-
王大伟
-
-
- 所属机构:国家互联网应急中心
- 所在地区:北京市
- 研究方向:自动化与计算机技术
- 发文基金:国家科技支撑计划
相关作者
- 尹首一
- 作品数：324被引量：507H指数：7
- 供职机构：清华大学
- 研究主题：可重构处理器 处理器 配置信息 动态可重构 可重构
- 刘雷波
- 作品数：348被引量：150H指数：7
- 供职机构：清华大学
- 研究主题：处理器 可重构处理器 动态可重构 配置信息 可重构
- 魏少军
- 作品数：414被引量：409H指数：11
- 供职机构：清华大学
- 研究主题：处理器 可重构处理器 配置信息 动态可重构 可重构
- 宋继强
- 作品数：23被引量：0H指数：0
- 供职机构：清华大学
- 研究主题：移动存储设备 存储卡 流媒体 扇区 在线媒体
- 陈新中
- 作品数：20被引量：0H指数：0
- 供职机构：清华大学
- 研究主题：存储卡 扇区 移动存储设备 步点 安全数码卡
- 层次化加密代理通道检测方法
- 本发明提供了一种层次化加密代理通道检测方法，包括步骤：S1.使用训练集训练检测所需的决策树和人工免疫模型；S2.从背景流量中识别代理通道网络流，之后利用训练得到的决策树模型识别代理通道中的隐藏协议，最后利用人工免疫模型检...
- 薛一波王大伟
- 文献传递
- 基于多级决策树的协议识别方法
- 本发明提供了一种基于多级决策树的协议识别方法，其特征在于，包括步骤：S1.对网络流统计特征进行l级分类；S2.根据所提取的网络流统计特征自身的分类特点，训练l级决策树；S3.利用训练得到的l级决策树识别背景流量中的协议。...
- 薛一波王大伟
- 文献传递
- 一种提供远程文件系统按需推送服务的方法
- 本发明提供了一种提供远程文件系统按需推送服务的方法，服务器预推送利用之前所有客户端共同的访问模式进行预推送，较客户端仅根据先前各自的块访问进行预测和读取，能提供更准确的文件块，大大提升了用户首次获取文件的用户体验，其次，...
- 尹首一刘雷波董渊邓仰东魏少军朱海洋汪芳彭进展宋继强王大伟邓育贤陈新中
- 文献传递
- 中国家电企业物流模式选择研究
- 王大伟
- 关键词：家电物流模式物流联盟
- 一种互联网应用软件的测试方法和系统
- 本发明提供一种连接移动终端和云平台的远程文件系统方法，CCVFS显著的减少了网络文件系统中一致性通信次数，仅在同步点和按需获取时，CCVFS客户端与服务器交互以交换信息，在每次文件打开或关闭，及按需获取时，客户端都需要与...
- 尹首一刘雷波董渊邓仰东魏少军朱海洋汪芳彭进展宋继强王大伟邓育贤陈新中
- 文献传递
- 网络流场:理论和方法被引量：3
- 2014年
- 随着互联网的迅猛发展,网络运营部门和网络管理部门迫切需要分析网络的运行状况,以保证网络的可用性、稳定性和安全性。然而,目前对网络运行状况的分析难度正逐渐增大,用户数量的快速增长,网络带宽的不断增加,网络流量的频繁变化以及新应用日趋复杂等,均给网络流量分析带来了巨大的挑战。因此,为了解决目前网络分析技术面临的难题和挑战,提出了一种网络流量分析的新型方法——网络流场理论和方法。网络流场不仅关注如数据包及网络流等"硬性"指标,而且更关注网络中的流量分布和发展趋势,因此能反映出网络流的分布以及节点之间的关系,从而反映网络的社会属性。网络流场以全新的视角对网络进行剖析,并进行定性和定量的分析,不仅能分析网络流量的基本信息,而且可以挖掘网络中的隐含信息,如时序关系、状态转换关系、私有网络拓扑、关键节点和关键路径等。实验结果表明,网络流场可以取得很好的分析效果,网络流场理论既可以有效地为现有的网络管理及网络分析提供更高层次的研究架构和研究模型,指导网络管理、分析、测量及安全保障等领域的研究和实践,又有利于网络的发展和技术的进步。
- 薛一波王大伟张洛什
- 关键词：通信行为
- 基于多级决策树的协议识别方法
- 本发明提供了一种基于多级决策树的协议识别方法，其特征在于，包括步骤：S1.对网络流统计特征进行l级分类；S2.根据所提取的网络流统计特征自身的分类特点，训练l级决策树；S3.利用训练得到的l级决策树识别背景流量中的协议。...
- 薛一波王大伟
- 文献传递
- 层次化加密代理通道检测方法
- 本发明提供了一种层次化加密代理通道检测方法，包括步骤：S1.使用训练集训练检测所需的决策树和人工免疫模型；S2.从背景流量中识别代理通道网络流，之后利用训练得到的决策树模型识别代理通道中的隐藏协议，最后利用人工免疫模型检...
- 薛一波王大伟
- 文献传递
- 基于图像可视化的恶意软件分类技术综述
- 2024年
- 恶意软件在研制中日益呈现出规模化、家族化、自动化趋势,并普遍采用加密和混淆技术去对抗检测,既带来恶意软件数量快速增长,其内在隐含的特征又为深度学习检测提供了潜在可能,因此主流检测和分类方法已从基于人工特征匹配转向基于机器学习及深度学习自动挖掘。恶意软件分类模型的性能往往取决于人工专家所挖掘的分类特征的质效。将恶意软件映射为图像,既有助于缓解人工特征工程面临的专业知识匮乏,亦可自然借鉴图像分类领域的最先进成果,基于图像可视化的恶意软件分类技术成为一个重要的研究方向。本综述对基于图像可视化的恶意软件分类技术进行总结,重点研究了恶意软件图像的生成模式,包括图像大小、灰度或彩色通道选择、像素位置映射以及像素值计算等,对比分析不同图像表征和特征抽取方法以及分类性能。由不同文献试验结果,可以发现上述因素对恶意软件的分类性能均有影响。然后总结基于图像可视化的恶意软件分类方法的优势,提出其面临的主要问题和挑战,其中优势包括有利于缓解对专家知识的强依赖、更适用于恶意软件变种的检测及可以借鉴图像处理领域的系列研究成果;问题和挑战包括恶意载荷定位困难、模型适用性、结果可解释性以及高质量标注数据稀缺问题。面对这些问题及挑战,展望了未来几个可行且重要的研究方向,包括:基于认知的深度学习模型、恶意软件领域知识图谱、恶意软件样本对抗增强以及评估基准与高质量数据集。
- 钱丽萍王大伟
- 关键词：数据集
- 财团抵押与浮动担保之比较
- 王大伟
- 关键词：财团抵押浮动担保项目融资借贷
