跳到主要内容

研究项目

学生们在网络安全中心参与各种由教师主导的安全项目. 学生最多可以工作20个小时，并按小时支付津贴. CMU教师在本科阶段指导和指导学生的研究和项目. 一些项目的客户涉及当地和区域企业.

研究领域

一些研究领域的教师和学生已经参与:应用机器学习在安全主题，如入侵检测系统, 恶意网址, Tor和深度网络, 等.

研究出版物

以下是CMU网络安全中心的本科生发表的一些论文.

  1. 基于时间特征的DDoS攻击检测与表征
    J. 哈,. 卡伦,N. 盐水,J. 沃伦,K. 呸!咄!,R. Basnet J. 卑尔根和T. Doleck
    IEEE Access，卷. 2022年5月10日，DOI: 10.1109 /访问.2022.3173319
  2. DNS-Over-HTTPS协议中恶意活动检测的特征工程与机器学习模型比较
    M. 本克先生,. 盐水,D. 卡伦,K. Schwerdtfeger J. 沃伦,R. Basnet和T. Doleck
    IEEE Access，卷. 9, pp. 129902 - 129916年9月. 2021, doi: 10.1109 /访问.2021.3113294
  3. 深度学习在基于时间特征的Tor流量表征中的应用
    C. 约翰逊,B. Khadka, E. 鲁伊斯., J. 哈,T. Doleck和R. Basnet
    JISIS -互联网服务和信息安全杂志，页. 44 - 63,卷. 11, No. 2021年3月1日
  4. 基于深度学习的恶意url检测与分类
    C. 约翰逊,B. Khadka, R. B. Basnet和T. Doleck
    无线移动网络杂志, 无处不在的计算, 可靠的应用程序(JoWUA), 11(4):31-48, 12月. 2020 . DOI: 10.22667 / JOWUA.2020.12.31.031
  5. 基于深度学习框架的网络入侵流量检测与分类
    R.B. Basnet R. 优质棉细布,C. 约翰逊,我. Walgren和T. Doleck
    互联网服务与信息安全杂志，卷. 9, No. 4, pp. 11月- 17,. 2019
  6. 大学生网络钓鱼检测中威胁与应对评价的关系研究
    D.J. 勒梅,R.B. Basnet和T. Doleck
    互联网服务与信息安全杂志，卷. 10, No. 1, pp. 38-49, 3月. 2020