-
题名区块链环境下的新型网络隐蔽信道模型研究
被引量：19
- 1
-
-
作者
李彦峰
丁丽萍
吴敬征
崔强
刘雪花
关贝
-
机构
中国科学院软件研究所并行软件与计算科学实验室
中国科学院大学计算机科学与技术学院
广州中国科学院软件应用技术研究所电子数据取证实验室
中国科学院软件研究所智能软件研究中心
中国科学院软件研究所互联网软件技术实验室
中国科学院软件研究所协同创新中心
-
出处
《通信学报》
EI
CSCD
北大核心
2019年第5期67-78,共12页
-
基金
国家重点研发计划基金资助项目(No.2016QY01W0200)
国家自然科学基金面上基金资助项目(No.61772507)
广州市科技计划基金资助项目(No.201802020015)~~
-
文摘
区块链是随着数字货币商品兴起的去中心化基础架构,具有安全可信、顽健性高等特点。首次提出区块链环境下的网络隐蔽信道模型,具有抗干扰性、抗篡改性、多线路通信性、接收方匿名性、线路无关性,可以克服现有网络环境下的隐蔽信道特性缺陷等弊端。首先提出了区块链网络隐蔽信道模型,用形式化方法建模并证明了抗干扰性和抗篡改性;其次构建了基于业务操作时间间隔的区块链网络隐蔽信道的场景;最后提出了包含抗检测性、顽健性、传输效率的区块链网络隐蔽信道评估向量,为基于区块链环境的新型网络隐蔽信道的实用化奠定了理论基础。
-
关键词
网络隐蔽信道
区块链
抗干扰性
抗篡改性
链式存储
-
Keywords
network covert channel
blockchain
anti-interference
anti-tamper modification
chained storage
-
分类号
TP309.2
[自动化与计算机技术—计算机系统结构]
-
-
题名面向纵向联邦学习的对抗样本生成算法
被引量：1
- 2
-
-
作者
陈晓霖
昝道广
吴炳潮
关贝
王永吉
-
机构
中国科学院软件研究所协同创新中心
中国科学院大学计算机科学与技术学院
中国科学院软件研究所集成创新中心
-
出处
《通信学报》
EI
CSCD
北大核心
2023年第8期1-13,共13页
-
基金
国家自然科学基金资助项目(No.61762062)。
-
文摘
为了适应纵向联邦学习应用中高通信成本、快速模型迭代和数据分散式存储的场景特点,提出了一种通用的纵向联邦学习对抗样本生成算法VFL-GASG。具体而言,构建了一种适用于纵向联邦学习架构的对抗样本生成框架来实现白盒对抗攻击,并在该架构下扩展实现了L-BFGS、FGSM、C&W等不同策略的集中式机器学习对抗样本生成算法。借鉴深度卷积生成对抗网络的反卷积层设计,设计了一种对抗样本生成算法VFL-GASG以解决推理阶段对抗性扰动生成的通用性问题,该算法以本地特征的隐层向量作为先验知识训练生成模型,经由反卷积网络层产生精细的对抗性扰动,并通过判别器和扰动项控制扰动幅度。实验表明,相较于基线算法,所提算法在保持高攻击成功率的同时,在生成效率、鲁棒性和泛化能力上均达到较高水平,并通过实验验证了不同实验设置对对抗攻击效果的影响。
-
关键词
机器学习
纵向联邦学习
对抗样本
对抗攻击
深度卷积生成对抗网络
-
Keywords
machine learning
VFL
adversarial sample
adversarial attack
DCGAN
-
分类号
TP309.2
[自动化与计算机技术—计算机系统结构]
-
