姓名：邵国林 出生年月：1991.02

     职称：副研究员（校聘）

     学位：博士

     学术职务：IEEE会员、中国计算机学会会员、江西省计算机学会会员、江西省城市安全信息化学会理事

     研究领域：机器学习、深度学习、网络安全、数据安全

          E-mail: shaoguolin@ncu.edu.cn

个人简介

邵国林，南昌大学软件学院校聘副研究员，硕士生导师。本硕博毕业于四川大学，阿里巴巴集团博士后，中国计算机学会（CCF）会员，IEEE会员、江西省计算机学会会员、江西省城市安全信息化学会理事。持续专注于网络安全、数据安全相关研究。近年作为第一负责人主持国家级、省部级、厅局级、校级纵向课题7项，包括：国家自然科学基金项目1项、江西省自然科学基金项目1项、江西省社会科学基金项目1项、教育部重点实验室开放课题1项、浙江省博士后择优资助项目1项、南昌大学科研训练项目2项。在SCI/EI等国内外重要期刊发表信息安全类学术论文20余篇，其中一作/通讯SCI论文5篇，包括CCF推荐SCI期刊论文3篇，信息安全领域国际顶刊论文1篇（CCF A级），中国学术会议获奖论文1篇，JCR 二区 SCI论文2篇；申请国家发明专利8项，授权6项。荣获2023年第五届中国IT教育博鳌论坛“计算机教育优秀青椒奖”。

硕博期间曾荣获十余项国家级、校级奖励，包括四川大学研究生“十佳学术之星”称号、先进计算与防御技术学术会议优秀论文奖、2016/2018年度国家网络安全奖学金（2次）、2018年度国家奖学金、学业一等奖学金（2013-2018期间蝉联）、四川大学优秀硕士、四川大学优秀博士、四川大学网络与可信计算研究所突出贡献奖（2次）。博士后期间曾荣获阿里巴巴优秀博士后入围奖、2019年蚂蚁集团校招新人培训最佳个人奖、最佳团队奖等荣誉称号或奖励。

长期担任Artificial Intelligence Review、International Journal of Machine Learning and Cybernetics、The Journal of Supercomputing、Journal of King Saud University、IEEE Access、China Communications等国际知名SCI期刊审稿人。

*长期招收网络安全、数据安全、机器学习、深度学习、数据挖掘、自然语言处理等方向的本科生、硕士研究生！*

欢迎有浓厚兴趣、强烈自我发展诉求的同学加入！

学习工作经历：

(1) 2009.09-2013.06：四川大学, 计算机科学与技术专业, 工学学士

(2) 2013.09-2018.12：四川大学, 计算机科学与技术专业, 工学博士（硕博连读）

(3) 2019.04-2022.01：阿里巴巴集团博士后科研工作站，博士后

(4) 2022.01-2023.04：蚂蚁集团非攻安全实验室，安全专家

(5) 2023.05- 2023.12 ： 南昌大学软件学院，网络空间安全系，讲师

(6) 2023.12-  至今  ： 南昌大学软件学院，网络空间安全系，副研究员（校聘）

科研项目：

发表论文：

[1] Shao G, Chen X, Zeng X, et al. Deep Learning Hierarchical Representation From Heterogeneous Flow-Level Communication Data[J]. IEEE Transactions on Information Forensics and Security, 2020, 15:1525-1540.

[2] Shao G, Chen X, Zeng X, et al. Labeling malicious communication samples based on semi-supervised deep neural network[J]. China Communications, 2019, 16(11):183-200.

[3] Chen Y, Pang B, Shao G*, et al. DGA-Based Botnet Detection Toward Imbalanced Multiclass Learning[J]. Tsinghua Science and Technology, 2021, 26(4):387-402.

[4] Shao G, Chen X, Yin X, et al. A fuzzy detection approach toward different speed port scan attacks based on Dempster–Shafer evidence theory[J]. Security & Communication Networks, 2016, 9(15):2627-2640.

[5] Shao G, Chen X, Yang L. Research and implementation of a high performance parallel computing digital down converter on graphics processing unit[J]. Concurrency & Computation Practice & Experience, 2016, 29(8):e4042.

[6] Shao G, Chen X, Zeng X, et al. The Analysis of Malicious Group Based on Suspicious Communication Behavior Aggregation[J]. Springer, Singapore, 2017.

[7] Zeng X, Chen X, Shao G, et al. Flow Context and Host Behavior Based ShadowSocks's Traffic Identification[J]. IEEE Access, 2019, 7:41017-41032.

[8] Zeng X, Chen X, Shao G, et al. DTA-HOC: Online HTTPS traffic service identification using DNS in large-scale networks[J]. Tsinghua Science & Technology, 2020, 25(2):239-254.

[9] Chen L, Chen X, Jiang J, Yin X, Shao G, et al. Research and Practice of Dynamic Network Security Architecture for IaaS Platforms[J]. Tsinghua Science & Technology, 2014, 19(5):496-507.

[10] Ye X, Chen X, Wang H, Zeng X, Shao G, et al. An anomalous behavior detection model in cloud computing[J]. Tsinghua Science and Technology, 2016, 21(3):322-332.

[11] Ye X, Chen X, Wang H, Liu D, Wang W, Liang G, Shao G. Efficient Feature Extraction Using Apache Spark for Network Behavior Anomaly Detection[J]. Tsinghua Science and Technology, 2018.

[12] 邵国林, 陈兴蜀, 尹学渊,等. 基于流量结构稳定性的服务器网络行为描述:建模与系统[J]. 电子科技大学学报, 2017, 46(1):7.

[13] 邵国林, 陈兴蜀, 尹学渊,等. 基于OpenFlow的虚拟机流量检测系统的设计与实现[J]. 计算机应用, 2014, 34(4):1034-1037.

[14] 邵国林. 深度学习在网络攻击检测中的若干关键技术研究[D].四川大学,2018.

[15] 陈兴蜀, 陈敬涵, 邵国林,等. 基于会话流聚合的隐蔽性通信行为检测方法[J]. 电子科技大学学报, 2019, 48(3):9.

[16] 陈兴蜀, 江天宇, 曾雪梅, 尹学渊, 邵国林. 基于多维时间序列分析的网络异常检测[J]. 工程科学与技术, 2017, 49(1):7.

[17] 陈兴蜀, 何涛, 曾雪梅, 邵国林. 基于告警属性聚类的攻击场景关联规则挖掘方法研究[J]. 工程科学与技术, 2019, 51(3):7.

[18] 陈兴蜀, 陈敬涵, 曾雪梅, 邵国林等. 基于TDRI的多视图关联DNS流量可视分析[J]. 工程科学与技术, 2018, 50(4):7.

[19] 陈兴蜀,曾雪梅,王文贤,邵国林.基于大数据的网络安全与情报分析[J].工程科学与技术,2017,49(03):1-12.

[20] 韩珍辉,陈兴蜀,邵国林,曾雪梅,朱毅.面向高校校园网的OTM问题检测[J].武汉大学学报(理学版),2018,64(03):231-236.

[21] 朱毅,陈兴蜀,陈敬涵,邵国林.基于模糊综合评价模型的DNS健康度评估[J].信息网络安全,2018(04):65-71.

[22] 叶晓鸣,陈兴蜀,杨力,王文贤,朱毅,邵国林,梁刚.基于图演化事件的主机群异常检测模型[J].山东大学学报(理学版),2018,53(09):1-11.

[23] 庄政茂, 陈兴蜀, 邵国林,等. 一种时间相关性的异常流量检测模型[J]. 山东大学学报：理学版, 2017, 52(3):6.

申请/授权专利

[1] 一种基于局部数据血缘数字水印的全链路数据溯源方法，202311017151.3，国家发明专利，排名第1，审理中

[2] 一种基于多尺度池化哈希数据指纹的数据资产溯源方法，202311017090.0，国家发明专利，排名第1，审理中

[3] 统一资源定位符URL指纹特征的提取方法及装置，ZL202010275545.9，国家发明专利，排名第1，2023.05.02授权

[4] 访问路径的融合方法及装置，ZL202010256325.1，国家发明专利，排名第1，2023.05.02授权

[5] 一种服务器网络行为描述方法，ZL201510442715.7，国家发明专利，排名第2，2018.04.06授权

[6] 一种适用于深度学习的通信数据编码方法，ZL201810996375.6，国家发明专利，排名第2，2020.05.01授权

[7] 一种结合会话行为和通信关系的隐蔽通信检测方法，ZL201910570344.9，国家发明专利，排名第3，2020.05.01授权

[8] 一种基于模糊综合评价模型的DNS健康度评估方法，ZL201710243598.0，国家发明专利，排名第4，2018.09.18授权

开设课程

[1] 《科技竞赛与创业实践》，专业选修课，二夏，30学时

[2] 《机器学习与实践》，专业选修课，三春，62学时

[3] 《智能应用实训》，专业选修课，四秋，128学时

[4] 《网络安全管理》，专业选修课，三春，16学时

[5] 《软件与网络安全工程实训》，专业选修课，四秋，128学时

课题组招生

长期招收高年级本科生（大二及以上）、硕士研究生。课题组主要从事基于数据智能驱动的网络安全、数据安全研究，即利用AI技术从数据中自动化地分析、挖掘、识别出网络攻击及相关活动，如利用AI技术实现网络流量分析、网络行为识别、网络攻击检测、恶意代码检测、恶意链接识别等网络安全相关的学习任务。

欢迎有浓厚兴趣、强烈自我发展诉求的同学加入课题组。参与课题的同学，将会在以下方面得到长足进步：专业技术能力（AI算法应用能力、网络安全领域问题建模能力、科研及论文撰写能力）、软素质能力（执行力、自驱力、思考力、工作方法论）、互联网大厂工作视野（互联网头部企业的人才评价体系、择才标准、简历/面试指导）。如对我们研究小组研究感兴趣，请通过电子邮件将个人简历发送至邮箱：shaoguolin@ncu.edu.cn。