← 返回列表

2020年综述性论文合辑(上)

聚合站 SecWiki技术 作者 网络空间安全科学与技术 发布 2020年11月3日 08:56 入库 2026-11-18T21:33:49

本期推送介绍了学报2020年已发表的部分综述性论文,点击论文标题即可阅读全文。

01

人脸反欺诈活体检测综述

卢子谦 陆哲明 沈冯立 王总辉

摘要

(请向下滑动启阅)

活体检测技术被广泛应用于信息安全、金融服务、文体娱乐、智慧城市、传媒社交等领域,通常与人脸识别技术结合使用,组成一个完整的系统部署到真实场景中。随着信息技术的推广,电子安全问题受到越来越多的关注,作为身份授权步骤的人脸识别的前置环节,活体检测扮演着重要角色。本文针对近年来提出的人脸反欺诈活体检测技术进行了分类及归纳,通过介绍、分析这些活体检测算法来进一步拓展活体检测的研究思路,最后给出其未来可能的发展趋势及总结。

关键词:人脸识别; 活体检测; 信息安全;

卢子谦,陆哲明,沈冯立,王总辉.人脸反欺诈活体检测综述[J].信息安全学报,2020,5(02):18-27.

本文通讯作者:陆哲明,浙江大学教授。研究领域为人工智能、信息安全。研究兴趣包括:深度学习及其应用、多媒体信息隐藏。

扫码了解陆哲明教授

02

语音伪造与鉴伪的发展与挑战

陶建华 傅睿博 易江燕 王成龙 汪涛

摘要

(请向下滑动启阅)

本文对语音伪造与鉴伪的发展进行了梳理与阐释。针对语音伪造的适用场景与关键技术点,分别对身份风格伪造、音色与韵律伪造、语音模拟三大核心语音伪造技术的基本概念、发展历程、优势与不足进行梳理与分析。针对语音伪造的应对技术语音鉴伪技术,首先介绍整理了针对性较强、面向参数式语音伪造、拼接式语音伪造与语音模拟技术框架的应对技术,在此基础上介绍了具有普适性更强的基于深度鉴别网络语音鉴伪研究进展。在此基础上,本文针对语音伪造技术所面临口语化、低资源的挑战,对未来多风格、低成本、鲁棒性发展趋势进行分析。对于语音鉴伪,本文从语料库、特征挖掘、异常检测三个角度对未来的研究重点进行诠释。

关键词:

语音伪造; 语音鉴伪; 发展与挑战;

陶建华,傅睿博,易江燕,王成龙,汪涛.语音伪造与鉴伪的发展与挑战[J].信息安全学报,2020,5(02):28-38.

本文第一作者、通讯作者:陶建华,中国科学院自动化研究所模式识别国家重点实验室研究员。研究领域为语音识别与合成、人机交互、多媒体信息。研究兴趣包括:智能协同控制、自然口语语音交互、情感计算。

扫码了解陶建华研究员

03

视觉对抗样本生成技术概述

王伟 董晶 何子文 孙哲南

摘要

(请向下滑动启阅)

深度学习的发明,使得人工智能技术迎来了新的机遇,再次进入了蓬勃发展期。其涉及到的隐私、安全、伦理等问题也日益受到了人们的广泛关注。以对抗样本生成为代表的新技术,直接将人工智能、特别是深度学习模型的脆弱性展示到了人们面前,使得人工智能技术在应用落地时,必须要重视此类问题。本文通过对抗样本生成技术的回顾,从信号层、内容层以及语义层三个层面,白盒攻击与黑盒攻击两个角度,简要介绍了对抗样本生成技术,目的是希望读者能够更好地发现对抗样本的本质,对机器学习模型的健壮性、安全性和可解释性研究有所启发。

关键词:

人工智能安全;对抗样本;白盒攻击;黑盒攻击;失真度量;对抗防御;

王伟,董晶,何子文,孙哲南.视觉对抗样本生成技术概述[J].信息安全学报,2020,5(02):39-48.

本文第一作者:王伟,中国科学院自动化研究所副研究员。研究领域为人工智能安全、媒体内容取证与安全、隐写分析。研究兴趣包括:对抗样本生成与防御、Deepfake检测、篡改取证。

扫码了解王伟研究员

本文通讯作者:董晶,中国科学院自动化研究所副研究员,中国科学院自动化研究所副研究员。研究领域为人工智能安全、媒体内容取证与安全、隐写分析。研究兴趣包括:隐写与隐写分析、Deepfake检测、篡改取证。

扫码了解董晶研究员

04

视听觉深度伪造检测技术研究综述

梁瑞刚吕培卓 赵月陈鹏邢豪张颖君

韩冀中赫然 赵险峰 李明 陈恺

摘要

(请向下滑动启阅)

深度学习被广泛应用于自然语言处理、计算机视觉和无人驾驶等领域,引领了新一轮的人工智能浪潮。然而,深度学习也被用于构建对国家安全、社会稳定和个人隐私等造成潜在威胁的技术,如近期在世界范围内引起广泛关注的深度伪造技术能够生成逼真的虚假图像及音视频内容。本文介绍了深度伪造的背景及深度伪造内容生成原理,概述和分析了针对不同类型伪造内容(图像、视频、音频等)的检测方法和数据集,最后展望了深度伪造检测和防御未来的研究方向和面临的挑战。

关键词:深度伪造; 深度学习; 生成对抗网络;

梁瑞刚,吕培卓,赵月,陈鹏,邢豪,张颖君,韩冀中,赫然,赵险峰,李明,陈恺.视听觉深度伪造检测技术研究综述[J].信息安全学报,2020,5(02):1-17.

本文通讯作者:陈恺,中国科学院信息工程研究所信息安全国家重点实验室副主任/研究员。研究领域为软件与系统安全、人工智能安全。研究兴趣包括:软件分析与测试、智能对抗、智能终端与隐私安全。

扫码了解陈恺研究员

05

人工智能对抗环境下的模型鲁棒性研究综述

王科迪 易平

摘要

(请向下滑动启阅)

近年来人工智能研究与应用发展迅速,机器学习模型大量应用在现实的场景中,人工智能模型的安全鲁棒性分析与评估问题已经开始引起人们的关注。最近的研究发现,对于没有经过防御设计的模型,攻击者通过给样本添加微小的人眼不可察觉的扰动,可以轻易的使模型产生误判,从而导致严重的安全性问题,这就是人工智能模型的对抗样本。对抗样本已经成为人工智能安全研究的一个热门领域,各种新的攻击方法,防御方法和模型鲁棒性研究层出不穷,然而至今尚未有一个完备统一的模型鲁棒性的度量评价标准,所以本文总结了现阶段在人工智能对抗环境下的模型鲁棒性研究,论述了当前主流的模型鲁棒性的研究方法,从一个比较全面的视角探讨了对抗环境下的模型鲁棒性这一研究方向的进展,并且提出了一些未来的研究方向。

关键词:

对抗样本; 模型鲁棒性; 人工智能安全;

王科迪,易平.人工智能对抗环境下的模型鲁棒性研究综述[J].信息安全学报,2020,5(03):13-22.

本文通讯作者:易平,上海交通大学网络空间安全学院副教授。研究领域为网络对抗。研究兴趣包括:人工智能安全。

扫码了解易平教授

06

智能合约安全漏洞研究综述

倪远东 张超 殷婷婷

摘要

(请向下滑动启阅)

智能合约是一种基于区块链平台运行,为缔约的多方提供安全可信赖能力的去中心化应用程序。智能合约在去中心化应用场景中扮演着重要的角色,被广泛地应用于股权众筹、游戏、保险、物联网等多个领域,但同时也面临着严重的安全风险。相比于普通程序而言,智能合约的安全性不仅影响合约参与多方的公平性,还影响合约所管理的庞大数字资产的安全性。因此,对智能合约的安全性及相关安全漏洞开展研究显得尤为重要。本文系统分析了智能合约的特性及其带来的全新安全风险;提出了智能合约安全的三层威胁模型,即来自于高级语言、虚拟机、区块链三个层面的安全威胁;并以世界上最大的智能合约平台——以太坊为例,详细介绍了15类主要漏洞;并总结了智能合约安全研究在漏洞方面的进展和挑战,包括自动漏洞挖掘、自动漏洞利用和安全防御三个方面的研究内容;最后,本文对智能合约未来安全研究进行了展望,提出了两个潜在的发展方向。

关键词:

智能合约; 区块链; 安全; 漏洞;

倪远东,张超,殷婷婷.智能合约安全漏洞研究综述[J].信息安全学报,2020,5(03):78-99.

本文通讯作者:张超,清华大学网络科学与网络空间研究院副教授。研究领域为软件与系统安全。研究兴趣包括:漏洞挖掘、漏洞利用、漏洞防利用、人工智能安全等。

扫码了解张超教授

07

软件定义网络中资源消耗型攻击及防御综述

徐建峰 王利明 徐震

摘要

(请向下滑动启阅)

在传统网络中,集成多种网络功能的控制平面和负责转发数据包的数据平面是紧密耦合的,并且通常嵌入在一个专用设备中,这严重限制了网络管理的灵活性和网络服务的创新性。软件定义网络(Software-Defined Networking, SDN)作为一种新型的网络范式,通过将控制平面与数据平面解耦克服了传统网络架构的不足。研究人员凭借全网视图可见性以及对网络设备直接编程的能力提出了诸多SDN应用场景,如数据中心网络、云和广域网。然而SDN带来的灵活性、可管理性以及可编程性等优点是以引入新的安全挑战为代价。本文聚焦SDN网络中的资源消耗型攻击,首先分层整理了SDN网络中的关键资源以及攻击目标,然后对控制平面、控制通道和数据平面存在的多种资源消耗型攻击以及现有防御机制做出了详细的分析和归纳,最后对未来的研究工作进行了展望,并提出了一些潜在的研究方向。

关键词:

软件定义网络; 安全; 资源消耗型攻击;

徐建峰,王利明,徐震.软件定义网络中资源消耗型攻击及防御综述[J].信息安全学报,2020,5(04):72-95.

本文通讯作者:王利明,中国科学院信息工程研究所第五研究室正高级工程师,博士生导师。研究领域为云计算与网络安全、移动通信系统安全、大数据安全分析、关键基础设施安全。

扫码了解王利明工程师

本文作者:徐震,中国科学院信息工程研究所第五研究室主任,正高级工程师,博士生导师。研究领域为云计算安全、可信计算、移动互联网安全、网络与系统安全等。

扫码了解徐震工程师

08

网络入侵检测技术综述

蹇诗婕 卢志刚 杜丹 姜波 刘宝旭

摘要

(请向下滑动启阅)

随着互联网时代的发展,内部威胁、零日漏洞和DoS攻击等攻击行为日益增加,网络安全变得越来越重要,入侵检测已成为网络攻击检测的一种重要手段。随着机器学习算法的发展,研究人员提出了大量的入侵检测技术。本文对这些研究进行了综述。首先,简要介绍了当前的网络安全形势,并给出了入侵检测技术及系统在各个领域的应用。然后,从数据来源、检测技术和检测性能三个方面对入侵检测相关技术和系统进行已有研究工作的总结与评价,其中,检测技术重点论述了传统机器学习、深度学习、强化学习、可视化分析技术等方法。最后,讨论了当前研究中出现的问题并展望该技术的未来发展方向和前景。本文希望能为该领域的研究人员提供一些有益的思考。

关键词:

网络空间安全; 入侵检测; 机器学习; 深度学习; 强化学习; 可视化分析;

蹇诗婕,卢志刚,杜丹,姜波,刘宝旭.网络入侵检测技术综述[J].信息安全学报,2020,5(04):96-122.

本文通讯作者:姜波,中国科学院信息工程研究所副研究员。研究领域为网络安全态势感知、知识图谱、数据挖掘等。

本文作者:刘宝旭,中国科学院信息工程研究所研究员,第六研究室主任。研究领域为网络安全攻防对抗、网络安全测评技术等。

扫码了解刘宝旭研究员

关于我们

信息安全学报

•CCF推荐中文期刊-B类

•CCF会刊

•中国通信学会推荐国内科技期刊-B类

•中国科技核心期刊

•CSCD收录期刊

•Scopus收录期刊

•JST收录期刊

微信公众号

微信小程序

原文链接:https://mp.weixin.qq.com/s/e-3rSS2F7lVV9SMMnoqylQ