們急需有效的手段來對這些人臉篡改視頻進行檢測。目前流行的視頻人臉篡改技術主要包括以自編碼器為基礎的Deepfake技術和以計算機圖形學為基礎的Face2face技術。我們注意到人臉篡改視頻里人臉區域的幀間差異要明顯大于未被篡改的視頻中人臉區域的幀間差異,因此視頻相鄰幀中人臉圖像的差異可以作為篡改檢測的重要線索。在本文中,我們提出一種新的基于幀間差異的人臉篡改視頻檢測框架。我們首先使用一種基于傳統手工設計特征的檢測方法,即基于局部二值模式(Local binary pattern,LBP)/方向梯度直方圖(Histogram of oriented gradient,HOG)特征的檢測方法來驗證該框架的有效性。然后,我們結合一種基于深度學習的檢測方法,即基于孿生網絡的檢測方法進一步增強人臉圖像特征表示來提升檢測效果。在FaceForensics++數據集上,基于LBP/HOG特征的檢測方法有較高的檢測準確率,而基于孿生網絡的方法可以達到更高的檢測準確率,且該方法有較強的魯棒性;在這里,魯棒性指一種檢測方法可以在三種不同情況下達到較高的檢測準確率,這三種情況分別是:對視頻相鄰幀中人臉圖像差異用兩種不同方式進行表示、提取三種不同間隔的幀對來計算幀間差異以及訓練集與測試集壓縮率不同。
    • 摘要：近年來,深度學習在人工智能領域表現出優異的性能。基于深度學習的人臉生成和操縱技術已經能夠合成逼真的偽造人臉視頻,也被稱作深度偽造,讓人眼難辨真假。然而,這些偽造人臉視頻可能會給社會帶來巨大的潛在威脅,比如被用來制作政治虛假新聞,從而引發政治暴力或干擾正常選舉等。因此,亟需研發對應的檢測方法來主動發現偽造人臉視頻。現有的方法在制作偽造人臉視頻時,容易在空間上和時序上留下一些細微的偽造痕跡,比如紋理和顏色上的扭曲或臉部的閃爍等。主流的檢測方法同樣采用深度學習,可以被劃分為兩類,即基于視頻幀的方法和基于視頻片段的方法。前者采用卷積神經網絡(Convolutional Neural Network,CNN)發現單個視頻幀中的空間偽造痕跡,后者則結合循環神經網絡(Recurrent Neural Network,RNN)捕捉視頻幀之間的時序偽造痕跡。這些方法都是基于圖像的全局信息進行決策,然而偽造痕跡一般存在于五官的局部區域。因而本文提出了一個統一的偽造人臉視頻檢測框架,利用全局時序特征和局部空間特征發現偽造人臉視頻。該框架由圖像特征提取模塊、全局時序特征分類模塊和局部空間特征分類模塊組成。在FaceForensics++數據集上的實驗結果表明,本文所提出的方法比之前的方法具有更好的檢測效果。
    • 摘要：隨著深度學習技術的飛速發展,以Deepfakes為代表的深度偽造技術開始充斥在互聯網上的各個角落。Deepfakes借助于生成對抗網絡和自動編碼器技術,能夠輕松替換人臉以及篡改人的表情信息。此類Deepfakes假視頻可以制作虛假色情影片、謠言,傳播假新聞,甚至影響政治選舉,帶來的社會影響極其惡劣。然而,針對此類偽造視頻的檢測技術還遠遠落后于生成技術,已有的工作都存在一定的局限性,并不能較好地對Deepfakes視頻進行檢測。本文首先對現有生成和檢測工作進行綜述,并分析了現有工作的缺陷,然后提出了基于EfficientNet的雙流網絡檢測框架。通過在大規模開源數據集FaceForensics++測試,我們的檢測技術可以在檢測Deepfakes類假視頻上平均準確率達到99%以上,并一定程度提高模型對抗壓縮的能力。
    • 15.前言
      摘要：隨著以深度學習為代表的新一代人工智能技術的涌現,網絡空間安全局勢正面臨高速變化帶來的各類機遇和挑戰,也帶來更多問題和風險。人工智能將成為網絡空間安全的全新戰場,如何保障人工智能算法和應用的安全性、以及如何應用人工智能技術提升系統安全水平,已成為當前國內外科研和產業關注的重點。本期專題旨在總結當前國內外研究趨勢,并展示國內研究人員通過智能化手段提升系統安全與人工智能本身安全性分析方向的最新研究成果。
    • 摘要：深度學習在很多人工智能應用領域中取得成功的關鍵原因在于,通過復雜的深層網絡模型從海量數據中學習豐富的知識。然而,深度學習模型內部高度的復雜性常導致人們難以理解模型的決策結果,造成深度學習模型的不可解釋性,從而限制了模型的實際部署。因此,亟需提高深度學習模型的可解釋性,使模型透明化,以推動人工智能領域研究的發展。本文旨在對深度學習模型可解釋性的研究進展進行系統性的調研,從可解釋性原理的角度對現有方法進行分類,并且結合可解釋性方法在人工智能領域的實際應用,分析目前可解釋性研究存在的問題,以及深度學習模型可解釋性的發展趨勢。為全面掌握模型可解釋性的研究進展以及未來的研究方向提供新的思路。
    • 摘要：近年來人工智能研究與應用發展迅速,機器學習模型大量應用在現實的場景中,人工智能模型的安全魯棒性分析與評估問題已經開始引起人們的關注。最近的研究發現,對于沒有經過防御設計的模型,攻擊者通過給樣本添加微小的人眼不可察覺的擾動,可以輕易的使模型產生誤判,從而導致嚴重的安全性問題,這就是人工智能模型的對抗樣本。對抗樣本已經成為人工智能安全研究的一個熱門領域,各種新的攻擊方法,防御方法和模型魯棒性研究層出不窮,然而至今尚未有一個完備統一的模型魯棒性的度量評價標準,所以本文總結了現階段在人工智能對抗環境下的模型魯棒性研究,論述了當前主流的模型魯棒性的研究方法,從一個比較全面的視角探討了對抗環境下的模型魯棒性這一研究方向的進展,并且提出了一些未來的研究方向。
    • 摘要：隨著神經網絡的廣泛應用,它自身的安全問題也成為了一個重要的研究課題。將神經網絡部署到神經網絡處理器上運行是提高能效比的有效方法,但同時也引入了一些新的安全問題,比如側信道信息泄露,本文以多核CNN處理器為基礎,利用時間和內存側信道信息,提出了一種針對多核CNN處理器的用戶算法信息竊取攻擊方法,經過試驗證明了攻擊的有效性,并針對多核神經網絡處理器在時間和內存側信道方面的脆弱性,提出了有效的防御手段,對如何保護神經網絡處理器的安全提供了一定的參考意義。
    • 摘要：僵尸網絡廣泛采用域名生成算法(Domain Generation Algorithm,DGA)生成大量的隨機域名來躲避檢測。針對僵尸網絡DGA域名問題,本文設計實現了一種DGA域名檢測系統。首先使用基于隨機森林算法的輕量級分類分析檢測模塊,通過分析域名字符特征區分正常域名與疑似惡意域名,滿足現網實際應用中快速檢測的要求;然后使用基于X-means算法的聚類分析檢測模塊,在分類分析檢測的基礎上,根據DGA域名的字符相似性和查詢行為相似性,通過聚類和集合分析方法對疑似惡意域名進一步檢測,降低系統誤檢率。通過部署基于Spark的檢測系統對某運營商現網真實DNS日志數據進行連續20天的處理和分析,檢測系統平均每天挖掘出約250萬DGA域名,經過正則匹配分析,其中約55%屬于5類已知的DGA;在前兩個實驗日,共發現13,000個已知DGA域名分屬于3個DGA類別。實驗結果表明檢測系統可有效檢測出多種DGA域名,此外,檢測系統也可滿足現網實際應用中快速檢測的要求。
    • 摘要：傳統的搜索式無載體信息隱藏技術建立在固定的映射規則與龐大的圖像庫基礎上,依賴于復雜的人工特征提取并且需要進行大量搜索來構建合適的圖像庫。針對這些問題,本文提出了一種面向無載體信息隱藏的基于深度學習映射關系智能搜索方法,該方法從已有圖像庫出發,基于深度神經網絡,自動搜索一套高容量、高覆蓋率的映射關系,從而解決傳統人工方法存在的傳輸開銷大、圖像庫建立困難的問題。除此以外,實驗表明我們的方法相較于傳統無載體方法有更強的魯棒性。
    • 摘要：針對非合作通信場景下的跳頻信號自動化檢測識別問題,本文提出了一種基于方向梯度直方圖與支持向量機的跳頻信號檢測識別算法。該算法將無線通信信號轉化為包含時間、頻率和幅度的時頻瀑布圖,采用方向梯度直方圖特征提取算法將不同跳頻序列在瀑布圖上產生的獨特結構特征提取出來。然后利用支持向量機將特征序列映射到高維空間,通過尋找最大間隔分離超平面,實現跳頻信號的檢測與多種跳頻序列的識別,并依此建立跳頻信號檢測識別原型系統。最后在室內多徑信道環境下進行了測試驗證,該算法能夠完全自動化的精確檢測到開放電磁環境下的跳頻信號并且能夠實現對多種跳頻序列的識別。在信干噪比不超過20dB時,針對不同跳頻序列的平均識別正確率能夠達到98.01%。
    • 摘要：智能合約是一種基于區塊鏈平臺運行,為締約的多方提供安全可信賴能力的去中心化應用程序。智能合約在去中心化應用場景中扮演著重要的角色,被廣泛地應用于股權眾籌、游戲、保險、物聯網等多個領域,但同時也面臨著嚴重的安全風險。相比于普通程序而言,智能合約的安全性不僅影響合約參與多方的公平性,還影響合約所管理的龐大數字資產的安全性。因此,對智能合約的安全性及相關安全漏洞開展研究顯得尤為重要。本文系統分析了智能合約的特性及其帶來的全新安全風險;提出了智能合約安全的三層威脅模型,即來自于高級語言、虛擬機、區塊鏈三個層面的安全威脅;并以世界上最大的智能合約平臺——以太坊為例,詳細介紹了15類主要漏洞;并總結了智能合約安全研究在漏洞方面的進展和挑戰,包括自動漏洞挖掘、自動漏洞利用和安全防御三個方面的研究內容;最后,本文對智能合約未來安全研究進行了展望,提出了兩個潛在的發展方向。
    • 摘要：近年來,智能合約中的漏洞檢測任務已受到越來越多的關注。然而,缺少源代碼和完備的檢測特征限制了檢測的效果。在本文中,我們提出了DC-Hunter:一種基于字節碼匹配的智能合約漏洞檢測方案。它可以通過已知的漏洞合約找到類似的漏洞合約,并且可以直接應用于現實世界中的智能合約,無需源碼和預先定義的漏洞特征。為了讓提出的方法更加切實可行,我們應用程序切片來降低無關代碼的影響,通過規范化減少編譯器版本帶來的差異,并使用圖嵌入算法來捕捉函數的結構信息,從而顯著減少誤報和漏報。此外,借助DC-Hunter我們揭露了一種新型的危險合約。我們發現有一些合約是偽漏洞合約,專門用于誘騙他人嘗試進行攻擊,從而竊取攻擊者的以太幣,這種合約稱為"蜜罐合約"。我們實現了DC-Hunter的原型,并將其應用于現實世界的智能合約,共有183份危險的合約被報出并確認,其中包括160份漏洞合約和23份蜜罐合約。
    • 摘要：隨著互聯網技術的飛速發展和5G時代的到來,數字多媒體的交流和傳播變得越來越便捷。為了解決網絡環境下,數字圖像的版權保護、完整性認證和篡改定位等問題,本文提出了一種小波域基于差分統計量直方圖平移的圖像魯棒可逆信息隱藏算法,其主要思想為:1)對載體圖像進行Haar小波變換;2)對變換后所得到的低頻子帶進行分塊并計算分塊的差分統計量以構造差分統計量的直方圖;3)通過平移直方圖將秘密信息嵌入到圖像的低頻子帶中,并通過Haar小波逆變換得到帶秘密信息的圖像;4)在接收方,通過計算低頻子帶的分塊差分統計量可以將秘密信息準確地提取出來,并且通過執行直方圖平移的逆操作可以無損地還原出原始的低頻子帶,從而無失真地恢復出原始載體圖像;5)帶秘密信息的圖像在遭到一定程度的圖像處理操作的攻擊后,被嵌入的秘密信息仍然可以被有效地提取出來,例如壓縮因子為30的JPEG壓縮和標準差為30的加性高斯噪聲。與現有的幾種魯棒可逆信息隱藏算法相比,本文算法有更強的魯棒性。實驗結果驗證了本文算法的有效性。
    • 摘要：《信息安全學報》的辦刊宗旨是報道信息安全領域高水平科研成果,促進國內外學術交流,為提升我國信息安全科技水平和網絡空間安全保證能力服務。本學報主要刊載信息安全及相關領域的理論研究及最新應用技術研究成果、學術熱點及發展趨勢展望等,內容覆蓋信息安全科技領域各方向,包括但不局限于:網絡安全、系統安全、數據安全、軟件安全、硬件安全、內容安全、通信安全、物理安全等等。
    • 27.前言
      摘要：網絡空間安全的核心是攻防能力的較量,在道高一尺魔高一丈的斗爭中,只有掌握了各類高超的攻擊技術,才能在防御中立于不敗之地。本期專題旨在總結網絡攻防領域主要分支的技術發展,介紹幾個代表性方向的最新研究成果,幫助讀者把握攻防技術前沿,為更好地實施網絡防御提供指引。
    • 摘要：源代碼漏洞的自動檢測是一個重要的研究課題。目前現有的解決方案大多是基于線性模型,依賴于源代碼的文本信息而忽略了語法結構信息,從而造成了源代碼語法和語義信息的丟失,同時也遺漏了許多漏洞特征。提出了一種基于結構表征的智能化漏洞檢測系統Astor,致力于使用源代碼的結構信息進行智能化漏洞檢測,所考慮的結構信息是抽象語法樹(Abstract Syntax Tree,AST)。首先,構建了一個從源代碼轉化而來且包含源碼語法結構信息的數據集,提出使用深度優先遍歷的機制獲取AST的語法表征。最后,使用神經網絡模型學習AST的語法表征。為了評估Astor的性能,對多個基于結構化數據和基于線性數據的漏洞檢測系統進行比較,實驗結果表明Astor能有效提升漏洞檢測能力,降低漏報率和誤報率。此外,還進一步總結出結構化模型更適用于長度大,信息量豐富的數據。
    • 摘要：深度學習是當前機器學習和人工智能興起的核心。隨著深度學習在自動駕駛、門禁安檢、人臉支付等嚴苛的安全領域中廣泛應用,深度學習模型的安全問題逐漸成為新的研究熱點。深度模型的攻擊根據攻擊階段可分為中毒攻擊和對抗攻擊,其區別在于前者的攻擊發生在訓練階段,后者的攻擊發生在測試階段。本文首次綜述了深度學習中的中毒攻擊方法,回顧深度學習中的中毒攻擊,分析了此類攻擊存在的可能性,并研究了現有的針對這些攻擊的防御措施。最后,對未來中毒攻擊的研究發展方向進行了探討。
    • 摘要：代碼注入攻擊是應用程序面臨的一種主要安全威脅,尤其是Web應用程序,該種攻擊源于攻擊者能夠利用應用程序存在的漏洞/后門,向服務器端注入惡意程序并執行,或者利用應用程序對用戶輸入的參數缺乏驗證和過濾,造成輸入作為惡意程序執行,從而達到攻擊目的。源程序分析和輸入規則匹配等現有防御方法在面對代碼注入攻擊時都存在著固有缺陷,為了提高Web應用程序對于代碼注入攻擊的防御性,提出一種基于指令集隨機化的抗代碼注入方法,該防御方法不依賴于攻擊者采用何種攻擊方式,能夠抵御未知的代碼注入攻擊。基于該技術及動態、冗余構造方法,設計一套原型系統,采用廣義隨機Petri網(Generalized Stochastic Petri Net,GSPN)建模計算,攻擊者即使在獲得隨機化方法先驗知識的情況下也極難突破系統的防御機制。盡管該方法需要對應用程序源代碼進行隨機化變換,但處理過程是完全自動化和具有普適性的,通過實驗和現網測試表明該方法能夠有效抵御大部分代碼注入攻擊,實現了對攻擊的主動防御。

      信息安全學報的期刊信息

      • 創刊時間：2016
      • 地區：CN
      • 語言：中文
      • 熱門主題：中國科學院信息工程研究所;中國科技出版傳媒股份有限公司
      • 學科分類：

      信息安全學報的獲獎情況

      信息安全學報的收錄情況

      • ? 中國科學引文數據庫（2017-2018）
      • ? 中國科學引文數據庫（2019-2020）
      • ? 日本科學技術振興機構數據庫
      • ? 中國科技核心期刊

      信息安全學報的投稿信息

      • 投稿方式：在線投稿
      • 投稿須知：點擊查看
      • 期刊官方網站：點擊前往
      • 通訊地址：北京市海淀區閔莊路甲89號
      • 郵編：100093
      • 聯系電話：010-82546800
      • 郵箱：jcs@iie.ac.cn

      客服郵箱：kefu@zhangqiaokeyan.com

      京公網安備：11010802029741號 ICP備案號：京ICP備15016152號-6 六維聯合信息科技 (北京) 有限公司?版權所有

      • 客服微信

      • 服務號

      古代妓院做爰片120分钟_婷婷五月综合缴情在线视频_国产在线视频一区二区天美蜜桃_日韩欧精品无码视频无删节 娇妻跪趴高撅肥臀出白浆_欧美双人组合的白人RAPPER_国产成人精品三级麻豆_日本大尺度床戏做爰3D肉蒲团 久久人爽人人爽人人片AV_国产精品无码一区二区三区电影_两个人日本的视频全免费_贝张开腿嗯啊高潮了视频 浪货趴办公桌-H揉弄一根手指紧_夜夜被公侵犯的美人妻_他撕开我奶罩揉吮我奶头_脱了老师的裙子猛然进入 玩弄老年妇女过程_狠狠婷婷综合久久久久久_特种兵的又粗又大好爽H_夜精品A片一区二区三区无码白浆 无码一区二区三区曰本A片_又大又紧又粉嫩18P少妇_亚洲色偷无码一区二区蜜桃AV_女局长白白嫩嫩大屁股 被两个老头咬住吃奶野战_毛猪200-300斤大猪今日行情_国色天香天美传媒_日本乱偷人妻中文字幕在线