本次报告围绕加密代理流量展开，首先阐述了代理流量识别的基本概念、研究背景和研究意义，然后介绍了代理识别或检测的研究现状。接着详细介绍了ProxyKiller和EO-EPTC两种现有研究方法，包括各自的算法设计及实验效果，并总结了当前方法存在的问题，最后展望了代理流量识别的可能发展方向。
2026082403401691原创文章，作者：bfs，如若转载，请注明出处：https://www.isclab.org.cn/2026/08/24/%e5%8a%a0%e5%af%86%e4%bb%a3%e7%90%86%e6%b5%81%e9%87%8f%e8%af%86%e5%88%ab/
代码自动编辑任务通过应用频繁出现的编辑模式对现有代码进行修改，能够提升软件开发的效率。CODIT方法将代码编辑过程建模为树结构变换和标记生成两个阶段。MODIT方法输入整合需要编辑…
Android操作系统是一个开放式的操作系统，保护这样一个开放平台，需要强有力的安全体系结构。Android系统拥有多层次的安全机制，可以灵活地满足用户各层次的安全需求。 1…
随着网络技术的飞速发展，其安全问题日益突出。虽然已经采取了多种网络安全防护措施，但是单一的安全防护措施没有综合考虑各种防护措施之间的关联性，无法从宏观角度评估网络安全性。网络安全态…
强化学习（Reinforcement learning ，RL ）是机器学习领域之一，研究如何通过一系列的顺序决策来达成一个特定目标。本次报告从强化学习的基本框架开始，介绍了强化学…
本报告讲述了cache侧信道攻击与防御基本分类及理论基础，给出了基于冲突和基于访问两类侧信道攻击和反制措施的基本概念，并对介绍基于映射随机化和基于隔离两类防御方法的文献进行了详细介…
联邦学习在为解决数据交换时的信息隐私安全及数据孤岛问题时被提出，现广泛应用的为横向联邦与纵向联邦，本次学术报告介绍了联邦学习的基本思路，并基于横向联邦说明了两种经典的参数更新和合并…
图神经网络模型的可解释性对于建立用户与决策模型之间的信任关系至关重要，为了安全、可信地部署图神经网络模型，需要提高图神经网络模型的可解释性和透明性。本次报告带大家了解图神经网络的可…
本报告介绍了联邦学习领域后门攻击与防御的基本概念、联邦学习的训练流程，分别聚合规则和聚类规则的后门防御算法进行具体说明，阐述了联邦学习领域后门攻击与防御的发展方向及个人思考。
人工智能模型安全是人工智能应用落地需要考量的重要问题，后门攻击威胁是人工智能模型安全的重要议题。本次学术报告以深度神经网络为后门攻击的对象，从深度神经网络训练的内部机理出发，通过了…
聚焦多模态意图识别场景下复杂意图理解与细粒度语义推理问题，概述文本、视频、音频等模态融合中的语义异构、噪声干扰、模态冲突与粗粒度表示的局限；重点介绍 LGSRR 基于大模型引导的细…
