最新的特定安全攻防场景可以细化为两个研究方向：匿名通信网络的网站指纹防御和僵尸网络的域名生成，以此来介绍对抗样本在防御任务和攻击任务中的应用。网站指纹攻击可以从网站中提取流量模式，分析用户访问的网站以此来破坏隐私增强技术的保护。僵尸网络为了保证平稳运行需要利用域名生成算法隐藏C&C服务器的域名。本报告可以给大家对抗样本生成的研究提供两个最新视角。
特定安全攻防场景中的对抗样本生成方法-张荣倩原创文章，作者：bfs，如若转载，请注明出处：https://www.isclab.org.cn/2021/07/26/%e7%89%b9%e5%ae%9a%e5%ae%89%e5%85%a8%e6%94%bb%e9%98%b2%e5%9c%ba%e6%99%af%e4%b8%ad%e7%9a%84%e5%af%b9%e6%8a%97%e6%a0%b7%e6%9c%ac%e7%94%9f%e6%88%90%e6%96%b9%e6%b3%95/
元学习是人工智能领域继深度学习、深度强化学习、生成对抗之后，又一个重要的研究分支。模型无关元学（MAML）算法可以适用于多个领域，包括少样本的回归、图像分类，以及增强学习，并且使用…
网络嵌入（Network Embedding）是针对网络中节点进行特征学习的一项新兴的研究任务，它旨在将网络中的节点表示成低维、实值、稠密的向量形式，使得得到的向量形式可以在向量空…
CPU的性能提升是几十年来相关研究的重要主题，但随之而来的安全问题也愈发引起重视。其中推测执行漏洞因其种类多、隐蔽性高等问题使相关对抗方法的研究面临众多挑战，因此，如何提升CPU对…
机器学习在现实中常常遇到多分类问题，而一些优秀的二分类学习算法（如逻辑回归，SVM等等）不支持多分类任务。一…
本文介绍两种隧道流量识别方法：DecETT方法构建不同的损失解耦隧道流协议特征和应用语义特征，实现AF检测；Graphtunnel方法构建DNS递归解析图进行DNS隧道流量监测。未…
机器学习已经演化为了一种服务模式，即机器学习即服务模式。互联网公司或提供模型训练接口，或提供模型预测接口给用户以提供相应的服务。但是，在提供服务的整个过程中，机器学习模型不可避免的…
深度学习模型的鲁棒性解释方法旨在提升模型在面对输入扰动或对抗攻击时的解释一致性，是增强模型可信性和应用价值的重要研究方向。本次学术报告介绍了该领域的研究背景与发展现状，重点阐述了M…
大语言模型生成文本规模持续扩大，释义改写、词语替换和字符扰动等对抗攻击削弱了检测可靠性。本次学术报告聚焦机生文本检测攻防对抗，系统介绍基于释义逆变换与动态对抗训练的鲁棒防御方法，分…
本次报告介绍了源代码变更表征领域，其属于源代码表征领域的进一步研究工作，报告首先介绍领域研究目标、背景意义、发展脉络与基础框架，梳理显式与隐式信息交互两类代码变更表示学习方法；随后…
