检索结果

Select

1. 基于强化学习的渗透路径推荐模型

赵海妮, 焦健

《计算机应用》唯一官方网站 2022, 42 (6): 1689-1694. DOI: 10.11772/j.issn.1001-9081.2021061424

摘要（501）

HTML （44）

PDF （1756KB）（240）

渗透测试的核心问题是渗透测试路径的规划，手动规划依赖测试人员的经验，而自动生成渗透路径主要基于网络安全的先验知识和特定的漏洞或网络场景，所需成本高且缺乏灵活性。针对这些问题，提出一种基于强化学习的渗透路径推荐模型QLPT，通过多回合的漏洞选择和奖励反馈，最终给出针对渗透对象的最佳渗透路径。在开源靶场的渗透实验结果表明，与手动测试的渗透路径相比，所提模型推荐的路径具有较高一致性，验证了该模型的可行性与准确性；与自动化渗透测试框架Metasploit相比，该模型在适应所有渗透场景方面也更具灵活性。

图表 | 参考文献 | 相关文章 | 多维度评价

Select

2. Android隐式信息流检测的本体模型

刘其源, 焦健, 曹宏盛

计算机应用 2018, 38 (1): 61-66. DOI: 10.11772/j.issn.1001-9081.2017071970

摘要（403）

PDF （957KB）（344）

针对传统的信息泄漏检测技术无法有效检测Android应用中存在的隐式信息泄露的问题，提出了一种将控制结构本体模型与语义网规则语言（SWRL）推理规则相结合的Android隐式信息流（ⅡF）推理方法。首先，对控制结构中能够产生隐式信息流的关键要素进行分析和建模，建立控制结构本体模型；其次，通过分析隐式信息泄露的主要原因，给出基于严格控制依赖（SCD）隐式信息流的判定规则并将其转换为SWRL推理规则；最后，将添加的控制结构本体实例与推理规则共同导入到推理引擎Jess中进行推理。实验结果表明：所提方法能够推理出多种不同性质的SCD隐式流，公开样本集的测试准确率达到83.3%，且推理耗时在分支数有限时处于合理区间。所提模型方法可有效辅助传统信息泄露检测提升其准确率。

参考文献 | 相关文章 | 多维度评价

Select

3. DPCS2017+72+ Android隐式信息流检测的本体模型研究

刘其源焦健曹宏盛

录用日期: 2017-08-15