导读:本文包含了深度防御论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:深度,网络安全,指纹,光大银行,网络,云安,网站。
深度防御论文文献综述
曾运强[1]（2019）在《一种基于深度防御的企业数据中心安全架构研究》一文中研究指出随着互联网的普及和使用,越来越多的企业开始构建自己的信息化系统,建设自己的数据服务中心,因此为了保障企业数据中心的安全运行,需要建立一个系统的、完善的企业数据中心安全架构,以便能够全方位保护数据中心,避免数据被非法分子盗窃、篡改,具有重要的作用和意义。(本文来源于《网络安全技术与应用》期刊2019年12期）
王靖文,杜皎[2]（2019）在《以可信为基 筑牢深度免疫防御体系》一文中研究指出安全是相对的,是一个持续的动态过程,从来没有一劳永逸的安全,没有永远的好机制、好方法。我们需要常怀不足之心,不断改进安全机制,打造防御体系,力争维护银行业务系统的持续稳定。通过对安全体系架构的持续改进,光大银行力求提供更完整高效的云安全服务。面向各类业务安全需求,支持Linux、Windows等不同类型版本的主机系统,能够适用于传统IDC、公有云、私有云、混合云等各种计算环境,并横跨物理机、云主机、虚拟机,甚至容器等各种业务环境,实现云工作负载安全保护的统一策略管理和入侵响应。该体系保持遵从企业管理和安全策略的能力,为光大银行云计算平台安全提供强有力的支撑。(本文来源于《中国金融电脑》期刊2019年08期）
何晓敏[3]（2019）在《基于深度学习的网站指纹攻击与防御技术研究和实现》一文中研究指出随着互联网技术的迅速发展,人们在享受便利网络服务的同时,也遭受着以隐私泄露为代表的各种网络安全问题。匿名网络通信技术通过隐匿通信双方的身份和关系可以有效的保护网络用户的个人隐私。但同时也存在恶意用户滥用匿名网络发布不良信息或从事违法犯罪活动,造成严重的社会危害。为了打击网络犯罪活动,保证网络监管的有效性,基于各种分类算法的网站指纹攻击技术应运而生。本文在分析以往网站指纹攻击和防御技术存在不足的基础上,提出了基于深度学习网站指纹攻击技术和基于对抗样本的网站指纹防御技术。提出了基于深度学习的网站指纹攻击技术。以往的网站指纹攻击模块使用传统机器学习算法进行分类,准确率依赖于特征选择的好坏,准确率存在上限且对抗网站指纹防御能力弱。本文提出的基于深度学习的攻击模型,通过其强大的特征学习和关系拟合能力,在当前最大的网站指纹数据集上实现了超过99%的分类准确率且能够很好的抵抗当前主流的网站指纹防御技术的防护。提出了基于对抗样本的网站指纹防御技术。以往的网站指纹防御技术不仅会导致网络带宽负载大幅度提高,而且无法抵御基于深度学习的网站指纹攻击。本文根据深度学习模型存在对抗样本攻击的弱点,提出了基于对抗样本的网站指纹防御方法,方法使用差分进化算法生成网站指纹对抗样本扰动策略,对网站指纹进行填充修改,不仅使传统的网站指纹攻击技术分类效果大幅度下降,而且使基于深度学习的网站指纹攻击技术分类准确率下降超过了61%。本文最后基于深度学习网站指纹攻击模型,结合实际应用场景,设计和实现了一个实时高效、交互友好的网站指纹攻击系统。(本文来源于《北京邮电大学》期刊2019-04-29）
梁怿,王磊,赵廉斌,马健[4]（2019）在《工业网络安全深度防御策略——以西气东输天然气管道SCADA系统网络为例》一文中研究指出在网络安全形势与挑战日益严峻、复杂的环境下,工业网络传统的单点式防御策略已不能满足当前网络安全形势的需要。基于互联网领域的立体式安全防护理念,根据工业网络防护特性,提出了在工业网络构建深度防御理念的方案:在工控终端部署基于白名单的安全系统,在局域网设置基于最小权限原则的访问控制策略,在网络边界增加缓解威胁的网络安全工具。将该方案应用于西气东输天然气管道SCADA系统网络进行4次渗透测试,经历了WannaCry、Petya等蠕虫病毒攻击的考验。结果表明:基于深度防御理念的网络安全防护策略能够有效防护来自工业系统外部和内部的攻击,极大提高了SCADA系统工业网络的安全性与可靠性。(图1,参23)(本文来源于《油气储运》期刊2019年06期）
丁顺莺[5]（2018）在《基于深度学习的大数据网络安全防御模式研究》一文中研究指出随着互联网、大数据等技术的快速发展和改进,人们已进入了"互联网+"时代,利用互联网开发了许多分布式管理系统,实现信息传输和共享,但是也面临海量的网络木马、病毒等攻击威胁,传统的网络安全防御模式一般都是等待威胁爆发之后才能启动,一定程度上给互联网带来损失,因此,已无法满足实际防御需求。为了解决上述问题,笔者提出引入一个先进的深度学习算法,为大数据网络构建一个主动式的防御系统,提高网络防御能力。(本文来源于《信息与电脑(理论版)》期刊2018年17期）
高晓阳,王刚[6]（2018）在《基于深度学习的空天防御态势感知方法》一文中研究指出空天防御态势感知是实现空天防御战场透明化,降低信息复杂度,提升空天防御作战指挥决策支撑能力的前提和基础。系统分析了未来空天防御战场态势感知面临的巨大威胁和挑战,提出了复杂信息对抗条件下态势信息数据挖掘、融合处理、意图预测的能力需求,在此基础上结合深度学习的特征提取能力,构建了基于深度学习理论的空天防御态势感知体系结构,最后探讨了关键技术,为未来空天防御态势感知技术的发展提供了新的思路。(本文来源于《火力与指挥控制》期刊2018年08期）
刘景云[7]（2018）在《实现系统多层次深度防御》一文中研究指出对于Windows来说,面临的安全形势是比较复杂的,例如病毒破坏,黑客入侵,流氓软件肆意胡为,木马悄然渗透等。轻则将系统搞得混乱不堪,重则丢失数据,造成系统崩溃等。如何保证系统安全,是不可忽视的问题。仅仅安装某个杀毒软件,是无法全面有效的抗击各种威胁。要想真正提高安全性,只有采用多层次的深度防御技术来实现,从而降低攻击者成功的几率,及时有效的发现潜在的威胁。(本文来源于《网络安全和信息化》期刊2018年08期）
周珂[8]（2018）在《基于深度学习的网络安全防御模式研究与设计》一文中研究指出随着互联网技术的发展和改进,越来越多的领域引入了互联网技术,互联网应用积累了海量的数据资源,其在为人们提供共享化便捷服务的同时也面临着安全威胁。传统的网络安全防御模式利用防火墙、访问控制规则等技术,无法及时地分析、识别潜在的风险,因此亟需深度学习技术,利用大数据挖掘分析网络中潜藏的安全威胁,启动杀毒软件,提高互联网的防御能力。(本文来源于《电脑迷》期刊2018年09期）
李传煌,吴艳,钱正哲,孙正君,王伟明[9]（2018）在《SDN下基于深度学习混合模型的DDoS攻击检测与防御》一文中研究指出软件定义网络(SDN,software defined network)作为一种新兴的网络架构,其安全问题一直是SDN领域研究的热点,如SDN控制通道安全性、伪造服务部署及外部分布式拒绝服务(DDoS,distributed denial of service)攻击等。针对SDN安全中的外部DDoS攻击问题进行研究,提出了一种基于深度学习混合模型的DDoS攻击检测方法——DCNN-DSAE。该方法在构建深度学习模型时,输入特征除了从数据平面提取的21个不同类型的字段外,同时设计了能够区分流类型的5个额外流表特征。实验结果表明,该方法具有较高的精确度,优于传统的支持向量机和深度神经网络等机器学习方法,同时,该方法还可以缩短分类检测的处理时间。将该检测模型部署于控制器中,利用检测结果产生新的安全策略,下发到Open Flow交换机中,以实现对特定DDoS攻击的防御。(本文来源于《通信学报》期刊2018年07期）
胡育铭[10]（2018）在《基于深度残差学习去噪的D-D模型对抗样本防御的研究》一文中研究指出最近几年,深度学习飞速发展,人工智能迎来了新的发展高潮,尤其在图像识别、自然语言处理、语音处理等多个领域已经超越了人类。但是深度学习算法、模型和数据集等方面依然面临着许多安全威胁,比如对抗样本攻击。对抗样本攻击简单的说就是向数据集的数据中添加不易察觉的扰动,导致分类器错误分类。目前对抗样本的防御集中在分类模型的改进,效果一般,许多模型后来都逐渐被对抗样本新的攻击算法所攻破。本文避开对模型鲁棒性的改进,通过对分类器需要分类的图像进行预处理去噪,将深度学习的图像去噪应用到对抗样本攻击的防御中。本文的工作主要有以下几个方面:由于对抗样本的噪声的特殊性,本文采用深层卷积神经网络去进行图像的去噪,利用深度网络学习噪声特征,提高去噪效果;由于传统的深度学习网络随着网络层数的增加会出现图像细节丢失等问题,利用残差学习反向去学习噪声的规律,可以很好的解决深度学习的梯度弥散等问题,并利用BN层和Relu层可以提高模型训练效率;提出D-D模型,通过两种不同的对抗样本的防御模型的迭加,提高对抗样本的防御的成功率,并通过理论和实验验证该方法对对抗样本防御的有效性;使用1-SSIM损失函数解决深度残差网络去噪造成的图像模糊的问题;提出L2和1-SSIM组合损失函数进行图像去噪清晰度和图像去噪效果的均衡。通过实验:(1)训练出深度残差网络最优参数,并将结果与其他去噪模型进行对比,本文的方法具有较好的对抗样本去噪效果。(2)修改原有的基于残差学习去噪模型DnCNN的损失函数,解决原模型去噪模糊等问题,提高了去噪效果。(3)D-D防御体系可以有效的提高对对抗样本攻击的防御能力,且对对抗样本攻击的防御具有很好的鲁棒性。(本文来源于《兰州大学》期刊2018-04-01）
深度防御论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
安全是相对的,是一个持续的动态过程,从来没有一劳永逸的安全,没有永远的好机制、好方法。我们需要常怀不足之心,不断改进安全机制,打造防御体系,力争维护银行业务系统的持续稳定。通过对安全体系架构的持续改进,光大银行力求提供更完整高效的云安全服务。面向各类业务安全需求,支持Linux、Windows等不同类型版本的主机系统,能够适用于传统IDC、公有云、私有云、混合云等各种计算环境,并横跨物理机、云主机、虚拟机,甚至容器等各种业务环境,实现云工作负载安全保护的统一策略管理和入侵响应。该体系保持遵从企业管理和安全策略的能力,为光大银行云计算平台安全提供强有力的支撑。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
深度防御论文参考文献
[1].曾运强.一种基于深度防御的企业数据中心安全架构研究[J].网络安全技术与应用.2019
[2].王靖文,杜皎.以可信为基筑牢深度免疫防御体系[J].中国金融电脑.2019
[3].何晓敏.基于深度学习的网站指纹攻击与防御技术研究和实现[D].北京邮电大学.2019
[4].梁怿,王磊,赵廉斌,马健.工业网络安全深度防御策略——以西气东输天然气管道SCADA系统网络为例[J].油气储运.2019
[5].丁顺莺.基于深度学习的大数据网络安全防御模式研究[J].信息与电脑(理论版).2018
[6].高晓阳,王刚.基于深度学习的空天防御态势感知方法[J].火力与指挥控制.2018
[7].刘景云.实现系统多层次深度防御[J].网络安全和信息化.2018
[8].周珂.基于深度学习的网络安全防御模式研究与设计[J].电脑迷.2018
[9].李传煌,吴艳,钱正哲,孙正君,王伟明.SDN下基于深度学习混合模型的DDoS攻击检测与防御[J].通信学报.2018
[10].胡育铭.基于深度残差学习去噪的D-D模型对抗样本防御的研究[D].兰州大学.2018
论文知识图
