网络蠕虫的在线追踪

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号：
    60703023
  • 项目类别：
    青年科学基金项目
  • 资助金额：
    20.0万
  • 负责人：
    李强
  • 依托单位：
    吉林大学
  • 学科分类：
    F0207.计算机网络
  • 结题年份：
    2010
  • 批准年份：
    2007
  • 项目状态：
    已结题
  • 起止时间：
    2008-01-01 至2010-12-31

项目摘要

不断爆发的网络蠕虫给互联网带来了巨大的破坏，对网络蠕虫开展防御和响应可提高网络的抗打击能力。大规模网络蠕虫爆发后执行在线追踪，获取蠕虫的传播路径不仅可推测最早的被感染节点，还可推测在传播过程中受害节点被感染的先后时序。由于网络蠕虫传播的隐蔽性和单向性，现有的IP反向追踪和跳板机反向追踪技术不适用于网络蠕虫的在线追踪。本项目试图在复杂网络环境下接近实时地在线追踪网络蠕虫，减小网络蠕虫爆发的危害。主要工作是建立大规模网络蠕虫传播爆发和追踪的虚拟实验环境，设计和实现分布式追踪算法，用于在蠕虫传播过程中，通过收集网络流量实时地追踪网络蠕虫的初始传播路径或重要传播路径，在多个网络间实现合作反向追踪网络蠕虫初始传染源。使用有效的追踪算法和虚拟机实验环境保证实时性，获得网络蠕虫从初始时刻开始的感染序列，抑制蠕虫的继续传播，保证更多主机不被网络蠕虫传染，并对蠕虫攻击源的确定提供依据。

结项摘要

项目成果

期刊论文数量（3）
专著数量（0）
科研奖励数量（0）
会议论文数量（5）
专利数量（0）
针对幂律泊松模型推测网络蠕虫传播路径
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    东南大学学报(自然科学版)
  • 影响因子：
    --
  • 作者：
    鞠九滨;向阳;石伟;李强
  • 通讯作者：
    李强
用关联方法推测网络蠕虫的传播路径
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    吉林大学学报(理学版)
  • 影响因子：
    --
  • 作者：
    周建秋;李强;石伟
  • 通讯作者：
    石伟
推测网络蠕虫传播路径的在线聚积算法
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    软件学报
  • 影响因子：
    --
  • 作者：
    向阳;李强
  • 通讯作者：
    李强

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--"}}
  • 发表时间：
    {{ item.publish_year || "--" }}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--"}}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ monograph.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ patent.updateTime }}

其他文献

Recursive Maximum Correntropy Algorithms for Second-Order Volterra Filtering
二阶Volterra滤波的递归最大熵算法
  • DOI：
    10.1109/tcsii.2021.3064946
  • 发表时间：
    2021-03
  • 期刊：
    IEEE TRANSACTIONS ON CIRCUITS AND SYSTEMS II-EXPRESS BRIEFS
  • 影响因子：
    4.4
  • 作者：
    赵集;J. Andrew Zhang;李强;张洪斌;王学渊
  • 通讯作者：
    王学渊
A new bearing fault diagnosis method based on signal-to-image mapping and convolutional neural network
基于信号到图像映射和卷积神经网络的轴承故障诊断新方法
  • DOI：
    10.1016/j.measurement.2021.109088
  • 发表时间：
    2021-05
  • 期刊：
    Measurement
  • 影响因子：
    5.6
  • 作者：
    赵靖;杨绍普;李强;刘永强;顾晓辉;刘文朋
  • 通讯作者：
    刘文朋
农地流转对农村内部收入不平等的影响
  • DOI：
    10.13872/j.1000-0275.2022.0014
  • 发表时间：
    2022
  • 期刊：
    农业现代化研究
  • 影响因子：
    --
  • 作者：
    吴超;李强;王会;刘霞婷;宋中丽
  • 通讯作者：
    宋中丽
Supramolecular chain-like aggregates and polymeric sandwich complexes constructed from p-sulfonatocalix[4,6]arenes with (8-hydroxy)quinoline guests
由对磺基杯[4,6]芳烃与（8-羟基）喹啉客体构建的超分子链状聚集体和聚合物夹心复合物
  • DOI：
    10.1039/b717884k
  • 发表时间：
    2008-05
  • 期刊：
    Crystengcomm
  • 影响因子：
    3.1
  • 作者：
    陈锟;刘育;李强;郭东升
  • 通讯作者：
    郭东升
Study on the Surface Damage Layer in Multiple Grinding of Quartz Glass by Molecular Dynamics Simulation
石英玻璃多次磨削表面损伤层的分子动力学模拟研究
  • DOI：
    10.4028/www.scientific.net/jnanor.46.192
  • 发表时间：
    2017-03
  • 期刊：
    Journal of Nano Research
  • 影响因子：
    1.7
  • 作者：
    刘涛;郭晓光;李强;康仁科;郭东明
  • 通讯作者：
    郭东明

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--" }}
  • 发表时间：
    {{ item.publish_year || "--"}}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--" }}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}
empty
内容获取失败，请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题，我已根据课题信息分析并撰写以下内容，帮您拓宽课题思路：

AI项目思路

AI技术路线图

李强的其他基金

两计算方的安全机器学习关键技术研究
  • 批准号：
    62072208
  • 批准年份：
    2020
  • 资助金额：
    57 万元
  • 项目类别：
    面上项目
高时空复杂度的APT攻击关联和检测技术研究
  • 批准号：
    61772229
  • 批准年份：
    2017
  • 资助金额：
    61.0 万元
  • 项目类别：
    面上项目
在线社交网络上恶意网址的实时预警
  • 批准号：
    61472162
  • 批准年份：
    2014
  • 资助金额：
    81.0 万元
  • 项目类别：
    面上项目
油页岩高压击穿-等离子体加热转化机理研究
  • 批准号：
    51404107
  • 批准年份：
    2014
  • 资助金额：
    25.0 万元
  • 项目类别：
    青年科学基金项目
基于局域网协作的僵尸主机检测技术研究
  • 批准号：
    61170265
  • 批准年份：
    2011
  • 资助金额：
    56.0 万元
  • 项目类别：
    面上项目

相似国自然基金

{{ item.name }}
  • 批准号：
    {{ item.ratify_no }}
  • 批准年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号：
    {{ item.ratify_no }}
  • 财政年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者：{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目：调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要：

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题，其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子，其表达水平对抗病毒防御至关重要。然而，TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用，影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法，探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用，为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义，并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路：

科学问题：TRIM2如何调控A型流感病毒诱导的IFN-β表达？
前期研究：已有研究表明TRIM2参与抗病毒反应，但其具体机制尚不明确。
研究创新点：本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线：包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术：TRIM2与病毒RNA的相互作用分析，IFN-β启动子活性检测。
实验模型：使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
关闭
close
客服二维码