2025年网络安全研究生选择哪个方向有前景?_vipl还是nlp哪个方向更需要安全研究

写在前面

网络空间安全专业越来越受到国家政策的支持;而滴滴APP泄露个人隐私等事件,也使得大众的安全意识和安全需求前所未有的提高。在这样的环境下,越来越多的同学想要攻读网络安全专业,那么问题来了,网安研究生哪个方向更具有前景呢?

网安方向介绍

BAOYAN

首先我们一起来了解一下网络空间安全专业有哪些方向,以及每个方向所需要的基础能力。网安大体可分为5个子方向,分别为密码学与应用安全、量子信息安全、数据安全、系统安全、网络安全。

01、密码学与应用安全

密码学的研究方向有密码算法及安全协议、区块链技术、云计算与先进计算安全、大数据隐私保护、物联网安全、金融安全、工业控制系统安全、工业互联网安全等。应用安全则研究各种应用系统在信息的获取、存储、处理、传输和展示等各个环节的安全保障等。根据应用对象可分为工业控制系统安全、工业互联网安全、物联网安全、区块链技术、人工智能安全。

该方向**涵盖的子方向非常多,并且每个领域都有独立的研究体系。**此外,该方向对信息安全原理与相关技术、密码学理论与实践等专业素质要求较高,需要学生能够熟悉掌握信息安全的基本原理、密码学相关算法。

02、量子信息安全

研究内容包括量子通信、量子计算、量子精密测量和量子器件等。与成熟的通信相比,量子通信具有保密性强、大容量、远距离传输等特点,是信息安全领域发展的方向与主流。

该方向对信息安全原理以及密码学知识要求较高,和前沿发展结合较为紧密,需要学生具有充足的信息安全理论知识,以及对前沿知识的学习探索能力。此外,由于该方向对实验室的条件要求较高,仅部分学校开设该方向(例如中国科学技术大学)。

03、数据安全

研究内容为:云计算数据安全、大数据安全与隐私保护、舆情分析、信任管理、数据防泄漏技术等。近年来,随着人工智能的兴起以及云计算、大数据的大规模应用,企业安全边界逐渐消失,行业对数据安全方向人才的需求增大,数据安全成为众多学生选择的热门方向之一。

该方向需要学生有机器学习、大数据、人工智能等相关专业基础。

04、系统安全

信息系统安全的特点是从系统整体上考虑信息安全的威胁与防护,研究内容包括:可信计算、智能安全、安全管理与态势感知、漏洞挖掘、信息系统安全测评认证等。

该方向集合了传统信息安全以及前沿研究方向,兼容度较高,非常欢迎有攻防竞赛经验或漏洞挖掘经验的同学。

05、网络安全

网络安全的基本思想是在网络的各个层次和范围内采取防护措施,以便能对各种网络安全威胁进行检测和发现,并采取相应的响应措施,确保网络系统的信息安全。其中,防护、检测和响应都需要基于一定的安全策略和安全机制,因此该方向研究内容主要包括:网络安全威胁、通信安全、协议安全、网络防护、入侵检测与响应、可信网络等。

该方向的覆盖范围相对较广,容易受到大部分学生的青睐。同时,该方向对网络安全的理论知识要求较高。

就业前景分析

BAOYAN

网安的就业方向主要有互联网大厂安全部门,安全公司,高校等。下面进行详细介绍:

01、大厂安全部门

各互联网大厂一般都设有安全部门,以华为为例:该公司开设了可信理论、技术与工程实验室、2012实验室、数字能源等部门,有网络安全与隐私保护工程师、软件开发工程师、AI工程师等岗位。以数据安全方向为例,学生可选择的岗位有:AI相关算法岗位、网络安全与隐私保护工程师等。

**优点:**大厂安全部门为网安各个研究方向的学生提供了充分的选择,也是快速锻炼和提高个人专业能力的很好的平台。

**缺点:**部分部门存在加班情况,压力较大。

02、安全公司

我国主流安全公司有绿盟、360、启明安全、奇安信等。各大安全公司主要生产安全产品,或为甲方提供定制安全方案等。以系统安全方向为例,可以选择信息安全工程师、渗透测试工程师、Web安全工程师等岗位。

**优点:**安全公司集中资源于安全方向,对能力的体系化培养较有利。

**缺点:**业务可能跟着甲方的需求变化。

03、高校

近年来,随着国家政策的支持和行业人才需求的增大,有越来越多的高校成立网络空间安全学院。该就业方向对学历要求很高,一般至少要求博士学历,海外留学经验也是基本的必备竞争力。

该方向适合热爱钻研学术,希望将学术作为长久事业的同学。

综上,网安就业选择多,无论是漏洞挖掘、web攻防还是数据安全、AI安全,的人才需求都在逐年增大,就业前景还是比较光明的。

学术前景分析

BAOYAN

网络安全领域有四大安全顶会,分别是CCS(ACM Conference on Computer and Communications Security)、NDSS(Network and Distributed System Security Symposium)、Oakland S&P(IEEE Symposium on Security & Privacy)、USENIX Security(USENIX Security Symposium)。以下以USENIX Security 2021为例展示顶会的录用情况。

方向

篇数

Usability: Authentication

7

Cryptography: Attacks

7

Embedded Security & SW Sec

7

Usable Security and Privacy: User Perspectives

7

Cryptographic Proof Systems, Analysis, and Applications

7

Hardware Side Channel Attacks

7

Permissions and Passwords

7

Private Computation and Differential Privacy

7

Hardware Security

7

Usable Security and Privacy: Institutional Perspectives

7

Cryptocurrencies and Smart Contracts

7

Hardware Side Channel Defenses

6

Machine Learning: Backdoor and Poisoning

7

Program Analysis

7

Privacy Enhancing Technologies

7

Machine Learning: Adversarial Examples and Model   Extraction

7

Automated Security Analysis of Source Code and Binaries

7

Secure Multiparty Computation

7

Adversarial Machine Learning: Defenses

7

Operating Systems Security

7

Web Security 1; Software Security

7

Machine Learning: Privacy Issues

7

Fuzzing

7

Web Security 2

6

Forensics and Diagnostics for Security and Voting

7

Internet and Network Security

5

Attacks

7

Research on Surveillance and Censorship

7

Malware and Program Analysis

7

Mobile System Security and Privacy

7

Phishing and the Malicious Web

7

DDOS; Wireless Security

7

Cryptography and the Cloud

6

Measurements of Fraud, Malware, Spam, and Other Abuse

6

IoT; Specialty Networking

6

TLS

6

从上方表格可以看到,无论是硬件安全还是软件安全,无论是传统攻防还是AI安全,都有相应的学术成果在源源不断地产出和革新,这也说明网安很多方向都有比较好的学术前景,需要同学结合实验室的发展和个人兴趣进行不断地发掘。

总结

BAOYAN

相信看到这里,你对网安专业的研究方向有了初步的认识和了解,岛主建议大家结合个人兴趣、就业规划和学术前景去选择喜欢的方向,祝大家都能在最适合自己的研究方向上有所建树!

黑客/网络安全学习包

资料目录

  1. 成长路线图&学习规划

  2. 配套视频教程

  3. SRC&黑客文籍

  4. 护网行动资料

  5. 黑客必读书单

  6. 面试题合集

因篇幅有限,仅展示部分资料,需要点击下方链接即可前往获取

优快云大礼包:《黑客&网络安全入门&进阶学习资源包》免费分享

1.成长路线图&学习规划

要学习一门新的技术,作为新手一定要先学习成长路线图方向不对,努力白费

对于从来没有接触过网络安全的同学,我们帮你准备了详细的学习成长路线图&学习规划。可以说是最科学最系统的学习路线,大家跟着这个大的方向学习准没问题。


因篇幅有限,仅展示部分资料,需要点击下方链接即可前往获取

优快云大礼包:《黑客&网络安全入门&进阶学习资源包》免费分享

2.视频教程

很多朋友都不喜欢晦涩的文字,我也为大家准备了视频教程,其中一共有21个章节,每个章节都是当前板块的精华浓缩


因篇幅有限,仅展示部分资料,需要点击下方链接即可前往获取

优快云大礼包:《黑客&网络安全入门&进阶学习资源包》免费分享

3.SRC&黑客文籍

大家最喜欢也是最关心的SRC技术文籍&黑客技术也有收录

SRC技术文籍:

黑客资料由于是敏感资源,这里不能直接展示哦!

4.护网行动资料

其中关于HW护网行动,也准备了对应的资料,这些内容可相当于比赛的金手指!

5.黑客必读书单

**

**

6.面试题合集

当你自学到这里,你就要开始思考找工作的事情了,而工作绕不开的就是真题和面试题。

更多内容为防止和谐,可以扫描获取~

因篇幅有限,仅展示部分资料,需要点击下方链接即可前往获取

优快云大礼包:《黑客&网络安全入门&进阶学习资源包》免费分享

class rPPG_Dataset(Dataset): def __init__(self, datasets, seq_length, train, if_bg=True, num_batch_per_sample=1, testFold=1): self.train = train self.if_bg = if_bg self.num_batch_per_sample = num_batch_per_sample face_folder = "crop" self.root_dir = f"/shared/rPPG_dataset/VIPL/VIPL-HR_{face_folder}" bg_folder = "MiDaS" # "bg" or "naive_masked" self.root_bg_dir = f"/shared/rPPG_dataset/VIPL/VIPL-HR_{bg_folder}" self.datasets = datasets self.subjects = {} self.subjects["V"] = [] self.subject_images = {} self.bg_images = {} self.subject_GT_path = {} self.subject_GT_PPG = {} allFolds = [1,2,3,4,5] prefix = "preprocess_data_fold" if testFold != 0: assert testFold in allFolds if train: allFolds.remove(testFold) else: allFolds = [testFold] self.subjects["V"] = [] print("Training fold:", allFolds) for fold in allFolds: subjects = os.listdir(f"{self.root_dir}/{prefix}{fold}") subjects = [f"{prefix}{fold}/{s}" for s in subjects if os.path.isdir(f"{self.root_dir}/{prefix}{fold}/{s}")] # TODO: missing ground truth, temporarily remove it if fold==1: subjects.remove("preprocess_data_fold1/p49_v2_source1") self.subjects["V"].extend(subjects) for _subject in self.subjects["V"]: image_paths = sorted(glob.glob(f"{self.root_dir}/{_subject}/*.png")) bg_paths = sorted(glob.glob(f"{self.root_bg_dir}/{_subject}/*.png")) _key = f"V_{_subject}" self.subject_images[_key] = image_paths self.bg_images[_key] = bg_paths ground_truth = os.path.join("../dataset/VIPL-HR/GTs", _subject.split('/')[-1], "ground_truth4.txt") self.subject_GT_path[_key] = ground_truth self.subject_GT_PPG[_key] = get_rPPG(ground_truth) # if(len(image_paths) != len(self.subject_GT_PPG[_key])): # print(_key, len(image_paths), len(self.subject_GT_PPG[_key])) self.all_keys = list(self.subject_images.keys()) self.seq_length = seq_length print(f"Total number of samples: {len(self.all_keys)}") self.transform_face = transforms.Compose([ transforms.Resize((64, 64)), transforms.ToTensor() ]) def __getitem__(self, idx): """Returns a dataset item given an index.""" _key = self.all_keys[idx] _face_frame, _bg_frame, _ppg = [], [], [] start = START_OFFSET if not self.train else random.randint(START_OFFSET, max(START_OFFSET, len(self.subject_images[_key]) - self.seq_length) ) total_frame = len(self.subject_images[_key]) num_batch = min(max(total_frame // self.seq_length, 1), self.num_batch_per_sample) # num_batch = self.num_batch_per_sample _face_frame_paths = self.subject_images[_key][start:start+self.seq_length*num_batch] _face_frame = get_frame(_face_frame_paths, self.transform_face) _face_frame = torch.stack(_face_frame).transpose(0, 1) if self.if_bg: _bg_frame_paths = self.bg_images[_key][start:start+self.seq_length*num_batch] _bg_frame = get_frame(_bg_frame_paths, self.transform_face) _bg_frame = torch.stack(_bg_frame).transpose(0, 1) _ppg = torch.FloatTensor(self.subject_GT_PPG[_key][start:start+self.seq_length*num_batch]) if _face_frame.shape[1] < self.seq_length*num_batch: _face_frame = F.pad(_face_frame, (0, 0, 0, 0, 0, self.seq_length*num_batch-_face_frame.shape[1])) _ppg = F.pad(_ppg, (0, self.seq_length*num_batch-_ppg.shape[0])) if self.if_bg and _bg_frame.shape[1] < self.seq_length*num_batch: _bg_frame = F.pad(_bg_frame, (0, 0, 0, 0, 0, self.seq_length-_bg_frame.shape[1])) return _face_frame, _bg_frame, _ppg, _key, num_batch def __len__(self): # return 10 return len(self.all_keys) 解释上述代码和其中函数,并说明加载的数据集路径是什么
最新发布
07-09
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值