-
题名《密码学》教学中的思政教育探索
被引量：3
- 1
-
-
作者
谢绒娜
秦晓宏
李宗俞
-
机构
北京电子科技学院
-
出处
《北京电子科技学院学报》
2022年第1期139-143,共5页
-
基金
教育部“信息安全”国家级一流本科专业建设
北京市优质课程
北京电子科技学院新工科研究与实践项目
-
文摘
根据密码学在专业培养中的地位和作用,以及密码学的教学目标和教学内容,将整个教学内容分成8大模块。根据不同模块的教学内容挖掘思政元素,开发思政教学案例,分别从爱党爱国教育、红色传统革命教育、辩证唯物主义、科学素养四个方面对学生进行思政教育。结合不同密码科技发展历史,加强对学生的科学素养和专业精神的培养,提高学生自豪感、荣誉感,激发学生学习的兴趣。
-
关键词
密码学
思政教育
教学目标
教学内容
-
Keywords
cryptography
ideological and political education
teaching goals
teaching content
-
分类号
G641
[文化科学—高等教育学]
TN918.1-4
[电子电信—通信与信息系统]
-
-
题名基于卷积神经网络的加密流量分类方法
被引量：3
- 2
-
-
作者
谢绒娜
马铸鸿
李宗俞
田野
-
机构
北京电子科技学院
-
出处
《网络与信息安全学报》
2022年第6期84-91,共8页
-
基金
国家重点研发计划(2017YFB0801803)。
-
文摘
针对传统加密网络流量分类方法准确率较低、泛用性不强、易侵犯隐私等问题,提出了一种基于卷积神经网络的加密流量分类方法,避免依赖原始流量数据,防止过度拟合特定应用程序的字节结构。针对网络流量的数据包大小和到达时间信息,设计了一种将原始流量转换为二维图片的方法,直方图中每个单元格代表到达相应时间间隔的具有相应大小数据包的数量,不依赖数据包有效载荷,避免了侵犯隐私;针对LeNet-5卷积神经网络模型进行了优化以提高分类精度,嵌入Inception模块进行多维特征提取并进行特征融合,使用1*1卷积来控制输出的特征维度;使用平均池化层和卷积层替代全连接层,提高计算速度且避免过拟合;使用对象检测任务中的滑动窗口方法,将每个网络单向流划分为大小相等的块,确保单个会话中训练集中的块和测试集中的块没有重叠,扩充了数据集样本。在ISCX数据集上的分类实验结果显示,针对应用流量分类任务,准确率达到了95%以上。对比实验结果表明,训练集和测试集类型不同时,传统分类方法出现了显著的精度下降乃至失效,而所提方法的准确率依然达到了89.2%,证明了所提方法普适于加密流量与非加密流量。进行的所有实验均基于不平衡数据集,如果对数据集进行平衡化处理,准确率可能会进一步提高。
-
关键词
加密流量
卷积神经网络
深度学习
特征融合
模型优化
-
Keywords
encrypted traffic
convolution neural network
deep learning
feature fusion
model optimization
-
分类号
TP393
[自动化与计算机技术—计算机应用技术]
-
