检索结果-维普期刊中文期刊服务平台

基于LightGBM的以太坊恶意账户检测方法被引量：12: 1; 作者边玲玉张琳琳 +1 位作者赵楷石飞《信息网络安全》 CSCD 北大核心 2020年第4期73-80,共8页; 由于区块链匿名性的特点,以太坊逐渐成为恶意账户利用漏洞攻击、网络钓鱼等手段实施欺诈的平台。针对上述问题,文章提出了一种基于Light GBM的以太坊恶意账户检测方法。首先通过收集并标注8028个以太坊账户,基于交易历史规律提取手工特... 展开更多; 关键词区块链恶意账户检测以太坊 LightGBM; 在线阅读下载PDF 职称材料

基于区块链技术的虚假新闻检测方法被引量：8: 2; 作者龚胜佳张琳琳 +2 位作者赵楷刘军涛杨涵《计算机应用》 CSCD 北大核心 2022年第11期3458-3464,共7页; 虚假新闻不仅会导致人们形成错误观念,损害人们的知情权,还会降低新闻网站公信力。针对新闻网站出现虚假新闻的问题,提出一种基于区块链技术的虚假新闻检测方法。首先,通过调用智能合约为新闻随机分配审核者来判定新闻的真实性。然后,... 展开更多; 关键词区块链智能合约虚假新闻新闻网站博弈论; 在线阅读下载PDF 职称材料

基于敏感权限和API的Android恶意软件家族分类方法被引量：7: 3; 作者于媛尔张琳琳 +4 位作者赵楷方文波胡英杰宋鑫王晨跃《郑州大学学报（理学版）》 CAS 北大核心 2020年第3期75-79,91,共6页; 提出一种基于敏感权限和API的Android恶意软件家族分类方法,通过提取敏感权限和敏感API,将两部分特征进行融合,构建特征库,最后结合随机森林算法进行恶意软件的家族分类。实验结果表明,该方法的检测精确度达到98.4%,显著优于其他基线算... 展开更多; 关键词 ANDROID 恶意软件家族分类随机森林; 在线阅读下载PDF 职称材料

基于MobileNet的恶意软件家族分类模型被引量：10: 4; 作者曾娅琴张琳琳 +1 位作者张若楠杨波《计算机工程》 CAS CSCD 北大核心 2020年第4期162-168,共7页; 现有基于卷积神经网络(CNN)的恶意代码分类方法存在计算资源消耗较大的问题.为降低分类过程中的计算量和参数量,构建基于恶意代码可视化和轻量级CNN模型的恶意软件家族分类模型.将恶意软件可视化为灰度图,以灰度图的相似度表示同一家族... 展开更多; 关键词卷积神经网络恶意软件分类纹理特征 MobileNet v2模型 Softmax模型; 在线阅读下载PDF 职称材料

基于随机森林的Android恶意软件检测方法研究被引量：9: 5; 作者宋鑫赵楷 +1 位作者张琳琳方文波《信息网络安全》 CSCD 北大核心 2019年第9期1-5,共5页; 文章基于随机森林提出一种Android恶意软件检测方法。以Android的权限作为特征定义了有效权限,利用数据挖掘算法中的支持度和关联规则对权限进行分析,实现有效权限识别。文章构建了随机森林分类器,将有效权限矩阵作为分类器的输入进行... 展开更多; 关键词 Android恶意软件检测有效权限关联规则随机森林; 在线阅读下载PDF 职称材料

题名基于LightGBM的以太坊恶意账户检测方法被引量：12: 1; 作者边玲玉张琳琳赵楷石飞; 机构新疆大学信息科学与工程学院新疆大学网络空间安全学院; 出处《信息网络安全》 CSCD 北大核心 2020年第4期73-80,共8页; 基金国家自然科学基金[61867006] 新疆维吾尔自治区科技厅创新环境建设专项[PT1811] +2 种基金国家级大学生创新计划[201910755030]。; 文摘由于区块链匿名性的特点,以太坊逐渐成为恶意账户利用漏洞攻击、网络钓鱼等手段实施欺诈的平台。针对上述问题,文章提出了一种基于Light GBM的以太坊恶意账户检测方法。首先通过收集并标注8028个以太坊账户,基于交易历史规律提取手工特征;然后使用自动特征构造工具featuretools提取统计特征;最后通过融合的两类特征训练Light GBM分类器完成以太坊恶意账户检测。实验结果表明,文章提出方法的F1值为94.9%,相较于SVM、KNN等方法更加高效准确,引入手工特征有效提升了恶意账户的检测性能。; 关键词区块链恶意账户检测以太坊 LightGBM; Keywords blockchain malicious account detection Ethereum LightGBM; 分类号 TP309 [自动化与计算机技术—计算机系统结构]; 在线阅读下载PDF 职称材料

题名基于区块链技术的虚假新闻检测方法被引量：8: 2; 作者龚胜佳张琳琳赵楷刘军涛杨涵; 机构新疆大学信息科学与工程学院新疆大学网络空间安全学院; 出处《计算机应用》 CSCD 北大核心 2022年第11期3458-3464,共7页; 基金国家自然科学基金资助项目(12061071) 新疆维吾尔自治区创新环境(人才、基地)建设专项—自然科学计划(自然科学基金)(2019D01C062,2019D01C041,2019D01C205,2020D01C028)。; 文摘虚假新闻不仅会导致人们形成错误观念,损害人们的知情权,还会降低新闻网站公信力。针对新闻网站出现虚假新闻的问题,提出一种基于区块链技术的虚假新闻检测方法。首先,通过调用智能合约为新闻随机分配审核者来判定新闻的真实性。然后,调整审核者数量以确保有效审核者的数量,提高审核结果的可信度。同时设计激励机制,根据审核者的行为分配奖励,并运用博弈论分析审核者的行为和获得的奖励,为了获得最大利益,审核者的行为必须是诚实的。而后设计审计机制检测恶意的审核者,以提高系统的安全性。最后,利用以太坊智能合约实现了一个简易的区块链虚假新闻检测系统,并对虚假新闻检测进行了仿真,结果显示所提方法的新闻真实性检测的准确率达到了95%,表明该方法可有效防止虚假新闻的发布。; 关键词区块链智能合约虚假新闻新闻网站博弈论; Keywords blockchain smart contract fake news news website game theory; 分类号 TP309 [自动化与计算机技术—计算机系统结构]; 在线阅读下载PDF 职称材料

题名基于敏感权限和API的Android恶意软件家族分类方法被引量：7: 3; 作者于媛尔张琳琳赵楷方文波胡英杰宋鑫王晨跃; 机构新疆大学信息科学与工程学院新疆大学网络空间安全学院新疆大学软件学院; 出处《郑州大学学报（理学版）》 CAS 北大核心 2020年第3期75-79,91,共6页; 基金国家自然科学基金地区基金项目(61867006) 新疆维吾尔自治区科技厅创新环境建设专项(PT1811) +1 种基金新疆维吾尔自治区高校科研计划项目(XJEDU2017M005)。; 文摘提出一种基于敏感权限和API的Android恶意软件家族分类方法,通过提取敏感权限和敏感API,将两部分特征进行融合,构建特征库,最后结合随机森林算法进行恶意软件的家族分类。实验结果表明,该方法的检测精确度达到98.4%,显著优于其他基线算法,能够反映恶意软件的相似性和同源性。; 关键词 ANDROID 恶意软件家族分类随机森林; Keywords Android malware family classification random forest; 分类号 TP309 [自动化与计算机技术—计算机系统结构]; 在线阅读下载PDF 职称材料

题名基于MobileNet的恶意软件家族分类模型被引量：10: 4; 作者曾娅琴张琳琳张若楠杨波; 机构新疆大学软件学院新疆大学网络空间安全学院新疆大学信息科学与工程学院; 出处《计算机工程》 CAS CSCD 北大核心 2020年第4期162-168,共7页; 基金国家自然科学基金“移动学习情境感知模型研究”(61867006) 新疆维吾尔自治区科技厅创新环境建设专项“校园网安全审计数据共享和威胁情报分析平台”(PT1811) +1 种基金新疆维吾尔自治区高校科研计划项目—自然科学基金面上项目“基于异常模型的移动应用软件运行时行为检测方法研究”(XJEDU2017M005)。; 文摘现有基于卷积神经网络(CNN)的恶意代码分类方法存在计算资源消耗较大的问题.为降低分类过程中的计算量和参数量,构建基于恶意代码可视化和轻量级CNN模型的恶意软件家族分类模型.将恶意软件可视化为灰度图,以灰度图的相似度表示同一家族的恶意软件在代码结构上的相似性,利用灰度图训练带有深度可分离卷积的神经网络模型MobileNet v2,自动提取纹理特征,并采用Softmax分类器对恶意代码进行家族分类.实验结果表明,该模型对恶意代码分类的平均准确率为99.32%,较经典的恶意代码可视化模型高出2.14个百分点.; 关键词卷积神经网络恶意软件分类纹理特征 MobileNet v2模型 Softmax模型; Keywords Convolutional Neural Network(CNN) malware classification texture feature MobileNet v2 model Softmax model; 分类号 TP309 [自动化与计算机技术—计算机系统结构]; 在线阅读下载PDF 职称材料

题名基于随机森林的Android恶意软件检测方法研究被引量：9: 5; 作者宋鑫赵楷张琳琳方文波; 机构国防科技大学计算机学院新疆大学网络空间安全学院新疆大学信息科学与工程学院新疆大学软件学院; 出处《信息网络安全》 CSCD 北大核心 2019年第9期1-5,共5页; 基金国家自然科学基金[61867006] 新疆维吾尔自治区创新环境(人才、基地)建设专项(自然科学基金)联合基金[2019D01C062] 新疆维吾尔自治区高校科研计划[XJEDU2017M005]; 文摘文章基于随机森林提出一种Android恶意软件检测方法。以Android的权限作为特征定义了有效权限,利用数据挖掘算法中的支持度和关联规则对权限进行分析,实现有效权限识别。文章构建了随机森林分类器,将有效权限矩阵作为分类器的输入进行训练和测试。实验结果表明,文中方法的检测结果准确率达到92.84%,F值达到93.05%,明显优于其他检测模型。; 关键词 Android恶意软件检测有效权限关联规则随机森林; Keywords Android malware detection effective permission association rules random forest; 分类号 TP309 [自动化与计算机技术—计算机系统结构]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	基于LightGBM的以太坊恶意账户检测方法	边玲玉张琳琳赵楷石飞	《信息网络安全》 CSCD 北大核心	2020	12	在线阅读下载PDF 职称材料
2	基于区块链技术的虚假新闻检测方法	龚胜佳张琳琳赵楷刘军涛杨涵	《计算机应用》 CSCD 北大核心	2022	8	在线阅读下载PDF 职称材料
3	基于敏感权限和API的Android恶意软件家族分类方法	于媛尔张琳琳赵楷方文波胡英杰宋鑫王晨跃	《郑州大学学报（理学版）》 CAS 北大核心	2020	7	在线阅读下载PDF 职称材料
4	基于MobileNet的恶意软件家族分类模型	曾娅琴张琳琳张若楠杨波	《计算机工程》 CAS CSCD 北大核心	2020	10	在线阅读下载PDF 职称材料
5	基于随机森林的Android恶意软件检测方法研究	宋鑫赵楷张琳琳方文波	《信息网络安全》 CSCD 北大核心	2019	9	在线阅读下载PDF 职称材料