2023年beat365

信息技术研究生论坛（一）

场次一、

时间：2023年02月27日（星期一）9:00-12:00

地点：beat365601教室

报告题目一：基于格理论的签名算法

报告人：韦璐璐

报告简介：格密码作为当前公认的可抗量子攻击的密码体制，受到大量关注。数字签名技术作为当前消息认证的主流方法，也是信息安全的重点。当前基于格的签名算法主要有原像抽样算法和拒绝采样算法。本次报告将围绕这两个算法开展，首先介绍算法的构造，其次介绍他们的优缺点和发展现状，最后介绍基于这些算法设计的签名方案。

报告题目二：FTN相干光传输系统的DSP算法研究

报告人：赖凤英

报告简介：FTN光传输技术通过认为引入码间串扰，突破了奈奎斯特传输准则的约束，达到系统频谱效率提升的目的，码间串扰由电域DSP技术进行均衡与补偿，具有高效率、低成本、低功耗等特点。因此，采用电域DSP技术对FTN系统各种损伤进行抑制与补偿是大容量相干光传输系统最为突出的优势，也是所需的最为关键的支撑技术。

报告题目三：基于图表示学习的生物网络相似性查询算法研究

报告人：王忆

报告简介：生物网络是由生物分子及其相互作用和转化构成的复杂系统，生物网络相似性查询在生物网络结构预测、功能预测、系统发生分析以及与疾病相关的特定研究中起着重要作用。本报告介绍一种基于图表示学习的生物网络相似性查询算吗，该方法通过随机游走将生物网络的拓扑结构转化为向量表示，进而对网络进行相似性查询，相比传统查询方法在速度上有较大提升。

场次二、

时间：2023年2月27日（星期一）8:00-12:00

地点：beat365807B教室

报告题目一：基于机器学习的TLS恶意加密流量检测研究

报告人：董成锋

报告简介：加密流量主要是指在通信过程中所传送的被加密过的实际明文内容。在安全和隐私保护需求的驱动下，网络通信加密化已经成为不可阻挡的趋势。加密网络流量呈现爆炸增长，安全超文本传输协议（Hyper Text Transfer Protocol over Secure，HTTPS）几乎已经基本普及。但是，加密流量也给互联网安全带来了巨大威胁，尤其是加密技术被用于网络违法犯罪，如网络攻击、传播违法违规信息等。因此，对加密流量进行识别与检测是网络恶意行为检测中的关键技术，对维护网络空间安全具有重要意义。

报告题目二：基于linux内核系统调用图的安卓恶意软件检测系统

报告人：蒙昕怡

报告简介：随着 Android 恶意软件的爆炸式增长及其对智能手机用户的损害（例如，窃取用户凭据、资源滥用），Android 恶意软件检测成为人们非常感兴趣的网络安全主题之一。 目前，针对Android恶意软件主要采用基于签名的方法识别威胁。然而，恶意软件攻击者越来越多地使用重新打包和混淆等技术来绕过签名并挫败分析其内部机制的尝试。 越来越复杂的 Android 恶意软件需要新的防御技术，这些技术更难以规避，并且能够保护用户免受新的威胁。本次报告介绍一种新型动态分析方法，可以尽可能完整地自动执行每个给定 Android 应用程序 (app) 的代码例程。 基于提取的 Linux 内核系统调用，进一步构建加权有向图，然后应用基于图特征的深度学习框架来检测新的未知 Android 恶意软件。。

报告题目三： 入侵之声：一种新型的网络入侵检测系统

报告人：覃广林

报告简介：网络入侵检测系统是网络安全研究的重要组成部分。它通过主动防御技术检测入侵行为，并采取紧急措施，如警报和终止入侵。为此，随着学习技术的快速发展，已经开发了各种基于机器学习和基于深度学习的方法，但是在检测京都方面存在限制。把网络流量当做振动、波或声音来处理，可以让我们更好地检测入侵。在这项工作中，设想了一个新的网络入侵检测系统，称为入侵之声。所提出的系统将网络流量特征转换为波，并利用先进的音频、语音识别深度学习技术来检测入侵者。

报告题目四：基于深度强化学习的工业物联网入侵检测研究

报告人：向艳

报告简介：近年来，工业物联网迅猛发展，在实现工业数字化、自动化、智能化的同时也带来了大量的网络威胁，且复杂、多样的工业物联网环境为网络入侵者创造了全新的攻击面。传统的入侵检测技术已无法满足当前工业物联网环境下的网络威胁发现需求。对此，本研究提出了一种基于深度强化学习算法近端策略优化的工业物联网入侵检测系统。该系统将深度学习的感知能力和强化学习的决策能力相结合，以实现对工业物联网多种类型网络攻击的有效检测。

报告题目五：基于斯塔克伯格博弈的具有隐私保护的移动群智感知任务分配

报告人：黄柏成

报告简介：随着内置传感器性能的不断提升，移动终端设备的功能也在不断完善，感知手段也越来越丰富。移动群智感知(MCS)作为一种感知模式，利用终端设备提供感知服务，已成为一种实时感知和收集大规模计算数据的有效方式，受到了社会各界学者的广泛关注。任务分配是移动群智感知中一个重要的研究方向，在多工人与多任务的场景下，如何制定出一个好的任务分配方案，保证工人位置隐私不被泄露的同时，平台也能获得高效用是一项关键的挑战。所以我们旨在从整体出发，设计出一个最佳的任务分配方案，将平台效用作为主要优化目标的同时，兼顾工人的利益。

报告题目六：轻量级区块链的联邦学习入侵检测平台研究与实现

报告人：李春辉

报告简介：各国各界在隐私保护法上有了更多的规定和数据的日积月累之下使得数据孤岛的产生，严重阻碍了人工智能的发展。为解决数据孤岛问题，谷歌提出了一种不需要参与者在固定位置即可直接进行安全的数据交换并进行数据建模的新型人工智能概念——联邦学习，使得信息收集单位不仅可以充分发挥数据的价值还能保障数据的隐私安全。过去几年是比特币泛滥的年代，区块链技术开创性地构建了去中心化的信任，可追溯性和不可篡改特征为联邦学习的再一次发展提供了一种新的机遇。传统的区块链技术要求矿工节点具有强大的算力和庞大的存储空间，日常生活中的用户设备特点是算力弱、存储容量低。这给区块链的应用领域带来了巨大的挑战，为此轻量级的区块链技术应运而生。本文在不影响入侵检测系统识别精确度的情况下，提出一种运行效率更高和能耗更低的方案。

报告题目七：WebShell检测方法研究综述

报告人：刘志强

报告简介： WebShell（网页后门）凭借其使用便捷、功能丰富的特点已成为非法网络攻击者最常使用的工具。如何高效准确的识别隐匿在服务器中的WebShell是当前亟需解决的问题。由于WebShell危害性巨大且使用频繁，学术界已经开展了较多的研究；本报告介绍现有的WebShell检测方式，分析各种检测方式的优缺点，同时对未来研究方向进行讨论。

报告题目八：用于无线边缘网络中自适应直播流的通信变压器深度强化学习算法研究

报告人：龙泉剑

报告简介：新兴的移动边缘计算 (MEC) 技术最近已被应用于提高网络服务的体验质量 (QoE)，例如实时视频流，报告主要介绍无线边缘网络中的能量感知自适应直播流媒体方案。特别是，优化目标是设计一种联合上行链路传输和边缘转码算法，最大限度地提高视频跟随者的 QoE，同时最大限度地减少视频流媒体的能耗，问题表述为马尔可夫决策过程 (MDP)，并提出了一个名为 SACCT 的基于深度强化学习 (DRL) 的框架，以确定流媒体的编码比特率、上传功率以及边缘转码比特率和频率。将 MDP 问题分解为帧间和帧内问题，以解决由连续-离散混合动作空间、时变状态和动作空间以及未知网络变化引起的关键设计挑战。

场次三、

时间：2023年2月27日（星期一）14:00-14:30

地点：beat365807B教室

报告题目一：基于酶成本最小化的通量模式预测算法研究

报告人：陈景宁

报告简介：代谢网络中的通量分布可以分解为基元通量模式（Elementary flux mode，EFM）的非负线性组合。通过在代谢网络中分解通量分布来识别潜在的基元通量模式，是研究系统生物学中代谢的一种有用方法。然而，生物化学上不可行的基元通量模式的出现、通量分布分解的非唯一性，以及确定的基元通量模式组合是否具有生物学意义，都阻碍了此类方法的应用。在本文中，我们提出了一种新的方法，通过最小化酶的质量来识别活性基元通量模式。我们的提出的方法称为EMMD（酶质量最小化分解），考虑了代谢网络模型中的热力学和酶学约束。通过实施EMMD，我们可以分解通量分布，以确定活性基元通量模式组合。我们通过将其应用于核心大肠杆菌代谢网络来展示我们方法的有效性，并表明EMMD识别的活性基元通量模式组合是唯一的。与现有方法相比，EMMD识别的活性基元通量模式更具生物学意义。因此，EMMD可能成为现有通量分解工具的有前途的补充。