摘要：基于BGP协议的域间路由系统的安全制约着整个Internet的互联.传统的安全检测方法都是从单个节点出发,通过部署检测系统来加强自身的抗欺骗能力,不能保证整体安全性.提出了多ISP协同安全检测方法,可以拓展安全检测的覆盖范围,并提高安全检测的准确性.引入了检测联盟的概念和组织形式界定了协同范围,在联盟内部采用有限共享知识库和路由表的方式实施检测;各个成员实现跨越检测和互相认证,设计了基于投票认证的方法对有冲突的异常判断进行解析;最后还针对异常展示设计并实现了可视化算法.实验表明,设计的协同检测系统能更加有效地发现路由异常,为网络安全管理提供很好的支持.

摘要：随着网络化、信息化的程度进一步提高,高级持续性威胁(AdvancedPersistent Threat,APT)事件不断增多,给国家、企业的安全发展带来了严重威胁和巨大经济损失。APT攻击通过定向情报收集、单点攻击突破、控制通道构建、内部横向渗透和数据收集上传等一系列步骤对特定目标进行长期持续的网络攻击。而在单点攻击突破阶段,最常用的网络攻击技术手段是采用植入远程木马的恶意文档,所以有效检测和识别恶意文档十分必要。文章在对现状进行充分调研后,提出一种基于机器学习的恶意文档检测方法。通过结合虚拟沙箱对未知文档进行动态行为分析,设计并实现了一种恶意文档识别工具。实验证明,该工具基于机器学习方式,可以高效处理和识别大规模的恶意文档文件。

摘要：社会网络上的模式挖掘是近年来的研究热点之一,合作模式是社会网络上个体间的合作方式,这种模式可以通过社会网络的子结构表示。已有的基于频繁模式的挖掘算法主要考虑合作关系的结构特征,并且往往需要给定支持度阈值来控制结果的规模。在本文中,我们认为社会网络中的模式不一定需要是频繁的,模式与社区也并不需要精确匹配。我们在合作模式中考虑节点的社会地位,并在加权图上给出了一种模式的定义方法,和一种基于互相似性的模式匹配衡量标准,目的在于找出网络中具有"代表性"的合作模式。我们设计了一种基于距离的聚类方法用于抽取这种模式,并在一个大规模的真实数据集上进行了验证。

摘要：在引入移动边缘计算(MEC)技术的超密集网络(UDN)中,网络性能受无线传输链路质量和基站计算资源部署的共同影响。本文以小型基站接收干扰信号的统计特性分析为基础,对UDN与MEC结合场景的上行空间遍历容量进行分析,并根据空间业务强度和小基站计算服务排队系统的稳定性约束关系,进行小基站配置设计。首先,采用空间泊松点过程对干扰源用户分布进行建模,同时考虑无线信道的多天线与小尺度衰落特性,以小基站部署密度为变量分析上行用户信干比的统计特性及变化规律;然后,根据排队论计算空间业务强度与MEC服务器计算能力之间的约束关系;最后,采用数值仿真验证了信干比与基站密度关系分析的正确性,得出了空间遍历容量的收敛趋势,并给出了小基站与MEC服务器配置设计的例子。

摘要：推送服务已成为移动智能终端应用的一个基础服务,各大手机平台及互联网公司相继推出了各自的推送服务供应用程序开发者使用.为了降低资源消耗,部分第三方Android推送服务采用共享通道的设计方式,在设备上使用某个应用的推送后台组件作为其他应用推送数据的分发中心.由于缺乏针对数据机密性、完整性、不可伪造性等安全需求的设计与实现,数据分发环节面临多种攻击的威胁.分析了使用共享通道的第三方Android推送服务在数据分发环节存在的安全问题,通过在攻击程序中Hook相关API调用的方法,实现了针对其他应用推送数据的窃听、篡改、伪造和重放攻击,实验结果表明:大部分共享通道的第三方Android推送服务无法抵抗这些攻击,可能造成用户隐私数据泄露和钓鱼攻击等实际危害.在上述研究的基础上,设计并实现了Android应用推送服务安全增强方案SecPush,使用加密算法及HMAC运算提供推送数据分发环节的安全保护,实验结果表明:SecPush提高了推送数据的安全性,可有效抵挡窃听、篡改、伪造和重放等攻击行为.

摘要：为解决因国外根/顶级域名系统无法提供域名解析服务而影响我国互联网正常运行的问题,设计并实现了一种高效的DNS信息获取及备份恢复系统。通过被动获取DNS数据包与主动发送DNS请求相结合的方式,可获取网络中活跃的域名信息。利用基于可变长请求队列的发送速度自适应方法来有效控制请求效率,以适应网络带宽和DNS服务器负载。详细介绍了整个系统的设计和实现,并进行了性能测试与分析。该系统对建设国家根/顶级域名备份恢复系统具有重要参考价值。

摘要：僵尸网络(BOTNET)是互联网网络的重大安全威胁之一,本文对僵尸网络的蔓延、通信和攻击模式进行了介绍,对僵尸网络发现、监测和控制方法进行了研究。针对目前最主要的基于IRC协议僵尸网络,设计并实现一个自动识别系统,可以有效的帮助网络安全事件处理人员对僵尸网络进行分析和处置。

摘要：为提高层次凝聚聚类（HAC）算法的执行效率和结果质量，对其进行了动态分析，研究了一次合并对后续合并的影响。分析表明，合并两个类会生成一个新类，并使被合并的类的共享邻居的邻居数减小1；当新生成的类或邻居数减小的类参与后续合并时，会影响执行效率；一次合并会改变参与合并的类和它们的候选邻居之间的准则函数值，从而影响后续合并提高质量的程度。基于上述分析并结合模块性的定义，研究了现有准则函数对凝聚过程的影响以及它们的缺陷，并设计了两个新的准则函数。在大量数据集上的买验表明，新的准则函数提高了层次凝聚聚类算法的执行效率和结果质量。

摘要：物理不可克隆函数(Physical Unclonable Function,PUF)是新型的硬件安全技术,利用芯片的"物理指纹"特征实现密钥生成和身份认证等不同功能。提出了一种基于纠错码技术的模糊提取器,用于提高SRAM类PUF的鲁棒性。模糊提取器工作分为生成阶段和重构阶段,生成阶段利用BCH编码产生与PUF响应相关的辅助数据,重构过程利用辅助数据和BCH码的纠错功能重建PUF的稳定响应输出。模糊提取器在ATSAMV70J19处理器上进行实验,在不同的工作温度条件下,其一致性指标可达到99.9%,验证了该方法的有效性。

摘要：针对深层神经网络模型部署到番茄串采摘机器人,存在运行速度慢,对目标识别率低,定位不准确等问题,本文提出并验证了一种高效的番茄串检测模型。模型由目标检测与语义分割两部分组成。目标检测负责提取番茄串所在的矩形区域,利用语义分割算法在感兴趣区域内获取番茄茎位置。在番茄检测模块,设计了一种基于深度卷积结构的主干网络,在实现模型参数稀疏性的同时提高目标的识别精度,采用K-means++聚类算法获得先验框,并改进了DIoU距离计算公式,进而获得更为紧凑的轻量级检测模型(DC-YOLO v4)。在番茄茎语义分割模块(ICNet)中以MobileNetv2为主干网络,减少参数计算量,提高模型运算速度。将采摘模型部署在番茄串采摘机器人上进行验证。采用自制番茄数据集进行测试,结果表明,DC-YOLO v4对番茄及番茄串的平均检测精度为99.31%,比YOLO v4提高2.04个百分点。语义分割模块的mIoU为81.63%,mPA为91.87%,比传统ICNet的mIoU提高2.19个百分点,mPA提高1.47个百分点。对番茄串的准确采摘率为84.8%,完成一次采摘作业耗时约6 s。