VoIS-Young网安新声论坛（Voice of Information Security-Young）由网络空间安全学院主办，邀请并鼓励网络安全领域的青年学子上台分享学术研究心得，交流研究体会，增进了解、共同进步！

论坛时间：每周三12:30-14:30

论坛地点：交大E谷悟课剧场（电院4号楼一楼）

VoIS-Young第三期

（11月23日）

演讲嘉宾

李亚康、阚晓鹏、邓现文、杨潇

报告一

恶意代码同源分析

报告人：李亚康

恶意代码（Malicious Code）会危害系统安全，造成目标系统信息泄露、抢占系统资源、破坏系统完整性及可用性、危害数据文件的安全存储等。近年来许多恶意代码通过使用加壳、多态等技术混淆已有恶意代码的特征，企图逃避安全软件的分析检测。恶意代码同源分析（Homology Analysis）通过分析恶意代码内外部特性，鉴别恶意代码之间的关联性，从而帮助检测恶意代码以及进一步分析恶意行为。

报告二

基于网络流量的CAN总线入侵检测系统

报告人：阚晓鹏

车载控制器区域网(CAN)总线协议是车载通信的重要组成部分。CAN总线是国际标准化组织(ISO)定义的串行通信总线，负责汽车电子控制单元(ECUs)相互之间的信息传递。车辆行驶过程中CAN总线上数据传输具有一定的规律性。课题将聚焦于车载CAN总线这一通信载体，研究目前CAN总线面临的风险并研究针对这些风险的异常检测系统。

报告三

加密流量分类

报告人：邓现文

随着大众网络安全意识的稳步提升，对于数据保护的意识也愈加强烈，流量加密已经成为绝大多数系统的必选方案，但这些加密流量给安全检测设备带来了巨大挑战，因为大量的流量不解密就无法进行相关检测。如何利用流量包header的表面特征（包括五元组、报文长度等）分析并发现网络异常行为？本次报告将概述流量检测的前世今生，分析加密流量的研究热点，分享目标的研究方向。

报告四

图神经网络的后门攻击

报告人：杨潇

图神经网络是一类用于处理可以表示为图的数据的人工神经网络，可以高效地处理实际生产生活中存在连接关系的数据集合，在关系推测、推荐系统、生物化学以及图像等领域都有应用。后门攻击是一种新兴的针对深度学习模型的攻击方式，当模型中埋藏的后门被攻击者激活时，模型的输出变为攻击者预先指定的标签以达到恶意的目的。本次报告将介绍图神经网络后门攻击的方法和相应防御策略，并对未来的研究方向做一些展望。

有兴趣的同学（本科生、研究生）请扫描下方二维码参与报名，并在活动现场赢取精美纪念品！参加论坛的电院本科生可获1131项90分素拓！