学位论文简介

针对计算系统面临的跨层次立体安全威胁，以及安全数据与深度学习模型间存在的“模态鸿沟”问题，本论文创新性地提出“面向安全分析的跨模态数据重构”方法。该方法通过领域知识引导，将异构安全数据重构为适于深度模型处理的高阶表示，构建了覆盖硬件、软件、物理与网络的纵深智能安全防护体系。论文主要创新与贡献如下：

(1) 硬件层（基于语义理解的木马检测）：提出网表语言化检测框架（NtNDet），将门级网表转化为自然语言序列，利用预训练语言模型对硬件设计进行语义建模，实现了无需黄金模型的高精度泛化检测。

(2) 软件层（基于多源信息融合图的恶意软件分析）：提出构建多源信息融合图（MIF-Graph），融合行为日志与先验知识，为图神经网络提供结构化输入，实现从独立样本到关系感知的群体智能推理。

(3) 物理层（基于相空间重构的侧信道评估）：提出相空间重构结合CNN的框架（PSR-CNN），将一维功耗轨迹映射为揭示非线性动力学的高维几何结构，实现物理泄露的高灵敏度自动化评估。

(4) 网络层（基于流到视觉转换的入侵检测）：提出流到视觉的入侵检测系统（FtV-IDS），设计三种特征转图像方法，破解表格流量与视觉模型失配的难题，将入侵检测重构为视觉模式识别问题。

(5) 理论范式：确立了“领域数据—跨模态重构—模型适配”的安全分析新范式，打破了各安全层级孤立研究的局限，为跨模态学习在安全领域的规模化应用提供了可复用的理论与技术框架。

主要学术成果

[1] Shijie Kuang ,Zhe Quan, Guoqi Xie, Xiaoqian Chen, Keqin Li. NtNDet: Hardware Trojan Detection Based on Pre-trained Language Models. Expert Systems With Applications.（SCI一区，第一作者）

[2] Shijie Kuang, Guoqi Xie, Zhe Quan. PSR-CNN: A Framework for Side-Channel Security Evaluation in Distributed Learning Systems. IEEE Transactions on Consumer Electronics（SCI一区，审稿中，第一作者）

[3] Cai Xiaomin, Xie Guoqi, Kuang Shijie, Li Renfa, Li Shaoqing. Efficient DPA Side Channel Countermeasure with MIM Capacitors-based Current Equalizer. Journal of Systems Architecture.（SCI一区，第二作者）

[4] X. Cai, R. Li, S. Kuang and J. Tan. An Energy Trace Compression Method for Differential Power Analysis Attack. IEEE Access, vol. 8, pp. 89084-89092, 2020. (SCI二区，第二作者)

[5] Cai X, Kuang S, Shen G, et al. Confidence Value: A Novel Evaluation Index of Side-Channel Attack" in NCCET 2019. Communications in Computer and Information Science. (EI，NCCET 2019优秀论文，通信作者)

[6] Shijie Kuang, Zhe Quan and Keqin Li. MDGraph: A Multi-modal Graph Construction Framework for Malware Detection. Knowledge-Based Systems. (SCI一区，审稿中，第一作者)

[7] Shijie Kuang and Zhe Quan. FtV-IDS:  IoT Intrusion Detection via Flow-to-Vision Transformation. IEEE Internet of Things Journal. (SCI一区，审稿中，第一作者)

[8]全哲, 邝世杰. 基于预训练 NLP 模型的电路门级特征硬件木马检测方法. 专利号： 202310705562.5