高效的大数据驱动的网络系统安全分析

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    61872180
  • 项目类别:
    面上项目
  • 资助金额:
    68.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    F0205.网络与系统安全
  • 结题年份:
    2022
  • 批准年份:
    2018
  • 项目状态:
    已结题
  • 起止时间:
    2019-01-01 至2022-12-31

项目摘要

Along with the flourish of various smart devices and communication technologies, networked systems take more critical and broader tasks, and therefore valuable data they possess keep increasing. This makes networked systems a major target to the adversary and has attracted a new type of attack, which are the Advanced Persistent Threat (APT) or similar attacks. APT performs a set of complex and stealthy attack steps combined with multiple attack techniques, so that traditional security mechanisms cannot effectively detect them. Inspired by the technology advance in the field of big data, this proposal aim to research on the big data driven security analytics system and technologies for networked systems. Based upon large scale system activity data, It investigates highly-efficient computation, detection and querying techniques to actively capture and analyze potential APT or similar attacks in networked systems. Research plan includes the big data analytics system for security purpose, temporal estimation of risky conditions, anomaly detection with low false alarms, and complex attack investigation querying.
随着各式各样计算设备和信息网络的繁荣,网络系统汇集了越来越多的有价值信息,承担了更加关键和多元的任务。与此同时,以高级持续性威胁为代表的新攻击类型也不断突破网络系统的安全保护,造成了极大的网络空间和现实世界的双重危害。这类攻击采取时间跨度较长的复杂攻击步骤,每一步的隐匿性和多样性也很高,传统的安全机制往往难以发现。但是,近年来大数据的兴起带来了通用数据技术的提高,为新安全机制的研制奠定了基础。因此,本项目提出网络系统环境下大数据驱动的安全分析系统与技术的研究。该研究针对网络系统产生的大量行为数据,结合高效的计算、检测和查询技术来充分发掘其中所蕴含的安全相关信息,主动分析应对潜在的高级持续性威胁等新型攻击。研究内容包括安全大数据的系统架构,时间维度的安全状态监控,低误报的安全异常报警,以及复杂攻击行为的查证。预期的研究成果将可以高效地利用安全大数据来分析非确定性攻击和保护网络系统安全。

结项摘要

随着5G技术的不断发展和人工智能技术的不断成熟,智能网络系统在整个社会的生产和生活中发挥了越来越重要的作用。然而以高级持续性威胁、隐私安全隐患等为代表的新型攻击很大程度制约着智能系统的进一步发展,甚至为个人乃至国家安全带来严重威胁。万物的泛在互联和深度的人机交互带来的海量数据为传统的安全机制提供了变革的新思路。因此,本项目针对多场景下的智能网络系统,设计并实现数据驱动的智能安全分析系统。该系统以新的安全数据架构为基石,从安全状态监控、异常行为报警和攻击行为查证三个角度切入,对各类新型攻击方式进行分析并提供防御方案,为人工智能、万物互联等新技术的安全应用落地提供基础保障。相关成果包括产出相关方向CCF-A/B/C类会议/期刊论文21篇,申请/授权相关国内/国际发明专利15项,培养网络系统安全领域博士/硕士研究生14人。代表性成果包括相关论文获得安全领域国际顶级会议CCS最佳论文提名奖和两个国际会议的最佳学生论文奖;指导的博士毕业论文获得中国中文信息学会2022年度“优秀博士学位论文”,江苏省计算机学会“优秀博士学位论文”和ACM SIGBED China“优博奖”;相关技术转化被蚂蚁金服称为“从0到1”落地的面向十亿量级移动设备的协同安全保护机制,以及已经部署保护国电机密特高压变电站现场的性能国内一流的产学研设备产品。

项目成果

期刊论文数量(4)
专著数量(0)
科研奖励数量(4)
会议论文数量(20)
专利数量(15)
自动驾驶系统中视觉感知模块的安全测试
  • DOI:
    10.7544/issn1000-1239.20211139
  • 发表时间:
    2022
  • 期刊:
    计算机研究与发展
  • 影响因子:
    --
  • 作者:
    吴昊;王浩;苏醒;李明昊;许封元;仲盛
  • 通讯作者:
    仲盛
Stealthy Backdoors as Compression Artifacts
作为压缩工件的隐形后门
  • DOI:
    10.1109/tifs.2022.3160359
  • 发表时间:
    2021-04
  • 期刊:
    IEEE Transactions on Information Forensics and Security (TIFS)
  • 影响因子:
    --
  • 作者:
    Yulong Tian;Fnu Suya;Fengyuan Xu;David Evans
  • 通讯作者:
    David Evans
RF-Badge: Vital Sign-based Authentication via RFID Tag Array on Badges
RF-Badge:通过徽章上的 RFID 标签阵列进行基于生命体征的身份验证
  • DOI:
    10.1109/tmc.2021.3097912
  • 发表时间:
    2021
  • 期刊:
    IEEE Transactions on Mobile Computing (TMC)
  • 影响因子:
    --
  • 作者:
    Jingyi Ning;Lei Xie;Chuyu Wang;Yanling Bu;Fengyuan Xu;Da-Wei Zhou;Sanglu Lu;Baoliu Ye
  • 通讯作者:
    Baoliu Ye
深度学习模型压缩与加速综述
  • DOI:
    --
  • 发表时间:
    2021
  • 期刊:
    软件学报
  • 影响因子:
    --
  • 作者:
    高晗;田育龙;许封元;仲盛
  • 通讯作者:
    仲盛

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

许封元的其他基金

面向智能边缘协同的数据信托安全与隐私
  • 批准号:
    62272224
  • 批准年份:
    2022
  • 资助金额:
    55.00 万元
  • 项目类别:
    面上项目
面向智能边缘协同的数据信托安全与隐私
  • 批准号:
  • 批准年份:
    2022
  • 资助金额:
    55 万元
  • 项目类别:
    面上项目

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码