公共文化服务平台

基于静态特征融合的恶意软件分类方法被引量：2: 2021年; 针对现有恶意软件分类方法融合的静态特征维度高、特征提取耗时、Boosting算法对大量高维特征样本串行训练时间长的问题,提出一种基于静态特征融合的分类方法。提取原文件和其反编译的Lst文件的灰度图像素特征、原文件的结构特征和Lst文件的内容特征,对特征融合和分类。在训练集采样时启用GOSS算法减少对训练样本的采样,使用LightGBM作为分类器,该分类器通过EFB对互斥特征降维。实验证明在三类特征融合下分类准确率达到了97.04%,通过启用GOSS采样减少了29%的训练时间,在分类效果上,融合的特征优于融合Opcode n-gram的特征,LightGBM优于传统深度学习和机器学习算法。; 杨春雨徐洋张思聪李小剑; 关键词：恶意软件灰度图结构特征

一种针对说话人识别系统对抗样本的防御方法: 本发明公开了一种针对说话人识别系统对抗样本的防御方法，包括：（1）制作所需的数据集；（2）构建网络模型，通过改进的CycleGAN‑VC2模型构建出最终的模型CycleGAN‑L2；（3）利用减量学习对模型进行训练；（4...; 徐洋杨凌一张思聪谢晓尧

基于DCNN-GRU模型的XSS攻击检测方法被引量：8: 2022年; 为了提高跨站脚本攻击的检测效率,利用一维DCNN快速处理时序问题的能力和GRU模型处理上下文具有长期依赖关系问题的能力,提出基于DCNN-GRU模型的XSS攻击检测方法。对原始数据做规范化处理,将数据转化为可以对深度学习网络模型进行输入的特征向量。通过卷积层和池化层处理特征向量,GRU层作为门控机制来保留代码间的依赖关系。通过全连接层实现归一化处理,利用Softmax分类器实现分类完成攻击检测。使用foxscheduler数据集进行对比实验,结果表明,DCNN-GRU模型与单一的DCNN、GRU、LSTM模型及SVM模型相比,训练时间更短,检测结果中准确率、召回率和F1值都是最高的。; 许丹丹徐洋张思聪付子爔; 关键词：WEB应用安全跨站脚本

一种基于三通道马尔可夫图的恶意文档检测方法: 本发明公开了一种基于三通道马尔可夫图的恶意文档检测方法，包括以下步骤：(1)统计文档的字节值出现次数；(2)计算字节值的转移概率；(3)计算三种字节值之间的转移矩阵；(4)将三个转移矩阵转化为三个单通道马尔可夫图；(5)...; 徐洋黄昆张思聪李小剑杨春雨谢晓尧

一种针对说话人识别系统对抗样本的防御方法: 本发明公开了一种针对说话人识别系统对抗样本的防御方法，包括：（1）制作所需的数据集；（2）构建网络模型，通过改进的CycleGAN‑VC2模型构建出最终的模型CycleGAN‑L2；（3）利用减量学习对模型进行训练；（4...; 徐洋杨凌一张思聪谢晓尧

基于最大熵模型的XSS攻击检测模型: 为提高XSS攻击检测的准确性，提出了一种基于最大熵模型的XSS攻击检测模型，将攻击检测转化为对用户输入进行二分类的问题。首先，通过输入预处理模块对用户提供的原始输入进行规范化处理；然后，由特征提取模块将用户输入按照预定义...; 张思聪谢晓尧徐洋; 关键词：WEB应用安全 XSS 最大熵模型

一种融合ASPP和深度残差的遥感图像建筑物提取方法: 一种融合ASPP和深度残差的遥感图像建筑物提取方法，包括：（1）获取公开的遥感图像数据集；（2）对高分辨率遥感图像进行数据增强；（3）将高分辨率遥感图像按统一规格裁剪为小尺寸图像；（4）对已有的最终数据集，按照8：1：1...; 徐洋陈兰欣王珩张思聪谢晓尧

一种基于图像隐写的联邦学习后门攻击方法: 本发明属于人工智能技术领域，是一种基于图像隐写的联邦学习后门攻击方法，包括：(1)使用图像隐写的方法计算多重损失并制作隐蔽的触发器，使加入触发器的后门图像与良性样本距离较小、肉眼难以察觉；(2)在中心服务器构建联邦学习的...; 徐洋徐伟达张思聪李健谢晓尧

自动语音辨识对抗攻击和防御技术综述被引量：1: 2022年; 语音辨识技术是人机交互的重要方式。随着深度学习的不断发展,基于深度学习的自动语音辨识系统也取得了重要进展。然而,经过精心设计的音频对抗样本可以使得基于神经网络的自动语音辨识系统产生错误,给基于语音辨识系统的应用带来安全风险。为了提升基于神经网络的自动语音辨识系统的安全性,需要对音频对抗样本的攻击和防御进行研究。基于此,分析总结对抗样本生成和防御技术的研究现状,介绍自动语音辨识系统对抗样本攻击和防御技术面临的挑战和解决思路。; 李克资徐洋张思聪闫嘉乐

基于生成对抗网络的抗裁剪图像隐写方法: 2025年; 现有的图像隐写方法大多数都聚焦在增加隐写容量和提升载密图像的不可检测性上,对于载密图像在遭受裁剪后信息提取完整性的研究相对较少。为解决载密图像遭受裁剪后无法恢复信息的问题,文中为图像隐藏任务提出一种基于生成对抗网络的抗裁剪图像隐写方法。该方法基于生成对抗网络构建一个编码⁃解码网络,被命名为ACIS。通过在网络结构中增加评价器,让评价器与编码器进行对抗训练,使得编码器生成的载密图像更具有真实性,并提高载密图像抗隐写分析能力。同时,在训练过程中通过添加噪声层模拟现实传输过程中遇到的图像裁剪攻击,以提高载密图像的鲁棒性,提升解码器的解码准确率。为减少梯度消失问题带来的影响,使用DenseNet连接并对ACIS网络结构进行调整以提升解码准确率。实验结果表明,ACIS生成的载密图像在被裁剪掉20%的区域后,仍有70%以上的载密图像能完整恢复出隐藏信息。同时,该方法还能保持较大的隐写容量(最高可达到1.37 bpp),是传统方法0.2~0.4 bpp容量的3~6倍,而且图像质量高,对于通用的隐写分析工具也有很好的隐蔽性。; 徐石穿徐洋张思聪; 关键词：抗裁剪信息隐藏自适应

渝B2-20050021-1　渝公网安备 50019002500403号　违法和不良信息举报中心　互联网出版许可证　新出网证(渝)字10号

张思聪