Sep, 2023

使用流量相关攻击破解 NoC 的匿名性

PDF
TL;DR该论文研究了网络片上互连（NoC）架构中现有匿名路由协议的安全性，并提出了一种轻量级匿名路由方案，利用流量混淆技术来防御基于机器学习的攻击。实验结果表明，该方案相对于现有的最新匿名路由方案在不同流量模式下具有高达 99% 的准确性，且仅具有较小的硬件和性能开销。
network-on-chipnocsecurityanonymous routingmachine learning
发现论文，激发创造
  • 使用注意力模型挖掘 SoC 消息流

    利用深层序列建模和注意机制，从 SoC 通信跟踪数据中推断准确的流规范，以克服现有挖掘工具 often often 面临的复杂性挑战，实验证明该方法胜过多种现有工具。

    Sep, 2022

  • 网络流分类器中的毒化攻击

    本文研究了机器学习分类器在网络流量自动监控中的鲁棒性，关注于网络流量流分类器受到有害攻击的后门攻击，对干净标签毒化的挑战场景进行了调查，并提出了一种触发器制作策略，其中利用模型解释性技术生成有效的触发模式，最终设计了生成贝叶斯网络模型等创新策略以生成隐蔽触发器，以最小化触发器的醒目程度，从而使检测正在进行的侵毒行动更具挑战性。该研究的发现提供了在多种情况下使用的网络流量分类器遭受侵毒攻击的可行性见解，包括检测恶意通信和应用程序分类。

    Jun, 2023

  • 基于局部操作和嘈杂经典通信的分布式量子协议的量子机器学习

    通过使用量子机器学习工具来优化参数化量子电路的局部处理，以最大化平均保真度和平均成功概率，提出了一种名为 Noise Aware-LOCCNet (NA-LOCCNet) 的方法，对于存在噪声的经典通信，该方法在量子信息处理中的量子纠缠和量子状态区分任务中具有显着优势。

    Jul, 2022

  • 用于光学片上波长路由网络的逻辑编程方法，以实现故障自由和最大并行

    论文阐述了提升芯片通讯性能的光网络设计的最大并行计算问题并细分了 Answer Set Programming 和 Constraint Logic Programming 的方法解决波长路由技术的物理参数选择的优化问题。

    Jul, 2017

  • 基于图神经网络的入侵检测的高效网络表示

    我们提出了一种新颖的网络表示形式作为流图，旨在为入侵检测任务提供相关的拓扑信息，以及通过基于图结构的神经网络框架将通信流分类为恶意得分。我们还强调了传统评估程序可能存在的数据泄露问题，并提出了解决方案以确保入侵检测系统性能的可靠验证。通过实施提出的框架，证明利用基于流的图结构优于经典的基于机器学习和先前的基于图神经网络的解决方案。

    Sep, 2023

  • 软件定义 ITS 网络中基于深度学习的交叉火力攻击检测

    通过软件定义网络监控和流量特征提取，本文采用不同的深度学习算法和 Mininet-WiFi 仿真平台，开发了一种可学习 ITS 网络中流量流的时间相关性的机器学习模型，从而区分合法流与协调攻击流，以提高安全性，并在至少 80％的准确率下检测跨境攻击。

    Dec, 2018

  • 关键基础设施网络的隐私保护混淆

    本研究探讨了如何在不泄露敏感信息的情况下发布关于关键基础设施网络（例如电网或交通网络）的数据，同时保持网络的真实性，提出了一种结合几个隐私保护建模块和双层优化模型的新型混淆机制来显着提高精度，利用真实的能源和交通网络对混淆机制进行了真实性和隐私性的评估，实验结果表明，混淆机制显著降低了攻击利用发布的数据对真实网络造成的潜在伤害。

    May, 2019

  • 评估基于机器学习的异常检测在不同数据完整性的数据集上的表现：案例研究

    网络安全在数字时代仍然是一个重要的挑战，网络流量异常检测是对抗网络威胁的关键手段之一。本研究解决了网络流量数据集中数据完整性的普遍问题，并引入了两个经过改进的数据集，通过采用 NFStream 进行了方法论检查和标记。我们通过对比原始 CICIDS-2017 数据集、改进后的 WTMC-2021 和 CRiSIS-2022 数据集以及我们基于 NFStream 生成的数据集在二元和多类别分类环境下，Random Forest 算法的表现。我们观察到，无论底层数据集的质量如何，RF 模型表现出卓越的鲁棒性，达到了稳定的高性能指标，这引起了关于数据完整性对机器学习效果的实际影响的重要讨论。我们的研究强调了持续改进和方法论严谨在网络安全研究中数据集生成的重要性。随着网络威胁的演变，侦测和分析威胁的工具和技术也必须随之演进。

    Jan, 2024

  • 噪声抗干扰量子电路的机器学习

    该文档提出了一种基于机器学习的通用框架，用于降低噪音对量子电路的影响，并利用该框架构建出对噪声具有鲁棒性的电路，从而实现量子计算机的噪音约束计算。

    Jul, 2020

  • 使用嘈杂的经典通信学习量子纠缠提纯

    本文提出了一种噪声感知的局域操作和经典通信网络，通过参数量子电路来最大化平均保真度，提高量子纠缠的保真度，并相较于现有的无噪声通信协议有显著优势。

    May, 2022