随着网络攻击日益复杂化，基于深度学习的入侵检测系统面临严峻的对抗性威胁。本次学术报告聚焦对抗样本的攻防研究，介绍了一种提升模型自身抗攻击能力的防御方法，以及一种能够有效甄别隐蔽对抗样本的检测方法，为构筑下一代鲁棒NIDS奠定了坚实基础。
基于深度学习的NIDS对抗样本检测与防御技术-袁梦佳原创文章，作者：bfs，如若转载，请注明出处：https://www.isclab.org.cn/2025/12/15/%e5%9f%ba%e4%ba%8e%e6%b7%b1%e5%ba%a6%e5%ad%a6%e4%b9%a0%e7%9a%84nids%e5%af%b9%e6%8a%97%e6%a0%b7%e6%9c%ac%e6%a3%80%e6%b5%8b%e4%b8%8e%e9%98%b2%e5%be%a1%e6%8a%80%e6%9c%af/
本报告介绍了漏洞检测的基本方法以及基于漏洞代码的漏洞评估的概念和评估方法。针对一种漏洞检测方式和一种漏洞评估方式进行了深入讲解，并探讨了漏洞检测和评估领域的现状，提出了一些未来发展…
二进制函数相似性分析在1-Day漏洞检测、代码克隆检测、恶意软件检测、软件剽窃检测和自动软件修复等多个应用领域中具有广泛的应用。本次学术报告主要讲解了二进制代码相似性检测技术的基本…
生成式对抗网络（GAN, Generative Adversarial Networks ）是一种深度学习模型，是近年来复杂分布上无监督学习最具前景的方法之一。本次学术报告将回顾关…
数据挖掘项目实战，主要以kaggle竞赛平台Titanic生存预测为例详细讲解数据挖掘项目的工作流程，具体包…
二进制代码反编译技术在漏洞检测、恶意代码分析等逆向工程领域中具有重要应用，显著提升了全检安全分析的效率与深度。该技术有助于高效理解和重构二进制程序，支持其修复、维护与再开发。本次报…
本次报告从BERT框架入手，讲解基于预训练的加密流量表征方法。首先介绍加密流量分析的问题和挑战，在基本概念部分着重分析BERT输入表示、预训练过程中的MLM和NSP任务，然后以ET…
当深度学习以惊人的准确性执行各种各样任务的同时，在图像分类等领域的深度神经网络却容易受到对抗样本的攻击，从而输出错误的预测结果。本次学术报告首先说明了对抗攻防的主要方法分类和残差网…
聚焦联邦学习与联邦图学习场景下的后门攻击检测与防御，概述分布式隐私保护训练中的隐蔽后门风险、Non-IID数据异构挑战与现有防御方法局限；重点介绍FedID基于曼哈顿距离、欧氏距离…
本次报告介绍了二进制函数相似性分析的发展历史和主要变革，讲解了二进制相似性分析的主要方法，重点介绍了结构特征、语义特征的概念及应用原理。
贝叶斯网络又称信度网络，是Bayes方法的扩展，是目前不确定知识表达和推理领域最有效的理论模型之一。从1988年由Pearl提出后，已经成为近几年来研究的热点.。
