【PPT分享】复旦大学洪赓 ——How You Get Shot in the Back: A Systematical Study about Cryptojacking in the Real World

1月18日,网络安全研究国际学术论坛InForSec 2019年年会在清华大学举办。 复旦大学洪赓在会上作了《How You Get Shot in the Back: A Systematical Study about Cryptojacking in the Real World》的报告,分享了他们在针对整个web端挖矿生态系统的研究成果。 Continue reading

【PPT分享】复旦大学夏昊:移动应用内嵌浏览器恶意行为检测与分析

1月18日,网络安全研究国际学术论坛InForSec 2019年年会在清华大学举办。 复旦大学夏昊在会上作了《移动应用内嵌浏览器恶意行为检测与分析》的报告,分享了最新研究成果。 Continue reading

【PPT分享】中国科学院大学吴炜 ——FUZE:辅助生成内核UAF漏洞利用

1月18日,网络安全研究国际学术论坛InForSec 2019年年会在清华大学举办。 中国科学院大学吴炜在会上作了《FUZE:辅助生成内核UAF漏洞利用》的报告,分享了自己最新的研究成果。 Continue reading

【PPT分享】上海交通大学李卷孺 ——司南: 定位二进制程序执行中的不安全密钥

1月18日,网络安全研究国际学术论坛InForSec2019年年会在清华大学举办。 上海交通大学李卷孺在会上作了《司南: 定位二进制代码中的不安全密钥》的报告,分享了自己的研究成果。 Continue reading

【博士招生】德国CISPA信息安全中心诚招多个博士和博士后,3月11日访问清华大学期间可面谈

CISPA Helmholtz Center for Information Security (https://cispa.saarland/) is looking for multiple fully-funded Ph.D. students and postdocs working on cutting-edge topics on information security and privacy. CISPA is the newest member of the Helmholtz Association – the largest scientific organization in Germany fully committed to scientific excellence. CISPA as Helmholtz’s first investment in computer science is a world-leading research center for information security. For example, during the past 3 years, CISPA researchers have published 45 papers in the leading security conferences IEEE S&P, ACM CCS, Usenix Security, and NDSS. CISPA is constantly ranked top-3 in the field worldwide, see, e.g., CSrankings.org: (http://csrankings.org/#/index?sec&world).

Continue reading

InForSec2019年年会在清华大学成功举办

2019年1月18~19日,网络安全研究国际学术论坛InForSec2019年年会在清华大学举办。此次年会主题为“网络和系统安全四大顶级会议论文分享及产学对话”,由网络安全研究国际学术论坛InForSec、清华大学网络科学与网络空间研究院、复旦大学软件学院系统软件与安全实验室、百度安全以及360企业安全集团联合主办。来自清华大学、复旦大学、北京大学、北京航空航天大学、南京大学、西安电子科技大学、电子科技大学、北京邮电大学、中国科学院大学、中国科学院以及百度、360企业安全、启明星辰、阿里巴巴等企业界的研究技术人员近200人现场参与了会议,8000多用户通过网络观看了视频直播。

Continue reading

LEMNA: 深度学习在网络安全应用中的可解释性

作者:郭文博( 宾夕法尼亚州立大学),Jun Xu(Stevens Institute of Technology)

简介

近年来,深度神经网络在网络安全应用上展现了强大的潜力。目前为止,我们已经看到了深度神经网络在恶意软件聚类,逆向工程,以及网络入侵检测中取得了很好的效果。尽管如此,由于神经网络的不透明特性,安全从业人员对于他们的使用依旧十分慎重。具体而言,深度神经网络可能由大量的数据集训练而成并且存在上百万个神经元。 这种高度的复杂性使得我们很难理解神经网络的某些决策,从而导致了诸如无法信任神经网络以及无法有效判断神经网络的错误等问题。 Continue reading

InForSec视频直播页

首届DataCon大数据安全分析比赛校园分享会

  2019年3月31日(周日) 14:00-16:00

  清华大学FIT楼二层多功能厅


 

Continue reading