信息安全研究

Select

1. 数字社会的安全、隐私与治理

林璟锵, 郑昉昱, 任奎, 朱辉,

信息安全研究 2026, 12 (2): 98-.

摘要（244）

PDF （532KB）（142）

相关文章 | 多维度评价

Select

2. 状态感知的可信执行环境内核模糊测试方法

邱云飞, 郭梦鋆, 张强,

信息安全研究 2026, 12 (3): 198-.

摘要（175）

PDF （2080KB）（125）

可信执行环境(trusted execution environment, TEE)被广泛使用，其内核安全已成为一个重要的关注领域.模糊测试作为识别操作系统内核漏洞的有效方法，已广泛应用于TEE安全研究.然而，传统的模糊测试工具由于TEE的隔离性而不能直接用于TEE内核.覆盖引导的模糊器通常会丢弃触发新状态而覆盖相同代码的测试用例，限制了它们在发现漏洞方面的有效性.针对以上问题，提出了一种状态感知的TEE内核模糊测试方法.首先，设计了一种建模和跟踪方法，通过状态变量的值表示程序状态，保留触发新状态的测试用例，克服了覆盖引导的模糊器的局限性.其次，提出了新的通信方案以解决TEE的隔离性引发的问题.并提出了新的种子保存和选择算法，以更好地引导模糊器探索漏洞.最后，结合NGram模型指导测试用例生成过程，优化测试框架性能.目前已经实现了一个TrustyStatefuzz原型，并在fuchsia、自主开发的微内核操作系统nebula以及OPTEE上进行了模糊测试并评估.结果表明，TrustyStatefuzz在发现新代码和漏洞方面是有效的.它发现了9个未知漏洞和23个已知漏洞，比现有模糊测试工具Syzkaller提升13%的代码覆盖率和27%的状态覆盖率.

参考文献 | 相关文章 | 多维度评价

Select

3. 基于自适应裁剪的深度学习差分隐私保护方案

程宇航, 尚涛, 姜亚彤, 杜瑞忠,

信息安全研究 2026, 12 (6): 490-.

摘要（230）

PDF （1728KB）（123）

针对深度学习模型在差分隐私保护下存在效用下降以及理论隐私保护效果与实际效果偏差的问题，提出基于自适应裁剪的深度学习差分隐私保护方案.方案通过4步机制实现优化：梯度自适应裁剪自适应调整梯度裁剪阈值控制训练时梯度大小，实现对后续添加噪声大小的控制；分组标签选择，通过选取梯度最小的组作为隐私保护对象，训练该分组能够得到更准确的隐私损失；优化的隐私损失计算通过结合基于子采样的高斯机制，减小模型隐私损失计算的开销；优化的梯度自适应下降，通过调整条件平滑参数实现梯度的自适应下降，提升模型的可用性.在VGG(visual geometry group)架构下训练MNIST，CIFAR10，MedicalMNIST数据集，结果表明采用该方案训练后模型准确率分别为81.08%，72.30%，67.91%，相比传统的差分隐私随机梯度下降(differential privacy stochastic gradient descent, DPSGD)方法分别提升15.60%，10.60%，9.71%，相比近年常用的Nadam算法分别提升0.63%，2.50%，4.40%，模型训练效率分别提升35.5%，39.4%.

参考文献 | 相关文章 | 多维度评价

Select

4. 动态特征融合的域自适应入侵检测方法研究

陈瀚文, 章乐, 池亚平, 姜波, 王志强,

信息安全研究 2026, 12 (4): 294-.

摘要（190）

PDF （1452KB）（122）

针对入侵检测研究中特征提取不全面、模型泛化能力差的问题，提出了一种动态特征融合的域自适应入侵检测方法：首先，通过卷积神经网络提取空间特征，利用双向长短期记忆网络提取时序特征，全面提取网络流量数据的多维特征信息；其次，通过计算2种特征的信息熵衡量不确定性，根据熵值分配不同的权重，并根据权重将提取的特征加权融合；最后，在训练过程中使用提出的自适应域权重损失算法动态调节源域和目标域数据的贡献比例，以提高模型在目标域数据上的泛化能力.在NSLKDD和UNSWNB15数据集上的实验表明，与现有的主流方法相比该方法具有更高的检测准确率，分别达到0.8563和0.916.

参考文献 | 相关文章 | 多维度评价

Select

5. 基于大语言模型的网络攻击检测技术研究进展

陈世武, 晋钢, 王炜, 杨渝,

信息安全研究 2026, 12 (1): 16-.

摘要（154）

PDF （1439KB）（118）

大语言模型凭借其强大的特征学习能力、对复杂模式的识别能力以及泛化能力等优势，为网络攻击检测开辟了新的有效途径.首先阐述大语言模型在网络攻击检测中的技术优势，并提出相应的技术框架.然后结合现有文献，从原始安全数据处理、威胁特征提取、关联分析及目标环境威胁识别3个维度介绍了大语言模型在网络攻击检测中的应用现状，并剖析了基于大语言模型进行网络威胁检测时存在的问题与挑战.最后分析了基于大语言模型的网络攻击检测技术的未来研究方向.旨在为网络安全领域进一步发展基于大语言模型的网络攻击检测技术提供参考.

参考文献 | 相关文章 | 多维度评价

Select

6. 新加坡数据安全治理模式及启示

李晓东, 王义飞, 吴菁,

信息安全研究 2026, 12 (3): 284-.

摘要（117）

PDF （1712KB）（105）

新加坡作为亚洲数字化水平较高的国家之一，研究其数据安全治理模式的成功经验，对于我国数据安全治理体系完善具有重要借鉴意义.通过采用文献综述法和比较研究法，从制度体系、发展历程和协同机制方面，梳理新加坡数据安全治理模式，发现如下特色：新加坡以国家创新战略引领数据安全治理，以个人数据权利带动数据安全治理，构建开放的数据跨境传输规则体系，形成了“权利促进型”数据安全治理模式.结合我国实际，提出数据安全治理模式的优化路径，包括以整体性战略统筹数据安全治理、持续深化个人数据权利保障体系、强化多元协同治理体系、构建安全有效数据跨境流动制度.

参考文献 | 相关文章 | 多维度评价

Select

7. 基于系统调用隔离的安全容器研究综述

刘维杰, 章恬, 张杰, 刘西蒙,

信息安全研究 2026, 12 (1): 2-.

摘要（133）

PDF （2062KB）（102）

阐述了基于系统调用隔离增强容器安全性的研究进展.首先概述了容器技术的发展背景及其面临的主要安全挑战，随后深入分析了系统调用隔离在提升容器安全性中的作用，包括限制容器应用程序的系统调用以减少攻击面、使用操作系统中间件和硬件保护机制等技术实现对容器的隔离和保护.通过比较这些技术的实现原理、性能以及它们在隔离性、减少攻击面和数据保护方面的效果，揭示了系统调用隔离技术在提升容器安全性方面的优势和局限.

参考文献 | 相关文章 | 多维度评价

Select

8. LSTM在恶意代码检测中的应用研究综述

门嘉平, 王高源, 陈张萌, 张小平, 周晓军,

信息安全研究 2026, 12 (1): 89-.

摘要（107）

PDF （9291KB）（102）

随着黑客技术的不断演进，恶意代码变种迭代升级加速，恶意代码数量爆炸性增长.如何快速准确地对恶意代码进行检测是网络安全领域具有挑战性的研究热点.长短期记忆网络(long shortterm memory network, LSTM)独有的门控机制，能够有选择性地保留重要的历史信息，同时对于数据在时间序列上的前后依赖关系具有良好性能，能够有效解决传统循环神经网络(recurrent neural network, RNN)在处理此类问题时可能产生的梯度消失或梯度爆炸困扰.LSTM这种独特时序处理能力对于恶意软件检测尤为重要，因此LSTM在恶意软件检测中得到了广泛的应用.从恶意代码的检测方法、LSTM的基本模型及变种、LSTM在恶意代码检测中的应用、LSTM在恶意代码检测中的性能分析、LSTM在恶意代码检测领域未来发展方向5个方面，对LSTM在恶意代码检测中的应用情况进行了全方位的整理和归纳，以期为恶意代码检测现有方法的进一步研究和改进提供帮助.

参考文献 | 相关文章 | 多维度评价

Select

9. 联邦学习驱动的物联网入侵检测方法研究综述

陈良臣, 傅德印, 蒋子龙, 刘宝旭, 卢志刚, 姜政伟

信息安全研究 2026, 12 (9): 780-788. DOI: 10.12379/j.issn.2096-1057.2026.09.01

摘要（253）

PDF （723KB）（100）

随着物联网（Internet of Things，IoT）的快速发展，其网络安全问题日益凸显。传统集中式入侵检测系统难以兼顾安全性与隐私保护，而联邦学习通过在不共享原始数据的前提下实现多节点协同建模，为物联网入侵检测提供了新的技术路径。本文围绕联邦学习驱动的物联网入侵检测方法展开系统性综述。首先介绍物联网入侵检测的基本原理及联邦物联网入侵检测系统的典型架构；随后从方法层面对现有研究进行分类梳理，总结基于联邦机器学习、联邦深度学习及联邦强化学习的物联网入侵检测方法，分析各类方法的核心特点、适用场景与挑战；继而概述了联邦学习驱动的面向物联网的联邦学习入侵检测系统（Federated Learning?based Intrusion Detection System for Internet of Things，FL-IoT-IDS）的联邦增强机制和前沿研究技术，并总结常用物联网入侵检测数据集及评估指标。最后，针对当前研究中普遍存在的关键问题，从低标注依赖建模、非独立同分布（Non-Independent and Identically Distributed，Non-IID）数据适配、联邦多模态大模型以及联邦学习安全性增强等方向探讨未来研究趋势。本文旨在为联邦学习在物联网入侵检测领域的研究与应用提供技术参考。

参考文献 | 相关文章 | 多维度评价

Select

10. 软件供应链安全检测评估技术综述

胡斌, 黄传林, 吴铁军, 郑开发, 刘文忠, 刘志全, 周迪

信息安全研究 2026, 12 (7): 586-597.

摘要（180）

PDF （1750KB）（94）

数字化浪潮下，软件供应链安全成为支撑数字经济安全稳定发展的必要环节.系统综述软件供应链安全检测评估技术体系，从软件成分分析(software component analysis, SCA)、软件物料清单(software bill of material, SBOM)、依赖关系追溯等核心技术出发，针对软件检测和评价中关键的技术——组件分析、漏洞扫描、代码审查等，分析当前面临的问题与解决思路，再通过国内外最新的研究成果和应用案例进行对比论述，结合兴业证券SCA治理平台、中国电信SBOM管理平台等典型实践，并就SLSA框架、GitHub依赖图谱等新兴前沿技术发展状况进行分析.在此基础上针对该领域的技术发展现状及产业需要展望技术融合与协同、智能化与自动化、全生命周期覆盖等未来10年发展10大趋势.

参考文献 | 相关文章 | 多维度评价

Select

11. AI技术赋能网络安全检测评估技术研究

吕萍, 刘海鹰, 汪育楠, 孟洪亮,

信息安全研究 2026, 12 (6): 559-.

摘要（163）

PDF （1820KB）（93）

针对传统网络安全检测评估面临系统规模庞大、供应链风险动态变化、测评深度不足的挑战，研究AI技术赋能该领域的应用.从方法上，提出“数据准备—蒸馏标注—集群训练—量化部署”全流程大模型落地路径，构建基于检索增强生成(retrievalaugmented generation, RAG)技术的本地化合规测评大模型，部署支持文本与图像联合分析的多模态大模型.大模型将省级政务云等场景测评周期大幅压缩，合规知识匹配效率提升且计算量减少70%，内生缺陷检出率显著提高.结论表明，AI技术可有效突破传统测评局限，推动网络安全检测评估向智能化、自适应、全态化演进，为构建韧性网络安全防护体系及相关生态发展提供支撑.

参考文献 | 相关文章 | 多维度评价

Select

12. 基于约束扰动与损失调控的联邦学习后门攻击

张镇博, 张淑芬, 屈昌盛, 钟琪, 李涛,

信息安全研究 2026, 12 (3): 210-.

摘要（131）

PDF （3353KB）（91）

联邦学习作为一种分布式机器学习框架，能够在数据隔离和隐私保护的前提下实现多方协作训练，但其分布式特性使其容易成为后门攻击的目标.提出基于约束扰动与损失调控(constrained perturbation and loss regulation, CPR)的联邦学习后门攻击方法.该方法通过输入扰动、动态权重调控、2次扰动强化3个模块，实现了后门的植入与扩散.输入扰动通过对样本添加约束噪声毒化样本.动态权重调控通过引入余弦退火动态调整任务权重，实现了后门特性学习与主任务性能的平衡.2次扰动强化利用动态损失值进一步对毒化样本进行扰动，强化其后门特征.在MNIST，FashionMNIST，CIFAR10数据集上对CPR后门攻击进行评估，实验结果表明，与像素攻击、标签翻转攻击和混合攻击相比，CPR后门攻击在维持模型主任务准确率的同时，能够显著提高攻击成功率，并在多种数据分布条件下表现出更高的隐蔽性和持久性.

参考文献 | 相关文章 | 多维度评价

Select

13. 基于扩展隐藏数问题的ECDSA密钥恢复攻击研究

王宗昕, 胡红钢,

信息安全研究 2026, 12 (2): 174-.

摘要（134）

PDF （797KB）（91）

椭圆曲线数字签名算法(elliptic curve digital signature algorithm, ECDSA)是应用最广的数字签名算法之一，在签名过程中需要计算椭圆曲线上的标量乘法，该操作通常是签名中最耗时的部分.在目前许多密码库的实现中都使用非相邻窗口形式表示临时密钥，从而减少标量乘法的计算时间，但是也使得攻击者能够通过侧信道攻击获取临时密钥的部分信息，恢复签名密钥.使用扩展隐藏数问题提取侧信道轨迹中的信息，并通过格攻击恢复密钥，是针对ECDSA的主流攻击框架之一.基于此，提出了3方面的优化方法：1)邻域动态约束合并策略.通过动态的合并参数可以降低格的维数，并控制攻击过程中已知信息的损失量，使得对于任意的签名均能够以很高成功率恢复密钥.2)对于格中嵌入数进行分析与优化，使得目标向量的欧几里得范数减少约8%，有效提高了攻击的成功率并减少了时间开销.3)提出了一种线性断言方法，能够显著降低格筛法的时间开销.在使用2个签名的情况下以0.99的成功率恢复签名密钥.

参考文献 | 相关文章 | 多维度评价

Select

14. 一种基于风险要素的图嵌入数据安全审计方案

王棫可, 董贵山, 白健,

信息安全研究 2026, 12 (2): 100-.

摘要（110）

PDF （2173KB）（87）

随着大数据环境下数据安全风险复杂化，现有数据安全审计技术因碎片化特征利用及扩展能力不足，难以实现全生命周期风险覆盖，限制了风险检测效能.因此，提出一种基于风险要素的图嵌入数据安全审计方案(graphembedded data security audit scheme based on risk elements, REGDSA).首先构建含数据属性D(data)、用户特征U(user)、载体环境C(carrier)、操作行为A(action)的安全风险要素空间，实现数据全生命周期风险特征的结构化映射；然后利用图嵌入技术将风险要素映射为低维语义向量，构建跨维度关联模型以实现高效风险检测.通过有效性分析和性能分析验证了该方案的可行性.

参考文献 | 相关文章 | 多维度评价

Select

15. 大语言模型安全评测与评价体系研究

熊海洋, 苏蒙蒙, 王照, 王云, 潘晓华, 郑海斌, 陈晋音,

信息安全研究 2025, 11 (E2): 89-.

摘要（170）

PDF （1508KB）（86）

针对大语言模型提出一套系统性的安全评测框架与评价体系，将数据语料安全、模型内生安全、生成内容安全、隐私机密安全、公平歧视安全和系统应用安全等6大维度纳入统一评测架构.主要创新点包括构建全面的6维安全评测体系、提出自动化工具与专家审核相结合的混合评测模式、设计具有风险等级阈值的标准化量化评分体系、基于万余条测试用例对5款主流大模型进行实证评测.该框架能有效识别大模型安全隐患，特别是能揭示模型内生安全和隐私保护方面的显著不足，为行业提供科学可操作的安全评测方案.

参考文献 | 相关文章 | 多维度评价

Select

16. 零信任中基于PUF的物联网抗机器学习攻击身份认证

司雪鸽, 贾洪勇, 曾俊杰, 李云聪,

信息安全研究 2026, 12 (1): 33-.

摘要（106）

PDF （2690KB）（85）

为构建高扩展物联网系统，边缘计算作为一种新兴的去中心化计算模式被引入物联网场景.零信任架构可以很好契合模糊边界的云边端系统，满足持续的动态认证并提升安全性.在频繁的认证需求下，物理不可克隆函数因其轻量化和不可克隆的特点常被用作生成设备的硬件指纹身份.物理不可克隆函数利用硬件工艺的随机因素，生成唯一且不可预测的挑战响应对.如果攻击者在持续的认证中收集到大量的明文挑战响应对，就能建模预测接下来的响应输出而完成机器学习攻击.提出了一种基于物理不可克隆函数的认证解决方案(PAMLCA)，针对抗机器学习攻击进行隐私保护增强，通过不经意伪随机函数技术实现挑战响应对盲化传输.方案整体结构为静态与持续结合的多层动态验证方案，能够在会话中控制隐含信任域.通过安全性分析和性能对比，证明了PAMLCA较其他相关方案能够提供更好的安全性、功能、通信和计算成本.

参考文献 | 相关文章 | 多维度评价

Select

17. 融合图注意力网络的异常加密流量检测方法

赵一琳, 贾慰心, 陈伟,

信息安全研究 2026, 12 (3): 237-.

摘要（87）

PDF （3111KB）（83）

针对现有的异常加密流量检测方法存在特征提取效果不好、拓扑特征不明显、类不平衡、缺乏可解释性等问题，提出一种融合图注意力网络、边特征嵌入的残差网络加密流量检测模型EGARNet.首先，对流量进行预处理，基于网络五元组信息组合图的节点，将剩余的流特征作为边特征，使加密流量数据转化为图数据.为了适应图注意力网络算法，构建新的网络流量图，新节点对应于原图的边，原图中共享顶点对应2个节点之间的边，流量检测问题转化为节点分类问题.其次，通过图注意力网络算法，计算出每个节点的注意力系数，聚合和更新特征.最后，在算法中添加原始节点的残差连接，提高少数分类的性能.在数据集CICDarkNet上的实验结果表明，该方法可以有效处理异常加密流量检测中类不平衡问题，在2分类和多分类场景下各项检测指标均有明显提升.

参考文献 | 相关文章 | 多维度评价

Select

18. 融合语义特征的日志异常检测方法研究

陈瀚文, 章乐, 池亚平, 姜波, 王志强,

信息安全研究 2026, 12 (4): 383-.

摘要（117）

PDF （5672KB）（82）

随着系统应用功能的不断扩展，系统日志规模迅速增长，给传统的异常检测方法带来巨大的挑战.基于深度学习的日志异常检测技术因其强大的特征提取能力逐渐成为研究热点.提出一种融合语义特征的半监督日志异常检测模型LogSem.通过引入包含日志主体内容语义信息的日志内容向量，并结合掩码日志键预测任务与超球体体积最小化任务，对数据集进行半监督学习，深度挖掘日志的语义特征.在3个主流数据集上的实验表明，该方法的F1分数优于LogBERT基准模型.此外，研究探索并验证了通过半监督学习解决未登录词问题的可行性.

参考文献 | 相关文章 | 多维度评价

Select

19. 基于多模态特征融合的智能合约漏洞检测方法研究

陈虹, 芦奇, 金海波, 武聪, 王明君,

信息安全研究 2026, 12 (6): 503-.

摘要（135）

PDF （1602KB）（81）

针对智能合约漏洞检测方法中大多依赖单一模态进行特征提取时存在的关键特征提取不充分导致检测准确率较低的问题，提出了一种基于多模态特征融合的智能合约漏洞检测方法.首先，通过源代码层裁剪的抽象语法树(abstract syntax tree, AST)和操作码层依据的数据流关系分别构建控制流图(control flow graph, CFG)，将其导入图注意力网络(graph attention network, GAT)提取2类静态特征.其次，利用动态检测工具Echidna生成的模糊测试报告提取路径覆盖率、状态变化等信息构建图模型，通过图神经网络(graph neural network, GNN)提取动态特征.最后，对提取的静态和动态特征进行融合并输入CNNBiLSTMATT模型进行漏洞检测，并在47398个智能合约上进行相关实验.实验结果表明，相较于SmartCheck，Mythril，Oyente，BiGGNN，ASTNN，DRGCN，SVCB，CBGRU这8种主流检测方法，该方法对重入漏洞、时间戳漏洞、整数溢出漏洞、Tx.origin漏洞的准确率、召回率、F1值提升了50.26%，59.54%，58.40%.

参考文献 | 相关文章 | 多维度评价

Select

20. 网络数据标识标签技术的发展困境及治理路径研究

吴梦婷, 唐纪元, 李金奉, 李红飞,

信息安全研究 2026, 12 (2): 118-.

摘要（120）

PDF （689KB）（81）

网络数据标识标签技术是保障数据要素可信流通与安全可控的关键性技术，具有广阔的应用前景与发展潜力.梳理了国内外数据标识标签技术的治理现状，归纳了制约此项技术发展的3大困境，并提出了针对性的治理路径.以制度创新、技术优化与协同监管应对技术瓶颈，为我国构建安全高效的网络数据治理体系提供理论参考.

参考文献 | 相关文章 | 多维度评价

Select

21. 告警研判智能体系统研究

范敏, 张林波, 李展, 燕敬博, 陈亘, 刘丽丽, 董逸天,

信息安全研究 2025, 11 (E2): 39-.

摘要（160）

PDF （1221KB）（81）

为准确分析海量网络威胁入侵告警，快速定位高优先级且亟需处理的日志，减轻安全人员告警疲劳并提高威胁分析效率，设计并提出一种告警研判智能体系统RIGTEAgentCV.一方面，该系统利用ReAct框架的智能体技术融合专家研判经验与安全工具响应，在不需要微调大语言模型的前提下有效减少了开源模型的研判幻觉.另一方面，该系统基于代码提示构建了RIGTE提示词框架，有效提升了研判智能体的指令遵循和条件推理能力.同时，结合自我一致性的多数投票机制，进一步提高了研判的准确率.公共数据集与自有数据集实验结果表明，融合代码提示与自我一致性方法可提高模型推理能力并减少随机性，验证了所提系统的有效性和可行性.

参考文献 | 相关文章 | 多维度评价

Select

22. 零信任战略的实施路径研究

国强, 黄卉, 禄雨辰,

信息安全研究 2026, 12 (5): 483-.

摘要（93）

PDF （3588KB）（80）

数字化转型浪潮下，传统基于边界的网络安全防护模式在动态无界环境中逐渐失效.美国通过系统性零信任战略率先重构其网络安全体系，其“政策－技术－生态”三位一体的实践路径对我国构建数字安全屏障具有借鉴意义.采用案例分析与政策比较方法，深入剖析美国零信任战略的顶层设计逻辑、核心技术突破点与生态协同机制，揭示其从被动防护向主动免疫跃迁的本质.基于对我国超大规模网络生态复杂性、核心技术自主性短板及数据主权治理挑战的深度诊断，提出中国特色的“四维一体”实施路径：以系统性顶层设计破解碎片化困局；以国密融合与AI驱动突破技术瓶颈；以政企协同的成本分摊与标准引领构建安全生态；以场景分级与隐私增强应对落地局限.研究强调，中国需在借鉴基础上创新，将零信任作为构建数字安全屏障的重要引擎，平衡安全防护与数字经济发展需求.

参考文献 | 相关文章 | 多维度评价

Select

23. 基于大语言模型增强的Java Web应用对象级授权漏洞静态检测方法

孟海宁, 李炼,

信息安全研究 2026, 12 (5): 394-.

摘要（130）

PDF （1497KB）（79）

对象级授权漏洞(broken object level authorization, BOLA)是当前Web应用面临的严重安全威胁之一.作为典型的越权漏洞，BOLA源于系统未能有效验证用户对目标对象的访问权限.静态检测BOLA漏洞的关键在于：准确识别对象级敏感操作以及分析路径遍历过程中未受保护的访问行为.由于BOLA属于应用逻辑层面的漏洞，其检测效果直接取决于对应用对象级授权预期的理解精度.然而，现有检测方法普遍依赖经验性的启发式规则识别敏感操作和权限保护，难以适配不同应用的实际业务逻辑，导致后续检测结果误报和漏报.为此，创新性地提出基于大语言模型(large language model, LLM)增强的Web应用对象级授权漏洞静态检测方法(LLM4BOLA)：首先利用LLM强大的代码理解与语义推理能力推断特定业务场景下的对象级敏感操作和自定义授权策略；进而识别多样化的权限保护机制；最终检测从请求入口到所有敏感操作路径上的对象级权限缺失情况.实验验证表明，该方法不仅能有效检测已知漏洞，还具备发现未知漏洞的能力，其检测精度显著优于现有基于规则的检测方法.

参考文献 | 相关文章 | 多维度评价

Select

24. 大语言模型驱动的网络渗透测试智能体综述

申晴, 宋磊, 周振吉, 侯瑞博, 战权海, 王拓夫

信息安全研究 2026, 12 (8): 691-711. DOI: 10.12379/j.issn.2096-1057.2026.08.02

摘要（291）

PDF （3915KB）（78）

随着人工智能技术的飞速发展，智能体在环境感知、任务规划和多工具协同等方面展现出显著优势。与此同时，大语言模型（Large Language Models，LLMs）在自然语言理解、逻辑推理和跨模态处理等领域的突破，为智能体的进化提供了重要支撑。二者的深度融合催生了LLMs驱动的网络渗透测试智能体，推动渗透测试模式由传统的“工具辅助”逐步向“自主智能”演进。本文系统梳理了现有研究在智能体的角色设定、任务规划、记忆管理与交互执行4个核心模块中所面临的关键挑战与主要技术路径；同时，分析了当前方法在多模态信息处理、自动化交互和上下文管理等方面存在的不足。针对上述问题，本文结合智能体技术发展路径，提出了多模态融合机制、记忆增强与强化学习协同策略，以及基于知识图谱的漏洞探测方法等可供参考的智能化渗透测试发展方向。分析表明，LLMs驱动的网络渗透测试智能体为网络安全的智能化与自主化发展提供了重要的技术支撑。

参考文献 | 相关文章 | 多维度评价

Select

25. 交通运输行业数据安全风险评估体系研究

杨洪路, 陈志钢, 卢妍辉, 邵征达, 郭睿玲, 胡勇,

信息安全研究 2025, 11 (11): 1064-.

摘要（105）

PDF （5683KB）（76）

交通运输既是国家关键信息基础设施，也是信创2+8+N体系的重要行业，对于国计民生至关重要.随着智慧交通建设工作持续推进，各类交通运输数据飞速增长，加之数据要素的提出，凸显数据的重要性和价值，也对数据安全提出更高的要求.交通运输行业对数据安全工作高度关注，基于国家相关政策和法律法规、标准规范，交通运输主管部门出台了一系列的行业标准、规章，为交通运输数据安全提供指引.但是交通运输行业业务涉及范围广，其数据具有多源、异质、局部性、时空关联、异步性、信息稀疏性和并发性等特点，同时，数据流动性极大，运行情况与流向复杂，监管范围与难度很大，给数据安全保护工作带来一系列挑战.以现有的法律法规和标准规范为基础，深度结合交通运输行业数据特点，对其数据安全风险评估体系进行研究，为交通运输数据安全保护建设工作提供参考.

参考文献 | 相关文章 | 多维度评价

Select

26. 云制造可信平台远程身份证明方案与策略的研究

蔚文博, 郭银章,

信息安全研究 2025, 11 (E2): 2-.

摘要（90）

PDF （1416KB）（75）

为应对云制造设备非法接入云服务器所引发的信息安全问题，设备资源终端若要向云服务器远程证明自身可信计算平台的身份，需在接入云服务器之前，借助可信计算直接匿名身份证明方案向云服务器进行远程身份证明，待证明通过后，方可接入云服务器.为使证明过程更具安全性与便捷性，以椭圆曲线的双线性映射为理论根基，对基于双线性映射的直接匿名身份证明方案予以改进，以qSDH困难假设作为安全基础，通过采用切比雪夫混沌映射设计了TDAA直接匿名身份证明协议，在引入委托计算技术的同时提升了安全性能.将TPM以及Issuer中的部分指数级计算交由算力更强的Host处理，从而使TPM与Issuer中的计算量降至理论最低值.安全分析显示，该方案不仅能够保障平台的匿名性，还可防范恶意TPM欺骗行为，同时确保签名的不可伪造性.理论分析表明，在TPM运算量方面，TDAA方案具有显著优势.实验结果亦表明，在保证安全性的同时，TDAA的整体效率得到了显著提高.

参考文献 | 相关文章 | 多维度评价

Select

27. 基于改进双向TCN模型的SDN异常流量检测

孙璇, 李彩霞, 李军, 任亚唯, 代海英, 余果, 周昊,

信息安全研究 2026, 12 (4): 303-.

摘要（113）

PDF （2198KB）（74）

软件定义网络(software defined network, SDN)技术的集中控制特性在提升网络管理效率的同时也带来更加严峻的安全威胁，准确地检测出SDN网络中的异常流量对网络安全至关重要.针对SDN网络可能遭受的网络攻击以及现有方法异常流量时序建模能力不足等问题，提出一种适用于SDN环境下的异常流量检测方法.该方法以流的五元组(源IP地址，目的IP地址，源端口号，目的端口号，传输层协议)为划分依据，提取数据包长度序列作为核心时序特征，并基于改进的双向时间卷积网络(bidirectional temporal convolutional network, BiTCN)，通过改用ELU激活函数并在原有时间卷积网络(temporal convolutional network, TCN)结构中增加一层残差网络，同时融合多头挤压激励机制(multihead squeeze excitation, MSE)以增强特征建模能力，实现对异常行为的识别.实验结果表明，该方法在公开SDN数据集上取得良好效果，其准确率、精确率等指标优于传统基线模型.

参考文献 | 相关文章 | 多维度评价

Select

28. 基于零信任架构的港口工控系统设计

马贺荣, 孙松林,

信息安全研究 2026, 12 (2): 189-.

摘要（155）

PDF （1391KB）（73）

随着港口工业控制系统向智能化方向不断演进，传统基于边界的安全模型在攻击面扩大、权限管理僵化等方面面临严峻挑战.提出一种基于零信任架构的港口工控系统安全防护方案，融合动态信任评估、软件定义边界(softwaredefined perimeter, SDP)及微隔离等技术，构建分层协同的防御体系.核心工作包括设计“终端—接入—控制—数据”4层防护架构，提出融合身份认证、设备健康度与行为特征的动态信任评估模型，并实现工业协议指令级的细粒度访问控制.实验结果表明，该方案能够将攻击面暴露率从100%降低至8%，平均认证时间缩短至0.8s，权限调整响应时间控制在45s以内，显著提升了港口工控系统的安全防护能力与实时运行性能.

参考文献 | 相关文章 | 多维度评价

Select

29. 基于神经网络的多方安全计算协议识别方案研究

赵楚扬, 王伟, 林璟锵,

信息安全研究 2026, 12 (3): 228-.

摘要（83）

PDF （1921KB）（73）

多方安全计算可在不泄露私有数据的前提下实现联合计算，是隐私计算的核心技术，但其高计算复杂度和高通信量使得实际部署依赖云提供商提供算力支持.针对云平台下隐私计算场景中协议实时监测的需求，提出一种基于神经网络的多方安全计算协议识别方案.通过采集计算节点的性能数据(如CPU占用率、网络带宽占用等)，构建融合时空特征提取能力的3维卷积神经网络模型，结合动态阈值机制实现已知协议的高精度分类与未知协议的异常检测.实验表明，该模型在验证数据集上准确率达98%，对未知协议的检出率超过98%，可有效提升多方安全计算系统的运行安全性与可靠性.

参考文献 | 相关文章 | 多维度评价

Select

30. 基于联邦学习的混合型隐蔽通道构建方法

次小天, 郭琳虹, 刘斐, 石宁, 谭毓安

信息安全研究 2026, 12 (9): 789-800. DOI: 10.12379/j.issn.2096-1057.2026.09.02

摘要（132）

PDF （3249KB）（73）

联邦学习（Federated Learning，FL）旨在解决数据共享需求与隐私保护之间的矛盾。作为一种分布式机器学习方法，联邦学习需要在参与者与中央服务器之间交换大量的模型参数，这导致了大量数据通信。联邦学习模型更新的迭代过程依赖于分布式数据传输，一旦传输通道被定位，其模型数据的安全性和完整性就难以得到保障。本文提出了一种用于联邦学习的混合隐蔽时间存储隐蔽信道方案。首先，将秘密消息分割为并行分布式编码单元，通过调整分组延迟来指示要传输的块，并根据有效载荷内容有选择地用秘密块替换公开流量的分组有效载荷。因此，秘密块的位置指示器被嵌入正常流量的时间和存储特征中，而特征与位置对应关系由接收方和发送方预先共享，攻击者除非获取定位秘密块的所有特征，否则无法掌握秘密消息。此外，本文还提出了原始方案的3种变体，以满足不同的性能要求。在抗检测性和容量方面对上述所有方案进行了实验验证。

参考文献 | 相关文章 | 多维度评价

Select

31. 基于联邦学习的网络协同入侵检测方法研究综述

陈良臣, 傅德印, 刘宝旭, 卢志刚, 姜政伟, 高曙,

信息安全研究 2026, 12 (6): 526-.

摘要（177）

PDF （1168KB）（71）

随着网络攻击手段的日益复杂，传统集中式入侵检测面临前所未有的挑战.基于联邦学习的协同入侵检测在不共享原始数据的前提下实现多节点协同建模与知识共享，能够有效提升对跨域攻击和未知攻击的检测能力.系统综述了联邦学习协同入侵检测的研究进展，从架构感知型、模型适应与演化驱动型以及隐私与安全增强型等多个维度，对现有研究方法进行了分类与分析，并总结了常用数据集与评估指标.最后，探讨了基于联邦学习的网络协同入侵检测面临的主要挑战与未来发展方向.旨在为联邦学习协同入侵检测方法的系统化分类与深入研究提供参考.

参考文献 | 相关文章 | 多维度评价

Select

32. 大模型攻击技术综述

曹思玮, 陈广勇,

信息安全研究 2025, 11 (E2): 116-.

摘要（168）

PDF （725KB）（68）

随着大模型在自然语言处理、计算机视觉和多模态等任务中的广泛部署，其安全性问题已成为学术界的研究热点.首先分别探讨了利用模型内部梯度信息的白盒攻击、依赖输入输出交互的黑盒攻击、结合部分模型信息的灰盒攻击；其次详细解析了越狱攻击、幻觉攻击、提示注入攻击和逆向推理攻击等具体手法，涵盖了从对抗样本生成到模型参数窃取等多种技术路径；最后总结了攻击评估的关键指标，包括攻击成功率、查询成本、扰动幅度和语义保持度.通过对现有攻击方法和评估体系的全面分析，为提升大模型的安全性提供参考和指导.

参考文献 | 相关文章 | 多维度评价

Select

33. 针对wNAF实现ECDSA的格攻击研究

马自强, 孟誉卓, 魏良根, 王名宇, 张娟洋,

信息安全研究 2026, 12 (4): 319-.

摘要（90）

PDF （1223KB）（67）

利用标量乘法的窗口非相邻形式(windowed nonadjacent form, wNAF)的实现攻击椭圆曲线数字签名算法(the elliptic curve digital signature algorithm, ECDSA)首先需要一些侧信道分析收集信息，然后使用基于格的方法恢复密钥.由于从侧信道分析收集的关于签名私钥等秘密参数的信息是部分的，因此通常需要几十个或几百个签名才能恢复出完整签名私钥.然而，在实际攻击中，签名的个数是有严格限制的，攻击者难以获取如此多的签名数据.为了更大程度上利用侧信道分析收集的信息并且仅用几个签名恢复出完整的私钥，提出一种基于扩展隐藏数问题(the extended hidden number problem, EHNP)的格攻击构造方法：首先，利用缓存侧信道攻击收集ECDSA算法实际运行过程中的“DoubleAddInvert链”；然后将其转换为EHNP问题，利用EHNP构造1个格矩阵，使得其中存在1个带有私钥的目标格向量；最后通过BKZ(block KorkinZolotarev)格基约减算法找到这个目标格向量，进而恢复出私钥.实验结果显示，该方案仅需要2个签名就可以恢复出完整的签名私钥，达到了理论极限.

参考文献 | 相关文章 | 多维度评价

Select

34. 数据资产跨链交易系统架构研究

李守伟, 唐潇雨, 张嘉政,

信息安全研究 2026, 12 (4): 366-.

摘要（83）

PDF （2367KB）（66）

在数字化时代背景下数据已成为关键生产要素，其交易和管理对促进社会经济增长至关重要.旨在解决现有数据资产所面临的非同一平台跨链交易挑战，分析了数据资产的价值转换路径和交易主体，设计了一个包含系统架构、网络结构和功能流程的跨链交易模型.该模型通过区分数据的所有者，建立资产交易链与个人授权链进行跨链数据交易，提高了数据交易的效率和监管的便利性.在此基础上通过构建一个安全、可靠的数据资产跨链交易平台，确保交易的公正性和透明度，同时保护参与者的隐私和数据安全，为数据资产交易市场的稳定发展提供理论和实践上的支持，推动数字经济的进一步发展.

参考文献 | 相关文章 | 多维度评价

Select

35. 在线诉讼区块链证据复式可采性规则

韦集馨,

信息安全研究 2026, 12 (2): 134-.

摘要（194）

PDF （1088KB）（66）

区块链证据为传统电子证据运用困境提供了解决之策，形成新技术司法应用下的“证据自证”新模式.但我国区块链证据规范存在明显局限，未完整覆盖区块链证据在线上、线下双层空间的运用，且侧重于区块链证据的真实性认定，忽视其可采性认定.为实现区块链证据在中国语境下的恰当运用，应当综合运用技术自证与法律推定，构筑区块链证据双层空间架构认定模式，达成共识性正义，明确存证、举证、质证、认证环节的复式可采性规则，以实现法治主义与技治主义良性互动的新型证据法治形态.关键词在线诉讼；区块链证据；电子证据；可采性；证据规则

参考文献 | 相关文章 | 多维度评价

Select

36. 基于反馈机制的电力系统量子密钥动态调整方案

孙歆, 罗义钊, 贺文博, 佟亮, 汪溢镭, 吕玉祥, 刘雨辰,

信息安全研究 2026, 12 (1): 43-.

摘要（92）

PDF （2353KB）（66）

电力系统具有站点数量多和业务流量大的特点，当前量子密钥分发设备的密钥生成速率无法满足电力系统的业务加密需求.针对跨域密钥池中量子密钥资源受限条件下电力业务加密的安全性问题，提出一种基于反馈机制的电力系统量子密钥动态调整方案.该方案分为密钥池输入动态调整和密钥池输出动态调整2部分，通过反馈机制维持平衡.输入动态调整根据噪声等环境因素实时选择并优化量子密钥分发协议，提升量子密钥实时输入速率；输出动态调整以最大化采样时间内业务整体安全度为目标，优化量子密钥资源的分配方式和使用方式.输出动态调整完成后，反馈密钥使用信息和业务安全度并再次调整输入，保证实际业务加密可达到预设的整体安全度下限.实验结果表明，采用所提出的量子密钥动态调整方案，在安全风险较高的条件下，业务整体安全度平均增益为12.59%.

参考文献 | 相关文章 | 多维度评价

Select

37. 人工智能融合发展成效评估路径构建研究

胡丽娜, 吕欣

信息安全研究 2026, 12 (10): 879-884. DOI: 10.12379/j.issn.2096-1057.2026.10.01

摘要（94）

PDF （579KB）（66）

新一轮科技革命与产业变革正以前所未有的速度重塑全球格局，人工智能作为引领这一变革的战略性技术，已成为全球科技竞争的核心焦点。在全面推进“人工智能+”行动、加快培育新质生产力的时代背景下，我国人工智能全面渗透科技、产业、民生、治理等各领域。在释放经济社会发展动能的同时，衍生出供应链风险、算法伦理、就业分化等多重安全挑战，统筹发展与安全逐步成为人工智能治理的核心主线。当前国内对人工智能融合实践更多关注产业规模扩张，对潜在风险成本考量相对不足，部分应用停留在浅层落地层面，深度融合程度有待提升，兼顾发展效益与安全风险的评估工具仍较为欠缺。本文通过梳理人工智能融合发展对经济、产业、就业、全球竞争等的多维影响，剖析人工智能融合发展成效评估的现实瓶颈；借鉴欧美等发达国家的差异化评估实践，提出适配我国的评估路径，为研判人工智能融合发展成效、统筹创新发展与全链条风险防控提供有益参考。

参考文献 | 相关文章 | 多维度评价

Select

38. 基于大语言模型的钓鱼邮件检测技术研究

袁斌, 杨克涵, 邹德清, 刘勇, 张乾坤,

信息安全研究 2026, 12 (2): 151-.

摘要（112）

PDF （1835KB）（65）

随着钓鱼邮件数量的迅速增加以及对抗技术的不断演进，传统的钓鱼邮件检测方法在效率和准确性方面面临严峻挑战.为此，提出了一种基于大语言模型(large language model, LLM)的钓鱼邮件检测方法，以解决现有系统检测率低、漏报率高及人机交互性差等问题.通过全面分析钓鱼邮件的关键特征，包括邮件头部字段、正文内容、URL、二维码、附件及HTML页面，利用特征插入算法构建高质量的训练数据集.基于预训练语言模型LLaMA和低秩自适应微调技术(lowrank adaptation, LoRA)，在仅更新0.72%模型参数(约50MB)条件下实现领域知识迁移，获得钓鱼邮件检测大模型.实验结果显示，与传统方法相比，基于大语言模型的检测方法显著提升了检测的准确性与鲁棒性，整体准确率达到94.5%，有效降低了误报率，增强了钓鱼邮件特征的分类与解释能力，提供了更具实用性和可靠性的钓鱼邮件检测方案.

参考文献 | 相关文章 | 多维度评价

Select

39. 面向分布外流量数据的2阶段式网络入侵检测方法研究

陈颖, 王沁, 秦晓宏,

信息安全研究 2026, 12 (3): 265-.

摘要（93）

PDF （1616KB）（64）

现有的网络入侵检测系统常在封闭集中进行训练，在实际应用中对于训练数据中未出现的新攻击容易出现误判的情况.为提高未知攻击检测和已知攻击分类的准确性，在已有的网络入侵检测系统的基础上，提出了一种基于卷积神经网络与双向长短时记忆网络相结合的2阶段入侵检测方法——基于置信度的2阶段式入侵检测(twostage confidence intrusion detection, TSCID)方法.在第1阶段，分布外数据检测器通过对数据的置信度进行度量，将其划分为分布内数据和分布外数据2类；在第2阶段，m+1分类器将第1阶段中得到的分布内数据以及部分分布外数据进行开放式入侵检测，可以实现对已知攻击的精细分类和对未知攻击的进一步识别.该方法在KDDCUP’99数据集和CICIDS2017数据集上进行了实验评估.实验结果表明，与其他开放式入侵检测方法相比，模型对数据的AUROC,AUPR均有所上升，且误判率均有所下降.引入分布外数据检测器的2阶段式网络入侵检测方法既保证对已知攻击的精细分类，又有效提高入侵检测系统对未知威胁的识别能力，为构建全面的网络安全防御体系提供了新思路.

参考文献 | 相关文章 | 多维度评价

Select

40. 一种基于半监督的双通道多尺度门控融合的网络流量异常检测模型

陈颖, 范润椿, 文锋,

信息安全研究 2026, 12 (6): 566-.

摘要（116）

PDF （1947KB）（64）

随着网络攻击的日益增多，网络流量异常检测对于维护网络安全稳定也越来越重要.然而，现有方法在特征提取方面往往难以同时有效捕捉网络流量的静态统计特征和动态时序特征，导致在复杂多变的网络环境下检测性能受限.为解决这些问题，提出了一种基于半监督学习的双通道多尺度门控融合异常检测模型(MSAD).该模型首先通过多尺度卷积神经网络提取流量的静态统计特征，包括包数量、总字节数等.其次，通过双向GRU网络并结合多头注意力机制对网络流量数据的时序特征进行捕捉.最后通过门控融合机制对不同模态特征进行自适应融合.同时，针对半监督学习中伪标签生成可信度不足的问题，提出了一种双阶段对抗性伪标签生成策略，有效提升了伪标签的鲁棒性.实验结果表明，在标注数据有限的条件下，该模型在CICIDS2017数据集上准确率、精确率、召回率和F1分数分别达到99.63%，99.54%，99.9%和99.72%，显著优于传统机器学习和深度学习方法.

参考文献 | 相关文章 | 多维度评价

全文下载排行