With emerging of cloud and edge computing, it is popular to store Electronic Medical Records (EMRs) on a remote cloud. Furthermore, to share the EMRs stored in the cloud, attribute-based encryption (ABE) can provide a fine-grained access control strategy. However, in ABE, the finer the access control is, the bigger the number of required attributes is. Accordingly, it requires the higher computation costs. In this paper, to reduce the burden of patients, we first present a verifiable outsourced ABE scheme with the help of edge servers and fog nodes, in which edge servers are fully responsible for the encryption of ABE while fog nodes assist data users to perform the corresponding decryption. Furthermore, to protect the privacy of data owner, we introduced the proxy re-encryption algorithms, which still can achieve dual access control for EMRs. What's more, to detect the honesty of edge servers and the cloud, we adopt an aggregated digital signature to guarantee the correctness of the EMRs initially encrypted by data owner. The experimental results and security proofs show that our scheme has higher computational efficiency and achieves more fine-grained access control.
中国科学技术大学郭光灿院士团队在量子密钥分发研究中取得重要进展.该团队韩正甫、王双、银振强、陈巍与合作者提出了一种无需主动调制的新型量子密钥分发实现方案并完成了实验验证,为实现高现实安全的量子密钥分发系统提供了新思路.该成果于2023年9月13日发表在国际学术期刊《Physical Review Letters》.
近日,山东大学计算机科学与技术学院智能计算研究所在分布式智能、智能安全及隐私保护等领域多项研究成果分别发表于期刊IEEE/ACM TON、IEEE TKDE以及ACM TOSN,第一作者以及通讯作者单位均为山东大学.
物联网设备数量迅速增多使得针对物联网的攻击越来越多,网络安全人员急需使用主动防御技术将被动转化为主动.SSH(Secure Shell)蜜罐技术的引入让防御方能够捕获攻击者的交互信息,对物联网安全具有十分重要的意义.然而,传统蜜罐由于特征或行为模式固定,很容易被攻击者识别和利用.文章从博弈论的角度出发,建立蜜罐与攻击者的交互模型,并使用SAC(Soft Actor-Critic)算法进行求解,通过计算得到防御方的最佳响应策略.仿真结果表明,将强化学习与博弈论相结合的自适应蜜罐能够在多种场景下快速找出最优交互策略,并且加入策略网络的强化学习方法与攻击者的交互收益要优于仅基于价值网络的传统强化学习方法.
10月13日,由中国计算机学会主办,中国计算机学会计算机安全专业委员会和奇安信科技集团股份有限公司共同承办的"第38次全国计算机安全学术交流会暨专委会换届大会"在湖南长沙成功举办.
当前,作为主要攻击媒介的恶意域名被广泛滥用于多种网络攻击活动中,针对恶意域名检测中检测特征设计复杂、需要经验知识辅助以及容易被攻击者有针对性绕过等问题,文章提出一种基于多元时序特征的恶意域名检测方法.该方法使用基于融合长短期记忆网络和全卷积神经网络的深度学习模型,分别从客户端请求和域名解析流量中自动化提取多元时序嵌入特征,并学习恶意域名行为的低维时序表示.对比传统的时间统计特征方案或时间序列局部模式判别方案,该方法可以建模长期域名活动模式,从中发现恶意域名区别于正常域名的行为序列,具有更强大的恶意域名检测能力.同时,该方法支持融合多元时序嵌入特征和通用恶意域名检测特征,多维度表征恶意行为信息,提升检测性能以及模型鲁棒性和扩展能力.
针对当前物联网异常检测算法中数据不平衡导致特征学习不全面,进而影响少数类攻击样本检测性能的问题,文章提出了一种基于代价敏感学习的物联网异常检测模型CS-CTIAD.该模型通过卷积神经网络和Transformer综合学习物联网流量的空间和时序特征,来缓解单一模型对少数类攻击样本特征学习不全面的问题;同时,在模型训练过程中引入代价敏感学习,动态调整少数类和多数类的损失权重,防止分类器因数据不平衡而忽略少数类攻击样本,进而提高少数类攻击样本的识别率.在CSE-CIC-IDS2018 和IoT-23 数据集上的测试结果表明,少数类攻击样本的检测性能得到明显提升.与现有工作相比,文章所提方法的整体评价指标(准确率、精确率、召回率和F1)更优.
物联网设备资源匮乏、部署规模巨大,传统的密钥预共享方法及先进的密钥分发方法更新困难、计算复杂度较高,不适用于物联网设备.基于无线信道特征的无线密钥生成方法具有复杂度低和资源需求少的优势,非常适合物联网设备密钥共享.文章提出一种基于自主舍弃与校准的物联网设备无线密钥生成方法,在仅增加少量开销的情况下实现鲁棒的无线密钥生成.文章提出一种自主校准重置机制,在通信双方节点意外重启时,实现同步收集信道特征数据;同时提出一种超时选择性舍弃机制,解决丢包后通信双方信道特征数据不配对问题.该方法能够显著提升无线密钥生成系统的鲁棒性.最后在真实的物联网设备上进行实验,证明了该方法的有效性与稳定性.
针对多智能体在无先验知识的未知环境中进行自主协同探索任务优化问题,文章构建了多智能体协同探索未知环境的优化模型,并提出了一种基于障碍物边界点过滤(Multiple Agent Obstacle Frontier Point Filter,MAOFPF)的多智能体协同探索算法.该算法综合考虑边界点与障碍物相对分布情况,探索边界点过滤的距离阈值,进而优化多智能体探索任务选择和资源分配.仿真结果表明,在不同场景下,文章所提算法能够有效过滤边界点的干扰数据,保证系统的平稳运行,与原算法相比,系统抗扰动能力和泛化能力更高,地图覆盖率增长速度更快,平均效率提升了 25.22%.
文章针对基于安全多方计算(Secure Multi-Party Computation,MPC)的图像分类方法进行研究,针对基于ABY3 协议的PaddleFL方法无法支持复杂模型中的一些网络加密操作问题,提出一种面向ABY3 协议重复秘密共享的维度变换和维度压缩操作的加密方法;针对基于Beaver协议的CrypTen方法在密文训练时出现的模型崩溃问题,提出一种基于标志位的检测方法,通过舍弃异常值避免模型训练的环绕错误;针对近似计算错误问题,提出一种基于阈值限制的Softmax函数密文计算方法,满足更大数值范围的密文计算.在公开数据集上进行实验,结果表明,该方法能够在保证模型准确性的前提下有效保护用户数据的隐私.
证书透明日志系统具有广泛应用前景,但当前的证书透明日志系统多采用存在一定局限性的RSA算法和ECC算法,且无法识别基于国密算法的SSL证书.文章提出了一种基于国密SM2 算法的证书透明日志系统设计方法,采用SM2 算法生成日志系统签名密钥和数字签名证书透明日志数据,采用SM3 算法作为系统的摘要算法来计算日志签名数据的哈希值,实现支持国密SSL证书的证书透明日志系统,用于保障国密SSL证书的安全可信.
为应对不断升级的恶意代码变种,针对现有恶意代码分类方法对特征提取能力不足、分类准确率下降的问题,文章提出了基于双向时域卷积网络(Bidirectional Temporal Convolution Network,BiTCN)和池化融合(Double Layer Pooling,DLP)的恶意代码分类方法(BiTCN-DLP).首先,该方法融合恶意代码操作码和字节码特征以展现不同细节;然后,构建BiTCN模型充分利用特征的前后依赖关系,引入池化融合机制进一步挖掘恶意代码数据内部深层的依赖关系;最后,文章在Kaggle数据集上对模型进行验证,实验结果表明,基于BiTCN-DLP的恶意代码分类准确率可达99.54%,且具有较快的收敛速度和较低的分类误差,同时,文章通过对比实验和消融实验证明了该模型的有效性.
SQL注入攻击是一种被攻击者广泛使用的网络攻击手段,严重威胁网络空间安全.传统的SQL注入攻击检测方法主要有基于规则和基于机器学习两种,这些方法存在泛用性较差且误报率高的问题.文章提出一种基于大语言模型的SQL注入攻击检测方法,利用提示工程和指令微调技术,得到SQL注入攻击检测专用大语言模型;通过分析迭代轮数、微调样本数以及推理参数对模型性能的影响,探索提升大语言模型检测能力的途径;依托大语言模型强大的语义理解能力,降低检测误报率.对文章所提的SQL注入攻击检测专用大语言模型在Kaggle数据集上进行实验分析,结果表明其准确率达到 99.85%以上,误报率低于 0.2%,F1 值达到 0.999,相较于目前较先进的SQL注入攻击检测方法,在检测性能上有较大提升.
针对目前以国密算法为基础的音视频数据加密方案不完善、加密效率与安全性难以权衡的问题,文章在腾讯实时音视频(Tencent Real-Time Communication,TRTC)架构下设计了一种基于国密算法的音视频选择性加密方案.根据音视频应用的特点与需求提出口令认证与协同签名相结合的身份认证方案,通过分析SM4 算法与H.264 编码方式的特点,使用SM4-CFB模式对编码后帧内关键语法元素IPM、MVD和RC进行加密,实现了高效的音视频数据选择性加密.实验证明,该方案有效降低了加密数据量,提高了加密速度,并且具有较高的密码安全性和感知安全性.
近日,电子科技大学计算机科学与工程学院(网络空间安全学院)杨国武教授团队先后在人工智能领域著名期刊TPAMI、TIP和CCF A类会议KDD、ICCV上发表一系列高水平研究成果.
近日,清华大学交叉信息研究院马雄峰及研究组成员张行健、曾培、叶添与多伦多大学罗开广(Hoi-Kwong Lo)教授合作,完成基于测量互补性原理的设备无关量子密码协议安全性严格证明.该研究明确了测量互补性在设备无关量子密码协议中的作用,统一了此类协议与使用可信设备量子密码协议的安全性分析,并为设备无关量子密码应用的实用化提供了全新理论工具.
近年来,使用对比学习技术在大规模无标注数据上所构建的预训练模型得到了广泛的应用(如车道检测、人脸识别等).然而,其面临的安全和隐私问题也引起学者的广泛关注.文章聚焦于针对多模态对比学习模型的投毒攻击,该攻击将精心构造的数据注入训练集,以改变模型在特定数据上的预测行为.针对现有投毒攻击主要针对文本或图像单模态模型,没有利用文本或者图像间的多模态信息的问题,文章提出一种同时对文本与图像编码器投毒的靶向投毒攻击.首先,基于Beta分布自动生成水印图像透明度;然后,根据透明度生成添加水印后的样本,并根据水印样本与目标样本之间的欧式距离得到该透明度下应当投毒的样本数;最后,通过特定的优化算法生成投毒数据集.与现有的投毒攻击相比,文章所提方法具有更低的投毒率,并能够保持目标模型的性能.
目前,区块链由于其高度的去中心化以及不可篡改的特性被广泛应用于不同领域,文章以解决区块链在应用过程中的链间数据交互一致性无法保证以及不支持数据动态更新的问题为研究目标,设计了一种去中心化的数据一致性审计模型,该模型采用跨链技术来实现异构区块链之间数据的安全可信共享,利用去中心化的变色龙哈希函数构建动态的默克尔哈希树以实现数据的动态更新操作,引入审计链对源链和目标链之间的数据交互进行监管,并利用Cosi多重签名算法来保证数据传输过程中的一致性.经过理论分析和实验验证,结果表明,该模型采用的Cosi算法在时间开销和可扩展性方面与目前主流多重签名算法相比具有较大优势.此外,本文模型在时间开销和通信开销方面与常见的审计模型相比有较大优势,能够以较小的成本完成相同的审计任务,并且可以达到99％的数据审计一致性保证概率.
图神经网络在网络异常检测领域中的应用大多集中于单点特征的提取,忽略了连续流量之间的关联性的特点,文章提出了一种基于双重图神经网络和自编码器的网络异常检测方法DGCNAE.该方法首先对通信数据进行图构建和子图划分,然后将子图送入两层图卷积神经网络,分别对点和边进行特征提取,最后采用无监督学习方法对划分出的子图进行训练.通过对子图划分时间间隔和迭代次数进行迭代实验,得出效果最佳的子图划分时间间隔和迭代次数,并在3个典型数据集上与已有算法进行对比实验,实验结果表明,该方法具有更高的准确率和泛化能力.
随着《中华人民共和国数据安全法》等法律法规的实施,数据安全工作日益受到关注.电子病历包含公民医疗健康等敏感个人信息,为了保护电子病历数据的隐私安全,文章研究了电子病历数据特征提取技术,为实施数据安全防护提供技术支撑.文章提出了基于深度神经网络的电子病历数据特征提取方法,采用生成式对抗网络,通过文本生成的方法,将少量电子病历数据扩充为一个较大的数据集.随后利用卷积神经网络进行特征提取,并通过分类器产生分类结果,以实现电子病历数据的检测识别.实验结果表明,这种方法对于电子病历数据具有较好的特征提取效果.
