王坚

作品数：31被引量：124H指数：7
导出分析报告
供职机构：空军工程大学防空反导学院更多>>
发文主题：恶意代码直觉模糊恶意意图识别网络更多>>
发文领域：自动化与计算机技术文化科学电子电信兵器科学与技术更多>>
发文期刊：《空军工程大学学报》《航空计算技术》《计算机技术与发展》《信息网络安全》更多>>
所获基金：国家自然科学基金陕西省自然科学基金国防科技技术预先研究基金中国博士后科学基金更多>>
-
在结果中检索

检索结果分析

署名顺序

  • 全部
  • 第一作者
结果分析中...
共 条 记 录，以下是1-10
全选清除导出
参考文献引证文献引用追踪
视图：
排序：
基于扩散模型的恶意代码数据集扩充方法
《空军工程大学学报》2025年第1期95-103,共9页李思聪 王坚 宋亚飞 王硕 冯存前 
国家自然科学基金(61806219,61703426,61876189);陕西省自然科学基础研究计划(2021JM-226);陕西省高校科协青年人才托举计划(20190108,20220106);陕西省创新能力支撑计划(2020KJXX-065)。
随着大数据的支撑,深度学习模型在计算机视觉和自然语言处理等领域展现出卓越的能力。然而,在恶意代码图像领域应用中,可能会出现训练数据不足的情况。由于部分恶意家族训练样本数量有限,无法充分描述整个数据集的分布特征,深度学习模...
关键词：恶意代码检测 扩散模型 恶意代码可视化 数据增强技术 U-Net 
基于深度学习的恶意代码检测综述被引量：1
《空军工程大学学报》2024年第4期94-106,共13页宋亚飞 张丹丹 王坚 王亚男 郭新鹏 
国家自然科学基金(61806219,61703426,61876189);陕西省科学基金(2021JM-226)。
恶意代码检测是网络空间安全领域的重要研究方向之一。在简要阐述恶意代码检测重大研究价值的基础上,结合国内外研究现状,总结了现有的基于深度学习的恶意代码检测技术及方法。首先,分别从静态、动态和混合检测方法多方面地梳理了传统...
关键词：恶意代码 恶意代码分类 恶意代码检测 深度学习 网络空间安全 
TriCh-LKRepNet:融合三通道映射与结构重参数化的大核卷积恶意代码分类网络被引量：1
《电子学报》2024年第7期2331-2340,共10页李思聪 王坚 宋亚飞 王硕 
国家自然科学基金(No.61806219,No.61703426,No.61876189);陕西省自然科学基金(No.2021Jm^(2)26);陕西省高校科协青年人才托举计划(No.20190108,No.20220106);陕西省创新能力支撑计划(No.2020KJXX-065)~~。
随着网络威胁的日益严峻,恶意代码的检测与分类变得尤为关键.传统分析方法依赖手动特征提取,不仅耗时且难以跟上恶意代码的快速变异.相比之下,深度学习技术在恶意代码分类方面展现出巨大潜力.然而,模型复杂度和资源消耗仍是实际部署的难...
关键词：恶意代码分类 恶意代码可视化 结构重参数化 大卷积核 汇编信息 语义关系 
基于Attention-BiTCN的网络入侵检测方法被引量：7
《信息网络安全》2024年第2期309-318,共10页孙红哲 王坚 王鹏 安雨龙 
国家自然科学基金[61703426,61876189]。
为解决网络入侵检测领域多分类准确率不高的问题,文章根据网络流量数据具有时序特征的特点,提出一种基于注意力机制和双向时间卷积神经网络(BiDirectional Temporal Convolutional Network,BiTCN)的网络入侵检测模型。首先,该模型对数...
关键词：入侵检测 注意力机制 BiTCN 双向滑窗法 融合特征 
基于BiTCN-DLP的恶意代码分类方法被引量：3
《信息网络安全》2023年第11期104-117,共14页李思聪 王坚 宋亚飞 黄玮 
国家自然科学基金[61806219,61703426,61876189];陕西省科学基金[2021JM-226];陕西省高校科协青年人才托举计划[20190108,20220106];陕西省创新能力支撑计划[2020KJXX-065]。
为应对不断升级的恶意代码变种,针对现有恶意代码分类方法对特征提取能力不足、分类准确率下降的问题,文章提出了基于双向时域卷积网络(Bidirectional Temporal Convolution Network,BiTCN)和池化融合(Double Layer Pooling,DLP)的恶意...
关键词：恶意代码分类 特征融合 双向时域卷积网络 池化融合 
基于BiTCN-SA的恶意代码分类方法被引量：2
《空军工程大学学报》2023年第4期77-84,共8页黄玮 王坚 吴暄 李思聪 
国家自然科学基金(61806219,61703426,61876189);陕西省自然科学基金(2021JM-226);陕西省高校科协青年人才托举计划(20190108,20220106);陕西省创新能力支撑计划(2020KJXX-065)。
当前恶意代码的对抗技术不断变化,恶意代码变种层出不穷,使恶意代码分类问题面临严峻挑战。针对目前基于深度学习的恶意代码分类方法提取特征不足和准确率低的问题,提出了基于双向时域卷积网络(BiTCN)和自注意力机制(Self-Attention)的...
关键词：恶意代码分类 特征融合 双向时域卷积网络 自注意力机制 
一种基于特征融合的恶意代码快速检测方法被引量：10
《电子学报》2023年第1期57-66,共10页王硕 王坚 王亚男 宋亚飞 
国家自然科学基金(No.61703426)。
随着恶意代码对抗技术的发展,恶意攻击者通过加壳、代码混淆等技术繁衍大量恶意代码变种,而传统恶意代码检测方法难以对其进行有效检测.基于恶意代码可视化的恶意代码检测方法被证明是一种能够有效识别恶意代码及其变种的新方法 .针对...
关键词：恶意代码 深度神经网络 特征融合 通道注意力机制 数据增强技术 恶意代码可视化 
IGAPSO-ELM:一种网络安全态势预测模型被引量：7
《电光与控制》2022年第2期30-35,共6页唐延强 李成海 王坚 王亚男 曹波 
国家自然科学基金(61703426);中国博士后科学基金(2018 M633680);陕西省高校科协青年人才托举计划(20190108)。
针对网络安全态势预测,为提高预测的精确度和预测算法的收敛速度,提出一种改进遗传粒子群算法优化极限学习机(IGAPSO-ELM)的预测方法。首先,改进GAPSO中的惯性权重和学习因子,通过定义动态指数函数使算法在执行的不同阶段实现两种参数...
关键词：网络安全态势预测 遗传粒子群算法 极限学习机 自适应调整 
基于Attention-DenseNet-BC的恶意软件家族分类方法被引量：5
《计算机科学》2021年第10期308-314,共7页李一萌 李成海 宋亚飞 王坚 
国家自然科学基金(61703426);陕西省高校科协青年人才托举计划(2019038);陕西省创新能力支撑计划(2019-065)。
恶意软件是互联网最严重的威胁之一。现存的恶意软件数据庞大,特征多样。卷积神经网络具有自主学习的特点,可以用来解决恶意软件特征提取复杂、特征选择困难的问题。但卷积神经网络连续增加网络层数会引起梯度消失,导致网络性能退化、...
关键词：恶意软件 DenseNet-BC网络 注意力机制 
临近空间无动力攻击器弹道优化设计研究
《弹箭与制导学报》2020年第6期111-115,共5页王莹莹 王坚 岳韶华 何苹 
中国博士后科学基金特别项目(2014T71008)资助。
针对临近空间无动力攻击器弹道优化设计问题,设计了弹道方案,并将弹道优化问题转化为有约束的非线性规划问题。结合弹道模型,采用基于均匀设计和偏最小二乘回归的响应面法,构造了目标函数和约束条件的响应面,以基于惩罚函数的遗传算法...
关键词：攻击器 临近空间 无动力 弹道 优化 
全选清除导出
共3页<123>
检索报告 对象比较 聚类工具 使用帮助 返回顶部