安全学术圈

项目申报与研究，论文协作与投稿、日常管理

申请受理截止日期：2025年2月23日

提出了一种结合深度学习方法的基于主机的检测方案。

MEGR-APT 在大规模数据中实现内存高效的 APT 攻击检测和调查验证

一种新的的TLS指纹特征，称为“嵌套的TLS握手”

2024年12月12日至2024年12月25日24:00前

WebRTC是一种支持浏览器之间点对点通信的框架，其握手过程采用DTLS协议。

基于应用模块与静态目的地的交互模式，从加密的TCP/UDP流中发现目的地间的关联性，提取模式生成应用指纹。

采用机器学习模型对Snowflake代理请求进行精准检测。

本文首次提出了对LLM供应链的明确定义，并且从软件工程（SE）和安全与隐私（S&P）的两个视角来回顾供应链各个阶段的现状

Snowflake作为一个抗审查的网络通信系统的设计和效果。

MINER持续生成连续的请求来测试云服务的rest api。

本文研究了真实世界中的TLS握手，并对比了几种规避工具的握手特征。通过收集超过110亿个TLS连接数据，并生成基于Client Hello的指纹，作者将相同实现的TLS连接分组以便分析。

该系统在节点级对APT攻击进行检测溯源

基于卷积神经网络 （CNN） 的识别器，可自动识别 CTI 所属的域，以及分层 IOC 提取方法，将单词嵌入和句法依赖性无缝融合，可以识别看不见的 IOC 类型，从而生成特定域的网络威胁情报​。

本文对Snowflake协议进行分析，提出一种基于规则匹配和DTLS握手指纹特征的Tor-Snowflake流量识别框架。

通过知识图谱的结构化格式和对事实信息的精确封装来为大语言模型提供现实支撑。

2025 夏季/秋季以及 2026 春季/夏季/秋季入学的博士生

给现在的学生和青年学者的将来提供一个更好的学术环境。