基于三维空间的无人机规避攻击导引设计

针对三维空间中无人机受到纯比例导引空空导弹攻击而采取机动规避的过程,建立无人机与空空导弹的相对追逃运动模型。基于人工势场基本理论,对空空导弹相对无人机的势力场进行分析,构建指向无人机的势力场增加最快方向的态势模型,利用反比例导引项结合反跟踪势场力项构成一种新的复合规避导引律,分别对迎头攻击和尾追攻击时无人机规避攻击进行仿真。仿真结果表明,该导引律能有效完成规避任务。

基于硬件分支信息的ROP攻击检测方法

控制流完整性保护技术(controlflowintegrity,简称CFI)是防御面向返回编程攻击(return-oriented programming,简称ROP)的一种有效途径.针对现有CFI中存在的四大问题:性能开销大、依赖程序代码信息、容易遭受历史刷新攻击以及规避攻击,提出了基于硬件分支信息的ROP攻击检测方法——MIBChecker(mispredicted indirect branch checker).该方法实时地利用硬件性能管理单元(performance monitor unit,简称PMU)的事件触发机制,针对每个预测失败的间接分支进行ROP攻击检测,规避了历史刷新攻击的可能,同时提出基于敏感系统调用参数的新型检测方法来检测短攻击链(称为gadgets-chain)ROP攻击.实验结果表明,MIBChecker能够不受历史刷新攻击的影响进行ROP短指令片段(称为gadget)检测,可有效地检测出常规ROP攻击和规避攻击,并仅引入5.7%的性能开销.

面向网络空间防御的对抗机器学习研究综述

机器学习以强大的自适应性和自学习能力成为网络空间防御的研究热点和重要方向.然而机器学习模型在网络空间环境下存在受到对抗攻击的潜在风险,可能成为防御体系中最为薄弱的环节,从而危害整个系统的安全.为此科学分析安全问题场景,从运行机理上探索算法可行性和安全性,对运用机器学习模型构建网络空间防御系统大有裨益.全面综述对抗机器学习这一跨学科研究领域在网络空间防御中取得的成果及以后的发展方向.首先,介绍了网络空间防御和对抗机器学习等背景知识;其次,针对机器学习在网络空间防御中可能遭受的攻击,引入机器学习敌手模型概念,目的是科学评估其在特定威胁场景下的安全属性;然后,针对网络空间防御的机器学习算法,分别论述了在测试阶段发动规避攻击、在训练阶段发动投毒攻击、在机器学习全阶段发动隐私窃取的方法,进而研究如何在网络空间对抗环境下,强化机器学习模型的防御方法;最后,展望了网络空间防御中对抗机器学习研究的未来方向和有关挑战.