<?xml version="1.0" encoding="utf-8"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom" xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005">
<channel>
<title cf:type="text"><![CDATA[中国科学院信息工程研究所《信息安全学报》编辑部 -->2026年第2期文章目次]]></title>
<item>
<title><![CDATA[基于模型遗忘的深度神经网络鲁棒性水印方法]]></title>
<link><![CDATA[https://jcs.iie.ac.cn/xxaqxb/ch/reader/view_abstract.aspx?file_no=20260201&flag=1]]></link>
<description><![CDATA[近些年来,深度神经网络(Deep Neural Networks,DNN)在许多前沿领域取得了巨大成功,比如图像、语音、自然语言处理。这些DNN模型为它们的开发公司团队带来了巨大的经济收益,同时,DNN模型的训练需要大量的数据资源和计算资源,其成本会随着模型参数量的增加而成倍增长。因此,一个训练良好的DNN模型对其所有者具有很高的价值。但不幸的是,高价值、训练良好的DNN模型正受到各种模型窃取攻击、滥用和非法分发等安全威胁。深度神经网络水印是一种保护模型版权的重要手段,根据水印是否嵌入到模型参数中,深度神经网络水印可以分为静态水印和动态水印。静态水印由于在验证过程中需要白盒权限难以在实际应用中使用,而向深度神经网络模型中添加验证样本和标签对映射的动态水印技术范式,面临着难以抵御水印移除攻击的威胁。因此现有水印方法存在鲁棒性不足的问题,导致其在实际部署应用中存在着大量风险与安全隐患。本文提出了一种基于模型遗忘的深度神经网络鲁棒性水印方法。与现有方法不同,该方法通过使用模型遗忘技术消除原有的样本映射嵌入水印,代替传统的添加样本标签映射方式,规避水印移除攻击的消除,从而极大地提高了水印的鲁棒性。具体来说,该方法使用基于样本相似度的样本选择方法筛选需要遗忘的样本,再通过梯度上升策略有针对性地遗忘部分训练样本的映射关系,以提高水印的鲁棒性。该方法有效应对多种水印移除攻击,并在CIFAR-10、CIFAR-100和TinyImageNet三个数据集上的实验中表现出优异的鲁棒性,面对多种水印移除攻击,本文方法水印提取有效性平均超过98%。]]></description>
<pubDate>2026/6/4 19:42:18</pubDate>
<category><![CDATA[]]></category>
<author><![CDATA[任纪星，许葳，汪润，李勃衡，张钰洋，王丽娜]]></author>
</item>
<item>
<title><![CDATA[基于视觉Transformer的鲁棒伪造语音检测算法]]></title>
<link><![CDATA[https://jcs.iie.ac.cn/xxaqxb/ch/reader/view_abstract.aspx?file_no=20260202&flag=1]]></link>
<description><![CDATA[在飞速发展的信息时代和数据时代,网络攻击对个人隐私、工作生活乃至生命财产安全带来了严重威胁。而主机作为人类进行日常工作交流、生活娱乐、数据存储的重要设备,成为网络攻击的主要目标。因此,进行主机攻击发现技术的研究是紧迫且必要的,而主机事件作为记录主机中一切行为的载体,成为当今网络攻防领域的重点研究对象。攻击者在主机中的各种恶意操作会不可避免地被记录为主机事件,但恶意事件隐藏在规模庞大的正常事件中难以察觉和筛选,引发了如何获取主机事件、如何识别并提取恶意事件、如何还原攻击过程、如何进行安全防护等一系列问题的学术研究。本文对基于主机事件的攻击发现技术相关研究进行了广泛的调研和细致的汇总,对其研究发展历程进行了梳理,并将本文所研究的基于主机事件的攻击发现技术与入侵检测、数字取证两大研究方向从分析对象、分析方法、作用时间、分析目的4个方面进行了对比,阐明了本文所研究问题的独特之处,并对其下定义。随后,本文对基于主机事件的攻击发现技术涉及的关键概念进行了解释,提出了该领域面临的依赖关系爆炸和及时性两大问题,并将研究按照阶段划分为主机事件采集、主机事件处理、主机事件分析三个类别,分别介绍了三个类别围绕两大问题共计12个细分方向的研究成果和进展,最后结合研究现状提出了主机事件记录的完整性和可信性、攻击发现的时效性、跨设备的攻击发现、多步骤攻击的发现、算法的运用等5个未来可能的研究方向。]]></description>
<pubDate>2026/6/4 19:42:18</pubDate>
<category><![CDATA[]]></category>
<author><![CDATA[张桐，邓俊龙，任延珍，王丽娜]]></author>
</item>
<item>
<title><![CDATA[面向语言模型的文本后门防御综述]]></title>
<link><![CDATA[https://jcs.iie.ac.cn/xxaqxb/ch/reader/view_abstract.aspx?file_no=20260203&flag=1]]></link>
<description><![CDATA[近年来,语言模型发展迅速,并在自然语言处理的多个领域得到广泛应用,展现出远超传统方法的性能。然而,语言模型复杂的结构和庞大的参数规模导致其工作机理难以解释,以后门攻击为代表的一系列安全威胁降低了语言模型的可靠性,限制了语言模型的推广。尽管针对语言模型的后门防御已有诸多研究,但大多数方法仍局限于传统训练范式,难以应对生成式预训练大语言模型的后门防御需求。此外,已有的文本后门防御方案缺乏统一分类标准,相关文献综述尚不全面,且对防御方案的对比分析不足。为系统总结相关研究,并为后续的相关研究提供有价值的参考,本文对前沿的文本后门防御方案进行总结和对比。首先,根据防御措施的实施阶段和防御方的目标需求,本文将目前主流的文本后门防御方案分为训练阶段防御(包括后门权重移除、正则化训练与数据集净化)和测试阶段防御(包括离线模型检测、在线输入检测和正则化解码),并介绍各类防御方案的代表性工作;随后,列举文本后门防御领域不同任务的常用数据集和评价指标;之后,结合主流的评价指标,综合分析主流文本后门防御方案对防御者能力的要求、计算开销以及其抵御主流文本后门攻击方法的防御性能,总结主流方案的局限性;最后,基于上述分析,本文展望文本后门防御领域的未来研究方向,包括探索通用防御方案、设计适用于生成式大语言模型的防御方案、探究多语种环境下的文本后门防御方案、开展文本后门的可解释性研究以及搭建文本后门防御评测平台。]]></description>
<pubDate>2026/6/4 19:42:18</pubDate>
<category><![CDATA[]]></category>
<author><![CDATA[吴宗儒，程彭洲，张倬胜，刘功申]]></author>
</item>
<item>
<title><![CDATA[多源安全日志威胁量化分析]]></title>
<link><![CDATA[https://jcs.iie.ac.cn/xxaqxb/ch/reader/view_abstract.aspx?file_no=20260204&flag=1]]></link>
<description><![CDATA[入侵检测系统(Intrusion Detection System,IDS)是保障网络安全的重要组成部分,用于识别和响应恶意活动。IDS主要依赖预设规则或分类算法来检测异常。基于规则的入侵检测根据预设规则对网络流量进行规则匹配,但由于其难以自动化适应特定场景,通常伴随高误报率。基于分类的入侵检测通过机器学习算法对网络流量进行良性或恶意的分类。上述方法难以实现细粒度的威胁程度评估,因为它们难以处理海量的安全日志并从中挖掘关键信息,以至于重要的威胁线索和信息维度被忽略。针对这一局限,本研究创新性地引入回归模型,提出一种新颖的安全日志威胁量化分析框架Themis,以实现对多源安全日志中威胁实体的威胁程度的评估和分析。Themis首先从多源Web安全告警日志中自动抽取出核心威胁实体,包括安全事件及潜在的恶意IP地址。然后设计全面的威胁表示维度,对抽取出的威胁实体进行多维度特征表示。针对安全日志中普遍存在的标注数据稀少及类别分布不均衡问题,Themis采用无监督学习技术对威胁样本进行特征增强,以提升模型的学习效能。最后,利用增强特征集训练回归评估模型,进行精细的威胁程度量化和回归分析。通过回归分析,我们深入探讨并确定了若干对威胁评估具有显著影响的维度;进一步的消融实验验证了基于特征增强的威胁评估策略的有效性。此外,系统比较了多种回归算法在威胁评估任务上的性能差异,同时提供了基于算法效果和复杂度的权衡分析与应用建议。]]></description>
<pubDate>2026/6/4 19:42:18</pubDate>
<category><![CDATA[]]></category>
<author><![CDATA[冯文英，顾钊铨，赵昂霄，罗翠，袁华平，胡宁]]></author>
</item>
<item>
<title><![CDATA[面向DeepFake伪造模型溯源的逃避攻击]]></title>
<link><![CDATA[https://jcs.iie.ac.cn/xxaqxb/ch/reader/view_abstract.aspx?file_no=20260205&flag=1]]></link>
<description><![CDATA[近年来,深度伪造技术(DeepFake)的泛滥引起了公众和知名人士的极大警觉。这些高度逼真的伪造图像以及视频可能大规模传播虚假信息,对声誉造成伤害,甚至可能引发社会动荡。为了应对生成的伪造图像及视频,DeepFake取证领域的研究得到了广泛关注。在当前的DeepFake取证研究中,DeepFake检测技术负责判断给定样本真实与否,而DeepFake溯源技术则旨在追溯生成该类Deepakes的伪造模型类型,为DeepFake检测提供更具解释性的结果。具体而言,DeepFake溯源可以分为模型-架构溯源和模型-实例溯源两类,其中模型-架构溯源仅推断使用的具体模型架构,而模型-实例溯源则试图识别具有特定训练设置的模型实例。而无论模型-架构溯源还是模型-实例溯源方法,都依赖于识别DeepFake生成过程中留下的特定痕迹,精明的攻击者可以破坏或篡改这些痕迹,从而使得溯源技术失效。本文观察到,用于模型溯源的特定痕迹同时存在于高频分量和低频分量中,并在溯源过程中起着不同的作用。基于此,本文首次提出一种无训练的逃避攻击方法——TraceEvader,并在最符合现实环境的无盒场景下进行了测试。具体来说,TraceEvader将从原始DeepFakes中学习到的通用模仿痕迹注入到高频分量中,并在低频分量中引入对抗性模糊,以混淆某些痕迹的提取过程,从而逃避模型溯源。本文对4种最先进的模型溯源技术进行了实验,评估其在8种生成模型(包括生成对抗网络(Generative Adversarial Networks,GAN)和扩散模型(Diffusion Models,DM))生成的伪造图像上的表现。结果表明,TraceEvader实现了79%的最高平均攻击成功率,并且在面对图像转换和专业去噪技术时依然表现出了良好的鲁棒性,平均攻击成功率保持在75%左右。TraceEvader证实了当前模型溯源技术的局限性,并提醒DeepFakes研究人员和从业者探索更强大的模型溯源技术。]]></description>
<pubDate>2026/6/4 19:42:18</pubDate>
<category><![CDATA[]]></category>
<author><![CDATA[吴梦洁，于佳艺，汪润，叶茜，张钰洋，蔺琛皓，方黎明，王丽娜]]></author>
</item>
<item>
<title><![CDATA[基于说话行为相关面部关键点的鲁棒伪造人脸检测方案]]></title>
<link><![CDATA[https://jcs.iie.ac.cn/xxaqxb/ch/reader/view_abstract.aspx?file_no=20260206&flag=1]]></link>
<description><![CDATA[生成式音视频的日趋逼真给伪造检测带来了巨大挑战,从社交媒体平台的虚假视频发布,到政治宣传中的误导性内容,其潜在风险无处不在。因此,针对伪造说话人脸视频的有效检测与防范机制变得尤为迫切和重要。然而,现有的主流深度伪造检测方法存在无法区分压缩痕迹和伪造痕迹的问题,导致其在检测高度压缩的视频和社交通信场景时准确率显著下降。为了解决这一问题,本文提出了一种基于说话行为相关面部关键点的鲁棒伪造说话人脸检测方案FALNet (Facial-Landmark based GraphAttention Network)。本文通过分析说话过程中的肌肉动态,设计了一个基于面部肌肉运动的邻接矩阵。该矩阵不仅保留了面部的拓扑信息,而且可以有效捕捉真假面部特征之间的差异。另外,考虑到时间特征在视频伪造检测中的重要性,本文同时对长短时特征进行建模。具体来说,FALNet首先使用图注意力网络捕获短时特征,随后将短时特征序列输入循环神经网络以进行长时特征建模。实验结果表明,FALNet在多个公开数据集的视频伪造子集上均取得了超过98%的检测准确率,相比于现有基于面部关键点的先进方法,FALNet的AUC值(Area Under the Curve)取得了0.6%~1.1%的提升,且在面对压缩时检测的AUC值保持在94%以上,具有良好的鲁棒性。]]></description>
<pubDate>2026/6/4 19:42:18</pubDate>
<category><![CDATA[]]></category>
<author><![CDATA[黄逸焕，彭荔，任延珍，王丽娜]]></author>
</item>
<item>
<title><![CDATA[大模型对齐攻击综述]]></title>
<link><![CDATA[https://jcs.iie.ac.cn/xxaqxb/ch/reader/view_abstract.aspx?file_no=20260207&flag=1]]></link>
<description><![CDATA[随着像ChatGPT这样的大型模型的问世,人工智能生成内容的安全性引起了越来越多研究者的关注。为了确保模型的最终行为与人类价值观一致,在模型应用部署过程中,对齐技术发挥了至关重要的作用。对齐技术通过微调或其他技术手段对不同的预训练模型进行调整,旨在提高他们在特定任务上的推理能力。针对对齐安全的攻击受到了学术界与工业界的广泛关注,但目前缺少一个针对大模型对齐攻击技术的系统性梳理。本文首先从部署态大模型的安全风险视角出发,对大模型整个部署过程中可能存在的安全漏洞和现有的大模型对齐技术进行了调查分析,对现有对齐攻击手段进行了全面调研,分析了针对部署态大模型的对齐攻击技术以及存在的安全威胁,并指出了对齐技术中存在的安全漏洞和潜在攻击手段。其次,本文从大模型的下游任务微调所带来的安全隐患的视角出发,分析了微调过程对大模型对齐安全性的破坏,还调研分析了微调过程中的一些行为可能引发对齐安全的漏洞。然后,本文从大模型的多模态发展的视角出发,介绍了多模态大模型(Multimodal Large Language,MLLM)的架构,充分总结和分析了模型不同模态之间的融合技术,并指出了由于MLLM输入的连续性带来的攻击隐蔽性的特点。最后,对大模型对齐攻击技术未来的发展方向进行了展望。通过深入探讨对齐攻击技术的现状和潜在风险,可以为学术界提供启发和新的研究思路与方向。]]></description>
<pubDate>2026/6/4 19:42:18</pubDate>
<category><![CDATA[]]></category>
<author><![CDATA[宫润森，王凯，张昱霖，张伟哲，乔延臣，张玉清]]></author>
</item>
<item>
<title><![CDATA[基于进程代数的SP网络结构密码形式化设计研究]]></title>
<link><![CDATA[https://jcs.iie.ac.cn/xxaqxb/ch/reader/view_abstract.aspx?file_no=20260208&flag=1]]></link>
<description><![CDATA[针对以往代换-置换(SP)网络结构密码算法的设计与实现主要依赖设计者的经验手工实现,导致设计过程中不可避免的主观性和不一致性的问题,本文提出了一种基于进程代数从组件层次描述SP网络结构密码的形式化设计方法。首先提出了面向密码算法开发的MCL元密码语言设计原则,为后续形式化描述奠定基础。其次,通过对SP网络结构密码的特点进行分析,基于进程代数提出了四大组件,对四大组件在设计SP网络结构密码算法中的使用进行了说明,用于对SP结构密码进行形式化设计描述。最后,通过该形式化设计方法,建立了TANGRAM密码算法和SM4密码算法的形式化模型,阐述了形式化模型设计在处理复杂的SP网络结构密码算法的关键难点和技术挑战,基于形式化模型搭建了密码算法的MCL元密码模型,同时在MetaCrypto平台下进行了正确性验证。验证结果表明,基于本方法能实现轻量级TANGRAM加密算法的设计与实现;同时,针对SM4密码算法中的SP网络结构也能正确地建模与实现;并与传统设计方法比较,形式化设计方法在系统性、准确性、可维护性和适用性方面均优于传统设计方法。这一设计方法不仅为SP网络结构密码的设计过程提供了坚实的理论基础,确保了设计的系统性和准确性,还为密码算法的形式化设计提供了一种创新性的途径。]]></description>
<pubDate>2026/6/4 19:42:18</pubDate>
<category><![CDATA[]]></category>
<author><![CDATA[张磊，许弘可，肖超恩，王建新，郑玉崝]]></author>
</item>
<item>
<title><![CDATA[HTTPFuzzer:强化学习引导的Web服务器程序灰盒模糊测试方法]]></title>
<link><![CDATA[https://jcs.iie.ac.cn/xxaqxb/ch/reader/view_abstract.aspx?file_no=20260209&flag=1]]></link>
<description><![CDATA[Web服务器作为互联网架构的核心组成部分,承载着海量的数据交互与业务逻辑处理,其安全性直接关系到整个信息系统的稳固。Web服务器程序作为关键组件,受到了攻击者的广泛关注。因此,对Web服务器程序的漏洞进行挖掘和修复至关重要。基于变异的灰盒模糊测试方法广泛应用于Web服务器程序的漏洞挖掘中,此类方法通常以真实的HTTP报文为“种子”,对“种子”进行变异以产生测试用例。测试用例的质量取决于“种子”变异位置的选择和变异算子的调度。现有方法在变异位置的选择和变异算子的调度方面主要遵循预设规则,盲目地遵循预设规则使变异缺乏针对性,效率较低,导致大量无效用例的产生,降低了模糊测试效率。针对上述问题,提出了HTTPFuzzer,一种强化学习引导的Web服务器程序灰盒模糊测试方法。HTTPFuzzer对种子的变异分为两个阶段。第一个阶段是变异位置探索阶段,首先对种子进行分段,将对各个段的探索转化成多臂老虎机问题。在对段的探索过程中,依据代码覆盖率和测试目标的反馈报文,筛选出使测试目标正常响应又能提高代码覆盖率的段作为变异域。第二个阶段是基于Q学习的变异算子调度阶段,这个阶段以提升代码覆盖率为目标,动态调整变异算子调度策略,使模糊器根据不同的变异域选择较优的变异算子实施变异。实验表明,HTTPFuzzer具备产生高质量测试用例的能力,对比基准方法能够在较短时间内覆盖更多的程序路径,并且能够较为快速地触发崩溃,发现漏洞。]]></description>
<pubDate>2026/6/4 19:42:18</pubDate>
<category><![CDATA[]]></category>
<author><![CDATA[陈乾，洪征，江川，张国敏，秦素娟，古津榜，崔帅]]></author>
</item>
<item>
<title><![CDATA[基于节点影响力和权重聚合签名的改进PBFT共识算法]]></title>
<link><![CDATA[https://jcs.iie.ac.cn/xxaqxb/ch/reader/view_abstract.aspx?file_no=20260210&flag=1]]></link>
<description><![CDATA[共识算法是区块链中确保数据达成一致的关键技术。实用拜占庭容错(Practical Byzantine Fault Tolerance,PBFT)共识算法能够有效解决拜占庭将军问题,凭借出色的容错性和高效性,被广泛应用于分布式系统、区块链等场景。但是PBFT共识算法存在着缺少奖惩机制、主节点选取方式可预测和通信开销大等问题,针对上述问题,本文提出了一种基于节点影响力和权重聚合签名的改进PBFT共识算法。首先,设计了信誉模型动态选取共识节点,依据节点类型给予不同程度奖惩,并设计了信誉恢复机制防止“寡头”节点产生;其次,建立影响力评估机制,提出一种新的结合整体和局部结构的K-Shell算法对共识节点进行影响力评估,识别共识网络中的关键节点。同时设计了基于节点影响力的可验证随机函数,在提高关键节点成为主节点概率的同时,使选取方式具有不可预测性;最后,提出权重聚合签名方案优化共识流程,通过赋予节点权重进行聚合签名,降低了共识过程的通信开销和签名量,提升了算法的共识效率。实验结果表明,与原始PBFT相比,本文算法的平均吞吐量提高了65.7%,平均时延降低了38.9%,有效地提高了系统共识效率,另外,与典型的PBFT改进算法相比,本文算法具有明显的性能优势,能更好地适用于大规模联盟链场景。]]></description>
<pubDate>2026/6/4 19:42:18</pubDate>
<category><![CDATA[]]></category>
<author><![CDATA[刘力汇，邓小鸿，刘勇，石亦燃，张丽]]></author>
</item>
<item>
<title><![CDATA[基于秘密共享的可验证分层洗牌协议设计及其应用方案]]></title>
<link><![CDATA[https://jcs.iie.ac.cn/xxaqxb/ch/reader/view_abstract.aspx?file_no=20260211&flag=1]]></link>
<description><![CDATA[现有的基于秘密共享的洗牌协议存在着一些问题,例如:多集中于理论框架的设计,缺少每一流程实现的具体算法;多采用公钥的解决方案,在处理大规模数据集时效率不是很高;缺乏一定的适用性,在一些应用领域不是很实用。鉴于这些局限,本文设计了一种基于秘密共享的可验证分层洗牌协议。与此同时,为了结合具体应用场景,本文还设计了一种基于洗牌协议的隐私保护方案。本协议通过不经意传输协议构建改进的份额转换算法,在不暴露原数据集的前提下完成了洗牌;利用Benes排列网络实现洗牌分层,将复杂的洗牌任务分为多个简易的子任务,提高了大规模数据下的效率;引入可验证的思想,从而使协议的安全性得到了有效保证。本文对所提出协议的正确性进行了严格分析;运用理想-现实模拟范式对安全性进行了评估;并与相应的协议在时间开销、安全性、算法时间复杂度等方面进行了对比分析。结果表明,本文提出的基于秘密共享的可验证分层洗牌协议能够满足恶意模型下的安全性标准;在处理大规模数据集时有一定的效率优势;提升了协议的适用性,进一步推广了在当下环境中的应用。]]></description>
<pubDate>2026/6/4 19:42:18</pubDate>
<category><![CDATA[]]></category>
<author><![CDATA[张艳硕，满子琪，周幸妤，杨亚涛，谢绒娜]]></author>
</item>
<item>
<title><![CDATA[Safety Classification Fine-tuning:一种提高大模型输出内容安全性的微调方法]]></title>
<link><![CDATA[https://jcs.iie.ac.cn/xxaqxb/ch/reader/view_abstract.aspx?file_no=20260212&flag=1]]></link>
<description><![CDATA[指令微调模型因其出色的指令理解和遵循能力在众多领域和任务中得到了广泛应用。然而这种能力也容易被恶意利用,诱导模型生成有害内容。目前,提高指令微调模型输出内容安全性的方法还存在一些不足,如安全微调会破坏模型的有用性,而且对越狱攻击的防御能力不足,借助预训练的内容审核模型进行内容过滤会降低模型的响应速度。针对这些问题,本文提出了一种新的微调方法SCFT (Safety Classification Fine-tuning)。这一动机是我们发现,指令微调模型之所以容易被滥用,是因为它缺少判别“指令-回复”安全性的能力,而模型最后一层解码器输出的隐藏状态中用来结束句子的EOS标记的词嵌入向量包含了整个句子的语义信息,非常适合用来判别句子的安全性。但模型的基础结构决定了它不具备分类能力。因此,我们在模型的输出层添加了一个新的分类头,在针对通用能力进行指令微调的同时训练该分类头基于句子的语义信息进行以“安全”/“不安全”为标签的分类任务,训练好的分类头就成为模型内部控制输出内容安全性的机制——“判别力机制”,使得微调后的模型能够在推理时主动判断指令和回复的安全性,并阻止不安全内容的输出。进一步分析发现,借助“判别力机制”,SCFT能够将模型有用性和安全性的训练目标统一起来,实现两者之间的更好平衡,还能使模型通用能力和安全能力的知识保持对称,并将安全性的训练数据扩展到预训练的数据分布中,增强模型安全能力的鲁棒性。实验结果表明,SCFT是一种资源高效的端到端(end toend)安全微调方法,它在不增加额外计算资源、不影响模型通用能力的前提下,将微调后模型的有害输出率降低了约91%,平均有害分数从超过4分降至1.36分(5分制,分数越高模型越有害),越狱攻击的有害率为0%。]]></description>
<pubDate>2026/6/4 19:42:18</pubDate>
<category><![CDATA[]]></category>
<author><![CDATA[于淼，孙磊，胡翠云，臧韦菲，郭松，胡鹏]]></author>
</item>
<item>
<title><![CDATA[面向大规模区块链网络的高效编辑方案]]></title>
<link><![CDATA[https://jcs.iie.ac.cn/xxaqxb/ch/reader/view_abstract.aspx?file_no=20260213&flag=1]]></link>
<description><![CDATA[区块链因其不可篡改性成为去中心化系统的信任基础,但这一特性也被滥用于存储暴力、色情及恐怖主义信息。变色龙哈希通过利用陷门信息在保持哈希值不变的情况下修改哈希内容,被视为实现区块链可编辑性的关键。现有方案或依赖中心化的变色龙哈希方法,使单一实体掌握编辑权限,削弱区块链可信度;或采用分布式变色龙哈希方法,虽保持可信度,但无法检测编辑过程中的恶意节点信息,导致系统使用错误信息维持运行,从而产生错误结果,浪费计算资源。此外,这些方案要么仍在区块链上包含被编辑信息,与区块链编辑理念不符,要么需全网节点参与安全计算生成陷门信息和掩码,导致<i>O</i>(<i>n</i><sup>3</sup>)的通信复杂度高,难以适应大规模网络。为此,本文提出了一种面向大规模网络环境的高效的区块链编辑方案。方案将区块的Merkle根生成过程由传统哈希函数替换为变色龙哈希函数,实现无痕编辑;通过代理节点聚合信息,将系统的通信复杂度从<i>O</i>(<i>n</i><sup>3</sup>)降至<i>O</i>(<i>n</i><sup>2</sup>),并利用同态加密保护陷门和掩码数据,实现编辑结果的加密聚合,消除陷门信息和掩码对节点的依赖;结合零知识证明和承诺机制,支持恶意节点识别与筛选,保障系统使用正确信息稳定运行。本文在四个城市部署211个区块链节点验证方案性能,结果表明,本方案效率优于现有方案,且性能优势随节点规模扩大更加显著。此外,方案在理想-现实模型下经过严格的安全性证明,体现出卓越的安全性和实际应用潜力。]]></description>
<pubDate>2026/6/4 19:42:18</pubDate>
<category><![CDATA[]]></category>
<author><![CDATA[高源芃，冯哲，刘雪峰，雷静，裴庆祺]]></author>
</item>
<item>
<title><![CDATA[基于时频特征的多源融合信息泄露检测方法]]></title>
<link><![CDATA[https://jcs.iie.ac.cn/xxaqxb/ch/reader/view_abstract.aspx?file_no=20260214&flag=1]]></link>
<description><![CDATA[密码芯片在运行过程中会同时产生能量消耗、电磁辐射等多种信息泄露,而信息泄露利用对密码设备的实际安全性造成严重威胁。泄露检测是评估密码设备信息泄露风险威胁的一项重要技术,主要通过假设检验的方式检测密码设备是否存在与敏感数据相关的信息泄露。仅对其中一种特定类型的信息泄露进行检测容易忽视多种信息泄露之间存在的内在关联性,故难以充分刻画密码设备的实际安全性。多源融合信息泄露检测是试图克服这一重要技术缺陷的新方向。本文提出基于时频特征的多源融合信息泄露检测方法,在确定性和非确定性检测两种场景,基于时频特征的多源融合信息泄露检测方法充分利用假设检验t-test、Hotelling’s T2-test、F-test、Wilk’s Lambda-test的特性,并将这四种假设检验方法与信息泄露的时域和频域特征进行融合,深入挖掘与敏感信息相关的信息泄露。本文通过频率信息泄露点密度、信噪比、维数等多种因素与检测出泄露所需侧信息数量的关系,分析了基于时频特征的多源融合信息泄露检测方法的可行性与适用性。实验结果表明,在采样点数量相同的情况下,与已有检测方法相比,本文新方法的误报率降低99.33%～99.97%;在确定性检测情况下,与已有检测方法相比,本文新方法检测出泄露所需侧信息数量降低15%～52%;在非确定性检测情况下,与已有检测方法相比,本文新方法检测出泄露所需侧信息数量降低29%～64%。]]></description>
<pubDate>2026/6/4 19:42:18</pubDate>
<category><![CDATA[]]></category>
<author><![CDATA[冯祺，周永彬，明经典，张倩]]></author>
</item>
<item>
<title><![CDATA[抵御推断攻击的在线社交网络用户位置隐私保护综述]]></title>
<link><![CDATA[https://jcs.iie.ac.cn/xxaqxb/ch/reader/view_abstract.aspx?file_no=20260215&flag=1]]></link>
<description><![CDATA[作为一种通过位置交互连接数字空间和物理空间的新型移动应用,在线社交网络能够为用户提供实时、便捷的在线服务。用户在使用服务时,其隐私位置信息因需要提交给在线服务而面临严重的泄露风险,包括设备劫持攻击、网络中间人攻击和服务器端推断攻击。本文针对服务器环境的潜在风险,立足在线社交网络的主要特点,分别对在线社交网络中特定推断攻击和组合推断攻击的防御方法与技术进行综述性研究,从攻防视角出发清晰呈现在线社交网络用户位置隐私研究的最新进展。首先,在对在线社交网络的位置服务模式与数据特征深入分析的基础上,对传统特定攻击场景和新型组合攻击场景下的攻击模型的机理进行了对比与总结。然后,从可抵御攻击的角度,对用户位置隐私保护方法的分类进行详细分析。针对特定推断攻击,将其抵御方法划分为针对解密攻击的数据加密、针对重识别攻击的身份干扰和针对位置推断攻击的位置失真;针对组合推断攻击,将其抵御方案归纳为针对三类同角度组合推断攻击的保护方案、针对三类双角度组合推断攻击的保护方案和针对全角度组合推断攻击的保护方案。通过对保护技术解析与归纳,总结了不同推断攻击抵御方案的区别与特点,全面描述了抵御效果的评价方法与指标。最后,对未来在线社交网络中的新型推断攻击与热点隐私保护研究方向进行了总结与展望,为本领域的研究提供思路指导和方法归纳。]]></description>
<pubDate>2026/6/4 19:42:18</pubDate>
<category><![CDATA[]]></category>
<author><![CDATA[马卓，曹玖新，王群，胥帅，夏玲玲]]></author>
</item>
<item>
<title><![CDATA[基于域适应的电磁泄漏还原图像中文文本识别]]></title>
<link><![CDATA[https://jcs.iie.ac.cn/xxaqxb/ch/reader/view_abstract.aspx?file_no=20260216&flag=1]]></link>
<description><![CDATA[计算机显示系统会在信息的传输和显示过程中产生电磁泄漏,利用TEMPEST技术(Transient Electromagnetic Pulse Emanation Surveillance Technology),可以很容易地将辐射的电磁信息截获,在通过电磁泄漏途径获取的视频图像中,图像中的文字往往含有十分重要的信息,也是我们更为关注的内容,因此对于从电磁泄漏途径得到的图像,其文字区域的识别是一项至关重要的工作,然而通过接收机接收的电磁泄漏的视频信号信噪比很低,然而通过接收机接收的电磁泄漏的视频信号信噪比很低,这使得还原的图像难以进行有效的文本识别。现有的针对低信噪比中文文本图像的文字识别工作非常少。在本文中,我们提出了一种基于域适应思想的CRNN (Convolutional Recurrent Neural Network)文字识别模型。该模型用电磁泄漏环境下采集的无标注文本图像作为目标域数据,正常的带标注文本图像作为源域数据,将卷积神经网络(Convolutional Neural Network,CNN)结合上域判别模块(Domain Discrimination Module,DDM),然后采用半监督学习的训练方式使得卷积神经网络最终提取的特征层是带随机噪声的目标域数据集和正常的源域数据集的公共特征,由于是两者的公共特征,因此也就最小化各种随机噪声带来的影响,并且可以最大化地利用这些鲁棒的公共特征来进行后续的字符分类。提升了真实噪声环境条件下的文字识别准确率。本文模型在电磁泄漏还原实景下的公开数据集RCTW-17、CASIA-10上进行了测试,评价指标为精确率(Precision)和归一化平均编辑距离(Normalized Average Edit Distance,NAED),相比于主流的识别模型,基于域适应的CRNN对于电磁泄漏还原的文本图像的精确率和归一化平均编辑距离有了明显的提升。]]></description>
<pubDate>2026/6/4 19:42:18</pubDate>
<category><![CDATA[]]></category>
<author><![CDATA[吕志强，于超，李海洋，张宁]]></author>
</item>
<item>
<title><![CDATA[轻量级虚拟化技术安全研究综述]]></title>
<link><![CDATA[https://jcs.iie.ac.cn/xxaqxb/ch/reader/view_abstract.aspx?file_no=20260217&flag=1]]></link>
<description><![CDATA[随着以容器技术为代表的轻量级虚拟化技术飞速发展,其在云计算领域中的地位也越来越重要。轻量级虚拟化技术不为虚拟实例创建单独的操作系统,而是使用各种内核机制来进行实现CPU、内存、网络和文件系统的隔离,可以更高效、灵活地实现硬件基础设施资源的充分利用、合理分配和有效调度,为云计算带来了云原生等新的技术架构和运维模式。同时由于同一宿主机上的轻量化虚拟实例间共享操作系统内核、缺乏针对镜像库的有效检测手段等,轻量级虚拟化技术相较于传统虚拟机技术安全隔离手段较弱且引入了新的安全风险,为云计算技术带来了新的安全挑战,引起学术界和工业界的广泛关注,但其安全性缺少系统性的研究。为体系化了解轻量级虚拟化技术的安全研究进展和现状,本文对轻量级虚拟化技术的安全问题以及解决方案进行了深入研究分析。首先对轻量级虚拟化技术的架构特点和应用场景进行了概述,按照分层模型对轻量级虚拟实例层、宿主机层及硬件层等对象面临的攻击威胁进行了分类综述,并概述了镜像库及其他配套系统存在的安全脆弱性。然后,根据安全解决方案所属的系统层次对已有的安全防御方法和机制进行了深入介绍,并对其防御原理、可应对的网络攻击类型、实现方案及优缺点进行了详细分析和总结。最后,展望了轻量级虚拟化技术安全未来的发展趋势和后续的研究方向,认为强化虚拟隔离、保障镜像安全检测、统一安全评估技术标准是提高轻量级虚拟化技术安全性的有效方法。]]></description>
<pubDate>2026/6/4 19:42:19</pubDate>
<category><![CDATA[]]></category>
<author><![CDATA[孔同，王利明，徐震，马多贺]]></author>
</item>
<item>
<title><![CDATA[基于时序特征和结构特征的社交网络谣言检测方法]]></title>
<link><![CDATA[https://jcs.iie.ac.cn/xxaqxb/ch/reader/view_abstract.aspx?file_no=20260218&flag=1]]></link>
<description><![CDATA[随着社交网络的快速发展,越来越多的人在社交网络平台获取或分享信息。但是,在收获便利的同时,也为谣言提供了新的传播媒介。谣言的传播严重影响网络空间清朗环境的建设,开展自动化谣言检测至关重要。现有基于深度学习的谣言检测模型往往基于内容特征或传播特征展开,而这些基于传播特征的模型要么只关注传播过程中的时序关系,或是仅挖掘谣言传播网络的结构特征来识别谣言,不能很好地学习一个全面的特征表示描述谣言传播过程中的时间和空间变化,限制了谣言检测的性能。针对此问题,本文提出一种通用的基于时序特征和结构特征的谣言检测方法,共同探索谣言传播过程中的时间模式与传播树结构特征,学习一个全面的谣言特征表示,提高谣言检测的性能。为评估模型的有效性,本文在3个谣言真实数据集进行实验。实验结果表明,本文方法平均获得了4.8%准确率绝对提升。大量实验验证了所提方法在谣言检测的有效性。]]></description>
<pubDate>2026/6/4 19:42:19</pubDate>
<category><![CDATA[]]></category>
<author><![CDATA[卫玲蔚，胡斗，鲍祎楠，周薇，杨近朱，虎嵩林]]></author>
</item>
<item>
<title><![CDATA[跨社交网络用户身份链接回顾与展望]]></title>
<link><![CDATA[https://jcs.iie.ac.cn/xxaqxb/ch/reader/view_abstract.aspx?file_no=20260219&flag=1]]></link>
<description><![CDATA[随着互联网的飞速发展,社交网络平台(又称在线社交网络)也日益普及和多样化,为了更好地利用每个社交网络平台提供的服务,用户往往会加入多个社交网络平台。链接同一个自然人在不同社交网络平台中的账户,称为用户身份链接。通过用户身份链接可以充分了解用户的兴趣,极大地丰富用户画像,进而用于数字营销和推荐系统。本文首先通过回顾用户身份链接方法在发展过程中所使用的不同特征类型,提出了一种用户身份链接问题的通用形式化定义,适用于属性、网络、内容、行为等各种特征类型及其任意组合。然后根据用户身份链接的特征提取和模型构建两个阶段对现有用户身份链接方法进行了分类分析,并分别从性能、计算开销、鲁棒性维度对各类方法进行了比较和评价。而后分析了现有方法使用的不同数据集和评价指标,说明了数据集的主要获取方式,并给出了目前用户身份链接领域无公开公认的基准数据集的原因。最后讨论了用户身份链接存在的问题与挑战,展望了用户身份链接的未来研究趋势。本文通过提出一种用户身份链接问题的通用定义、比较分析已有用户身份链接方法、讨论存在的问题和展望未来研究趋势,将用户身份链接问题的现状和未来以清晰的结构化的方式进行分析展示,有助于研究人员对该领域的相关研究形成系统性的理解和把握,进而做出更加深入的研究工作。]]></description>
<pubDate>2026/6/4 19:42:19</pubDate>
<category><![CDATA[]]></category>
<author><![CDATA[薛晖，孙波，司成祥，张伟，房婧]]></author>
</item>
<item>
<title><![CDATA[一种基于RLWE的三方口令认证密钥交换协议]]></title>
<link><![CDATA[https://jcs.iie.ac.cn/xxaqxb/ch/reader/view_abstract.aspx?file_no=20260220&flag=1]]></link>
<description><![CDATA[随着量子理论研究的突破性进展,传统公钥密码体制将在多项式时间内被破解,设计后量子密码算法更加紧迫。格密码方案可以有效抵抗量子计算机攻击,具有可移植性强、易于实现等优点,已成为当前研究的热点。提出了一种基于格上RingLearning with Errors (RLWE)问题的三方口令认证密钥交换(Three-party Password Authenticated Key Exchange,3PAKE)协议,使用${\tilde{D}}_{4}$<sub>4</sub>格解码方法构造错误协调机制,通过口令提供三方身份认证,最终在客户端之间生成会话密钥。在Bellare Pointcheval Rogaway (BPR)模型中,证明了协议满足相互认证安全、弱完美前向安全、会话密钥安全,且能抵抗口令猜测字典攻击。与其他3PAKE协议相比,设计的隐式认证结构显著减少了哈希计算次数,采用的误差协调机制允许更大的容错距离,在平衡维度、模数、标准差、错误率并选择合适的参数之后,将协议错误率降低至2<sup>-61</sup>,模数缩小至12289,进一步减少了计算量与通信量。在C++上结合NFL (NTT-based Fast Lattice)加速算法对协议进行了实现,实验结果表明,协议实现了高达17倍的加速,具有255比特量子安全性。]]></description>
<pubDate>2026/6/4 19:42:19</pubDate>
<category><![CDATA[]]></category>
<author><![CDATA[王梓梁，顾小卓，任培欣]]></author>
</item>
</channel>
</rss>