在美国经历“违法”

前不久,应远在美国工作的表姐之邀,我到美国游玩了一趟。表姐租住在西雅图附近一个偏僻的小乡村,这里远离城市,人烟稀少,不过空气清新,安静舒适,整体环境不错。     

基于潜信道的IPSec密钥恢复方案

传统密钥恢复协议采取增加密钥恢复字段的方法,恶意攻击者容易辨别具备密钥恢复功能的数据包,并进行过滤阻挠。该文将潜信道密钥恢复与具体协议相结合,提出基于IPSec协议的密钥恢复方案。该方案易于实施,数据包具有不可过滤性,可避免恶意攻击者的过滤阻挠,进行有效的网络监控。     

软件安全性测试方法与工具

软件的应用越来越广泛,规模和复杂度不断提高,软件中的安全缺陷与漏洞也在不断增多,软件安全性问题日益突出.软件安全性测试是保证软件安全性、降低软件安全风险的重要手段.论述了软件安全性测试的特点、内容,重点研究了国内外软件安全性测试的主要方法与工具,分析了各种方法的优缺点与适用范围,提出了一种安全性测试工具的分类方法,总结了当前研究工作并指出了未来软件安全性测试技术的研究重点与发展方向.     

信息流安全特性的语义模型研究

以通信顺序进程为语法基础,结合信息安全模型对安全特性的约束,介绍并分析了几种针对信息流安全特性的语义描述,并提出了信息流安全的单向特性,对其进行了相关安全特性的证明,以期对正确标识合法信息流问题进行探讨,用于正确区分存在的不合法信息流,作为解决隐通道问题的理论依据,从理论分析的角度,尝试解决信息安全的根本性问题.     

基于分布式中间件ICE的应用架构研究

在分布式系统中,分布式平台之间的差异增加了开发的复杂性.基于一种轻量级的分布式中间件ICE,提出了在分布式异构环境中的一般架构模型.该模型可以降低模块之间的耦合度,解决服务器负载过大的问题.将该模型应用到网络安全管理系统中,解决了网络安全管理系统中平台差异问题和服务器负载均衡问题.     

基于动态SOFM的网络入侵检测

针对目前入侵检测系统误报率过高、检测率不高和对未知入侵检测能力有限的缺陷,提出一种动态SOFM的网络入侵检测方法,定义了聚类节点信任度,并根据竞争结果、信任度、中心相似度,制定节点的增删策略,提升聚类效果。使用KDD99数据集进行实验,结果表明系统在保持误报率低的情况下,入侵检测率有所提高。     

基于DSpace数字仓储技术的技术市场信息系统研究

文章阐述了DSpace数字仓储技术的概要和技术框架,分析了DSpace系统的优越性,并且提出了利用Dspace数字仓储技术构建技术市场信息系统的构想和方案.     

基于差分模型的近场无源定位算法

对于均匀线性天线阵列近场目标定位研究是探测领域重要难点之一。本文根据前期近场基于差分迭代传播计算模型研究基础,提出一种新型高精度近场无源定位算法,针对均匀线性阵列近场目标空间几何结构,突破传统菲涅尔近似近场传播模型的束缚,建立全新高精度目标关系模型并形成定位解析表达式,通过阵列处理估计改进到达时差（TOA）定位观测量,利用新算法快速准确地获取近场多个独立同分布目标的定位信息。仿真实验结果表明：新算法机理不同于传统近场估计分析,特别是定位解析式的引入使得位置精度提升的同时计算量大为降低,更好地适应了近场非线性关系结构,性能分析显示TOA误差对定位估计精度的影响较为有限,在典型信噪比条件下新算法的距离和角度估计精度优于几种常规处理算法,未来具有深入研究的价值。     

PRESENT轻量级密码的中间相遇统计故障分析

PRESENT算法是于2007年在国际密码硬件与嵌入式系统会议提出的一种轻量级分组密码,2012年成为国际轻量级算法标准ISO/IEC-29192-2,适用于物联网中射频识别标签、网络传感器、智能卡等设备的数据保护.本文结合PRESENT密码的设计结构和实现特点,基于统计分析和中间相遇分析策略,提出了一种中间相遇统计故障分析方法,设计了皮尔逊相关系数-汉明重量、库尔贝克莱布勒散度-汉明重量区分器和杰卡德相似系数-汉明重量-极大似然估计等区分器,可以分别破译PRESENT密码全部版本的80比特和128比特原始密钥.该方法攻击轮数更深,故障数和耗时更少,有效地扩展了攻击范围,提升了攻击能力.结果表明,中间相遇统计故障分析对PRESENT密码构成了严重威胁.该研究为轻量级密码的实现安全研究提供了有价值的参考.     

PPDM中面向k-匿名的MI Loss评估模型

隐私保护数据挖掘（PPDM）利用匿名化等方法使数据所有者在不泄露隐私信息的前提下,安全发布在数据挖掘中有效可用的数据集。k-匿名算法作为PPDM研究使用最广泛的算法之一,具有计算开销低、数据形变小、能抵御链接攻击等优点,但是在一些k-匿名算法研究中使用的数据可用性评估模型的权重设置不合理,导致算法选择的最优匿名数据集在后续的分类问题中分类准确率较低。提出一种使用互信息计算权重的互信息损失（MI Loss）评估模型。互信息反映变量间的关联关系,MI Loss评估模型根据准标识符和标签之间的互信息计算权重,并通过Loss公式得到各个准标识符的信息损失,将加权后的准标识符信息损失的和作为数据集的信息损失,以弥补评估模型的缺陷。实验结果证明,运用MI Loss评估模型指导k-匿名算法能够明显降低匿名数据集在后续分类中的可用性丢失,相较于Loss模型和Entropy Loss模型,该模型分类准确率提升了0.73%~3.00%。