1. 信息系统及安全对抗实验中心首页
  2. 科学研究
  3. 科研概况

科研概况

       北京理工大学信息系统及安全对抗实验中心(简称“中心”)其前身为信息与电子学院信息安全与对抗技术实验室。北京理工大学信息系统及安全对抗实验中心作为部级重点实验室、国家重点实验室的一部分,自1984年成立以来,一直从事网络安间安全、自然语言处理、医学信息处理等理论与技术的研究工作,主要研究内容包括:黑盒漏洞挖掘与利用,移动终端安全与对抗,信息安全与对抗工具,虚拟化动态安全,信息安全与对抗实践,信息安全数据挖掘等;汉语句义结构模型、深度文本表示学习、舆情态势感知和线索发现、信息安全数据挖掘等,糖尿病风险评估与健康促进,老年人健康综合评估等。团队在以上研究领域内取得了具备国内外先进水平的研究成果,拥有坚实的研究基础及技术能力;团队承担了大量科研项目,积累了丰富的成果和经验。

     科研特色:技术与应用并重,研究内容具有核心竞争力,研究成果应用价值大。
     科研项目:国家自然科学基金,国家科技支撑计划,国家863计划,国家242计划,卫生行业专项,与航天、电信、安全类等多部门的横向科研合作等。


1. 网络安全(网络安全技术应用)
      研究方向:系统漏洞挖掘与利用,网络渗透技术与工具,远程控制技术,移动终端安全与工具,虚拟化安全技术,信息安全对抗演练系统(个人挑战,分组对抗),软件加壳技术,信息安全评测与服务,安全事件等级判定,网络安全分级服务。

      拥有丰富的高强度复杂云平台实施经验,全国大学生(研究生)信息安全与对抗技术竞赛(ISCC)所使用的云平台支持多种版本、多种架构的操作系统的虚拟机,且具备虚拟机自动部署、自动恢复能力,在高强度攻防对抗演练中性能优异,管控便捷。已积累了大量的网络空间安全研究资源,包括:近15年来在各大国际安全会议上提出的操作系统攻击方法和攻击工具,并独立构建了超过50种针对计算机操作系统内核的攻击工具;研发了攻击、测试方法和工具的分类、管理、查询系统,收集了120余种网络安全常用工具和超过4000条漏洞信息;在所举办的信息安全与对抗技术竞赛(ISCC)中积累了包括操作系统攻防在内的400多道题目。主要项目包括:

  1. 虚拟化平台内核级恶意行为深度检测与动态防御
  2. 空天智能信息网络安全与对抗理论与技术
  3. 工程化智能系统安全检测与防护
  4. AI系统安全防护研究,智能机器人安全检测及攻击
  5. 基于人工智能的下一代网络异常检测系统
  6. 网络攻击威胁模拟系统
  7. 网络防护技能培训对抗演练系统
  8. 关键信息基础设施资产特征优化表达与多目标分类
  9. 信息安全意识评估方法
  10. 基于人工智能的恶意软件分析
  11. Android恶意软件检测机器学习模型攻击方法

2. 数据挖掘(数据挖掘技术应用及大数据处理)
      研究方向:2型糖尿病风险状态评估(高危预警),2型糖尿病患病风险预测,高危人群干预指标分析,高危人群干预效果仿真,老年人状态综合评估(多粒度体能分级、失能风险评估),膳食健康评估与指导,亚健康风险状态评估,基因芯片数据聚类与差异性分析,fMRI数据处理(糖尿病、吸毒),大数据分析与可视化。

      团队和北京医院联合构建了实测医疗信息数据库,目前数据规模为18万条。构建并实现了多个健康管理类原型系统应用系统,包括BFS-糖尿病患病风险状态判定系统(BFS-RSD: Risk States Determination,Cherry)、BFS-糖尿病患病风险状态判定批处理系统 (BFS-RSDB:Risk States Determination Batch, Grape)、BFS-膳食评估与指导系 统(BFS-DAG:Dietary Assessment and Guidance System,Apple)等,可供北京医 院等合作单位及公众免费使用,为数据持续性积累及应用化研究提供支撑。主要项目包括:

  1. 2型糖尿病发病临界性分析与状态预测技术研究
  2. 2型糖尿病及其并发症干预控制的研究
  3. 我国人群亚健康状态综合评价判定体系的研究
  4. 我国主要慢性疾病防治新方法、新技术的发展战略研究
  5. 多因素综合作用下的血糖变化趋势判定研究
  6. 预防控制老年相关疾病的研究
  7. 增龄变化与老年人常见临床问题的综合解决路径研究
  8. 具备自学习功能的自动驾驶系统控车算法委托开发合同
  9. 糖尿病患病风险多任务异质数据深度分析关键问题研究
  10. 预防控制老年相关疾病的研究
  11. 增龄变化与老年人常见临床问题的综合解决路径研究

3. 文本安全(句义结构模型及信息安全应用)
     研究方向:汉语句义结构模型分析,汉语句义标注语料库,短文本处理(过滤、聚类、分类等),句子相似度计算,文本表示模蓴,文本情感计算,多文档自动摘要(长文本、短文本),中文人名消歧,文本事件抽取,篇章语义表示,人物关系自动提取,热点事件发现。

      在GPU运算环境内搭建了TensorFlow、Theano、Caffe等多种深度学习框架,具有丰富的深度学习模型构建和调参经验,积累的数据资源包括5万句义标注语料,500万关键词生成训练语料,200万摘要生成训练语料等。已在云平台上搭建了句义结构自动分析系统、句义结构标注系统、问句生成系统、舆情分析系统。舆情分析系统又包括9个子系统:关键词爬虫、热词提取、热点话题提取、自动摘要、关键词提取、命名实体识别、相似文本过滤、情感倾向性分析、全文检索。主要项目包括:

  1. 基于内容的信息安全多重关联分析模型与关键技术研究
  2. 面向网络空间安全的语义分析关键理论与技术
  3. 多领域混杂文本的语义分析和表示模型研究
  4. 融合多粒度汉语句义信息的句子分布式表示
  5. 重点行业ICT供应链网络精确画像和安全风险分析
  6. 基于命名实体的大数据敏感信息分析识别技术
  7. 公安笔录数据语义分析(行为、关系取、脱敏等)
  8. 序列语法知识利用和关键词指导的生成式摘要方法
  9. 融合拓扑结构信息的用户线上行为预测方法

原创文章,作者:BFS,如若转载,请注明出处:https://www.isclab.org.cn/2014/09/15/%e7%a7%91%e7%a0%94%e6%a6%82%e5%86%b5/