您的位置: 专家智库 > >

范丹

作品数:5 被引量:48H指数:3
供职机构:中国科学院大学国家计算机网络入侵防范中心更多>>
发文基金:国家自然科学基金信息安全国家重点实验室开放基金北京市自然科学基金更多>>
相关领域:自动化与计算机技术更多>>

文献类型

  • 5篇中文期刊文章

领域

  • 5篇自动化与计算...

主题

  • 2篇社交
  • 2篇社交网
  • 2篇社交网络
  • 2篇网络
  • 1篇学习算法
  • 1篇异常检测
  • 1篇帐号
  • 1篇账号
  • 1篇智能卡
  • 1篇人人网
  • 1篇认证与密钥协...
  • 1篇认证与密钥协...
  • 1篇社会计算
  • 1篇数据挖掘
  • 1篇轻量
  • 1篇轻量级
  • 1篇自动机
  • 1篇自适
  • 1篇自适应
  • 1篇协商协议

机构

  • 5篇中国科学院大...
  • 4篇西安电子科技...
  • 3篇中国科学院

作者

  • 5篇张玉清
  • 5篇范丹
  • 2篇吕少卿
  • 1篇张格非
  • 1篇刘奇旭
  • 1篇倪平
  • 1篇李晓伟
  • 1篇闻观行
  • 1篇刘雪峰
  • 1篇杨京

传媒

  • 2篇通信学报
  • 1篇电子学报
  • 1篇计算机学报
  • 1篇中国科学院大...

年份

  • 3篇2015
  • 2篇2014
5 条 记 录,以下是 1-5
排序方式:
在线社交网络中异常帐号检测方法研究被引量:26
2015年
异常帐号检测是在线社交网络安全研究的关键问题之一.攻击者通过异常帐号传播广告、钓鱼等恶意消息以及恶意关注、点赞等行为严重威胁正常用户的信息安全和社交网络的信用体系,为此有大量的研究工作来检测社交网络中异常帐号.文中回顾了近年来在线社交网络中异常帐号检测的主要成果,阐述了异常帐号在不同发展阶段的表现形式以及检测异常帐号所面临的主要挑战,重点从基于行为特征、基于内容、基于图(Graph)、无监督学习四个方面总结了异常帐号检测方案,介绍了在实验过程中数据获取、数据标识以及结果验证的主要方法,并对未来异常帐号检测的研究趋势进行了展望.
张玉清吕少卿范丹
关键词:异常检测垃圾信息社会计算
改进的安全协议自适应分析算法
2015年
提出一种改进的安全协议自适应分析算法,即修正学习算法La*,解决部分教师缺乏经验的问题,并将字符集扩展为大字符集。对提出的修正学习算法,进行了正确性证明和复杂度分析。该修正学习算法将有助于提高安全协议自适应模型检测的效率、降低分析和设计成本、缓解状态空间爆炸并增强协议本身对环境和各种攻击手段的防御能力。
杨京范丹张玉清
关键词:安全协议学习算法
基于智能卡的强安全认证与密钥协商协议被引量:14
2014年
将认证与密钥协商(Authenticated Key Agreement,AKA)协议所需的一种强安全属性——抗临时密钥泄露攻击引入到基于智能卡和口令的AKA协议中,基于NAXOS方法分别提出了基于智能卡的两方强安全AKA协议和三方强安全AKA协议.同时,首次给出了包含临时密钥泄露攻击的基于智能卡和口令的AKA协议的安全模型,并在该模型下给了所提出协议的安全性证明.此外,文中还分析了抗临时密钥泄露攻击不能在仅使用口令的AKA协议中实现的原因.
李晓伟张玉清张格非刘雪峰范丹
关键词:认证与密钥协商协议
分享式Spam攻击的轻量级检测方案
2015年
Spam攻击是针对社交网络最主要的攻击方式,分享式Spam攻击具有Spam内容的存储与传播分离的新特性,目前没有有效的检测方案。针对这一问题分析了其攻击过程和特征,利用分享式Spam攻击传播和存储的特征设计了轻量级迭代检测算法LIDA,通过目标筛选和内容检测2个步骤实现对分享式Spam的检测。同时,轻量级算法避免了传统算法对每个用户都做深度检测的问题,更具实用性。通过人人网的4次迭代实验,共检测到9 568个Spam账号、30 732个Spam相册以及2 626 780条Spam URL,表明所提的检测算法对于分享式Spam攻击是行之有效的。
吕少卿范丹张玉清
关键词:社交网络人人网
基于群体特征的社交僵尸网络检测方法被引量:8
2014年
攻击者通过在社交网络中部署由大量社交僵尸账号组成的社交僵尸网络,对社交网络进行渗透,严重危害了社交网络和用户的信息安全.我们首次提出一种基于群体特征的社交僵尸网络检测方法.提取社交僵尸网络中账号注册时间集中、昵称相似和活跃时间一致3个群体特征,结合数据挖掘算法,设计一种社交僵尸网络的检测方法.在对新浪微博中48万个账号的检测实验中,检测出多个社交僵尸网络,共包含6 899个社交僵尸账号.较低的漏报率和误报率表明该方法对于社交僵尸网络和僵尸账号的检测是可行和有效的.
倪平张玉清闻观行刘奇旭范丹
关键词:社交网络数据挖掘
共1页<1>
聚类工具0