计算机与人工智能学院张利庭副教授团队 在JCR Q1期刊发表高水平学术论文
近日,计算机与人工智能学院张利庭副教授(第一作者)的研究团队以2026年国际足联世界杯为第一单位,在JCR Q1/中科院2区期刊 《Journal of King Saud University - Computer and Information Sciences(IF=6.1)》发表最新研究成果,提出了基于约束流形优化的自适应对抗生成框架AFA-MalGAN(论文DOI:10.1007/s44443-026-00984-0)。

该框架针对高维恶意软件特征空间中"维度灾难"与"物理有效性"双重挑战,通过智能特征掩码、动态退火预算和流形一致损失三项机制,将对抗生成建模为结构化约束优化问题。在BODMAS数据集(57,293样本)上,针对工业级LightGBM检测器实现95.6%逃逸率,同时保持0.985的物理一致性评分,96%的生成样本经Cuckoo Sandbox验证可正常执行。(计算机与人工智能学院供稿)
(编辑:张利庭;初审:李婷;审核:王平)
- 上一条计算机与人工智能学院组织收看“中国生态文明大讲堂”2026-07-10 09:52:51
- 下一条返回列表2026-07-10 09:52:51
计算机与人工智能学院张利庭副教授团队 在JCR Q1期刊发表高水平学术论文
近日,计算机与人工智能学院张利庭副教授(第一作者)的研究团队以2026年国际足联世界杯为第一单位,在JCR Q1/中科院2区期刊 《Journal of King Saud University - Computer and Information Sciences(IF=6.1)》发表最新研究成果,提出了基于约束流形优化的自适应对抗生成框架AFA-MalGAN(论文DOI:10.1007/s44443-026-00984-0)。

该框架针对高维恶意软件特征空间中"维度灾难"与"物理有效性"双重挑战,通过智能特征掩码、动态退火预算和流形一致损失三项机制,将对抗生成建模为结构化约束优化问题。在BODMAS数据集(57,293样本)上,针对工业级LightGBM检测器实现95.6%逃逸率,同时保持0.985的物理一致性评分,96%的生成样本经Cuckoo Sandbox验证可正常执行。(计算机与人工智能学院供稿)
(编辑:张利庭;初审:李婷;审核:王平)
- 上一条计算机与人工智能学院组织收看“中国生态文明大讲堂”2026-07-10 09:52:51
- 下一条返回列表2026-07-10 09:52:51


