应用可信传递模型研究

计算机工程与应用 ›› 2007, Vol. 43 ›› Issue (29): 1-3.

应用可信传递模型研究

王飞¹,刘威鹏²,沈昌祥³

1.解放军信息工程大学电子技术学院,郑州 450004
2.中国科学院研究生院信息安全实验室,北京 100039
3.北京工业大学计算机学院,北京100022

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2007-10-11 发布日期:2007-10-11
通讯作者: 王飞

Research of trust transfer of applications model

WANG Fei¹,LIU Wei-peng²,SHEN Chang-xiang³

1.The PLA Information Engineering University,Zhengzhou 450004,China
2.The State Key Laboratory of Information Security,Graduate University of CAS,Beijing 100039,China
3.College of Computer Science,Beijing University of Technology,Beijing 100022,China

Received:1900-01-01 Revised:1900-01-01 Online:2007-10-11 Published:2007-10-11
Contact: WANG Fei

摘要/Abstract

摘要： 应用、服务等操作是终端用户日常工作的基础,如何保证它们能够是安全、可信的行为,是当前信息安全研究的一个热点和难点。文章利用可信计算的观点建立终端的应用可信传递模型,能够保证信任在应用环境中的传递。该模型能够不依赖于对病毒特征的检测,彻底地防止恶意代码在应用环境中的感染和传播,从根本上保障应用、服务的可信,保障终端应用环境的可信。

关键词: 终端应用, 信任链, 传递, 恶意代码

Abstract: Operations of applications and services are the base on which terminal users work.And how to protect their secure and trusted action is a hot and difficult point of information security research nowadays.According to trusted computing,paper puts forward Trust Transfer of Applications Model（TTAM）,and it can provide that trust transfers in the environment of applications.The model can completely avoid applications being infected and malicious codes spreading out,not by testing the characters of virus.So it can radically protect that applications and services are trusted and provide application environment is trust.

Key words: applications of terminal, trusted list, transfer, malicious code

王飞¹,刘威鹏²,沈昌祥³. 应用可信传递模型研究[J]. 计算机工程与应用, 2007, 43(29): 1-3.

WANG Fei¹,LIU Wei-peng²,SHEN Chang-xiang³. Research of trust transfer of applications model [J]. Computer Engineering and Applications, 2007, 43(29): 1-3.

[1]	杜垚. 结合局部优化匹配的Android恶意家族检测算法[J]. 计算机工程与应用, 2021, 57(8): 84-90.
[2]	陈小寒，魏书宁，覃正泽. 基于深度学习可视化的恶意软件家族分类[J]. 计算机工程与应用, 2021, 57(22): 131-138.
[3]	任卓君，陈光，卢文科. 恶意软件的操作码可视化方法研究[J]. 计算机工程与应用, 2021, 57(18): 130-134.
[4]	王国栋，芦天亮，尹浩然，张建岭. 基于CNN-BiLSTM的恶意代码家族检测技术[J]. 计算机工程与应用, 2020, 56(24): 72-77.
[5]	周杨，芦天亮，杜彦辉，郭蕊，暴雨轩，李默. 基于线程融合特征的Windows恶意代码检测与分析[J]. 计算机工程与应用, 2020, 56(23): 103-108.
[6]	王鹏，努尔布力，苏芮. 恶意代码检测研究前沿与发展趋势的计量分析[J]. 计算机工程与应用, 2019, 55(8): 92-101.
[7]	陈玉琦1，雷刚1，姚明海2，易玉根1. 基于局部约束的自适应图标签传递方法[J]. 计算机工程与应用, 2018, 54(20): 14-19.
[8]	王勇1，2，尚文利2，赵剑明2，万明2，苑薇薇1. 基于TPM的嵌入式可信计算平台设计[J]. 计算机工程与应用, 2018, 54(13): 105-110.
[9]	孙小义1，2，张贤勇1，2，李露1，2. 对称传递关系的诱导拓扑及其可数性[J]. 计算机工程与应用, 2018, 54(11): 35-40.
[10]	刘世永，陈荦，熊伟，吴烨，李军. 基于MPI的大规模栅格影像并行瓦片化算法[J]. 计算机工程与应用, 2018, 54(1): 48-53.
[11]	刘畅1，唐加山2. 基于全局颜色传递的SIFT匹配算法[J]. 计算机工程与应用, 2017, 53(21): 157-161.
[12]	杨强，杨有. 结合个体影响力和信任传递的推荐算法[J]. 计算机工程与应用, 2017, 53(15): 36-40.
[13]	陈琪1，蒋国平2，夏玲玲3. 基于静态结构的恶意代码同源性分析[J]. 计算机工程与应用, 2017, 53(14): 93-98.
[14]	周慧，张尤赛，李垣江. 应用RBF神经网络的体绘制传递函数设计方法[J]. 计算机工程与应用, 2016, 52(22): 180-184.
[15]	任卓君，韩秀玲，孔德凤，陈光. 像素归一化方法在恶意代码可视分析中的应用[J]. 计算机工程与应用, 2016, 52(21): 121-125.