网络空间安全学院

英文站|

师资队伍
当前位置:    首页 > 师资队伍 > 全体教师 > 副教授(副研究员) >    正文
杨进

日期:2019-03-18                   来源:                   作者:               关注:

专业 网络空间安全 研究方向 网络安全与智能计算
Email jinnyang@163.com 电话

姓名:杨进

职称/职务:副研究员,西藏信科学院副院长、学术带头人(援藏)

电子邮件:253960818@qq.com

研究方向:网络安全,人工智能、大数据分析、深度学习

  • 个人简介

1980年出生。2007年毕业于四川大学获博士学位。西南交大“信息与通信工程”博士后流动站博士后。从事网络安全与人工智能交叉领域研究。四川省学术和技术带头人后备人选。四川省教育厅科研创新团队带头人。2021.2至2022.7,作为由中央组织部、教育部派出的援藏干部人才,担任西藏大学信息科学技术学院副院长、学科带头人,分管信科学院科研、研究生、学科建设等工作。四川省海外高层次留学人才。主持国家级科研项目4项、主持公安部、四川省科技厅等省部级科研项目5项,其他市厅级项目若干。发表SCI、EI检索论文60多篇。十多篇SCI期刊的审稿人、CCF高级会员,IEEE会员,ACM会员。获国家专利9项。获“四川省优秀共产党员”,“四川省省部级劳模”等称号。

  • 教学科研及获奖情况

主持了国家自然科学基金-面上项目、国家自然基金-青年基金等国家级项目4项;主持了中国博士后项目、公安部、四川省科技厅等省部级科研项目5项,其他市厅级项目若干。

在Knowledge Based System、IEEE TRANS.、CMES、中国科学(信息科学)、软件学报、电子学报等著名科研期刊上发表发表SCI、EI检索论文60多篇。

2013年获得成都高新区高层次人才创业资助。2015年获得成都市科技人才创新创业人才资助。2016年获得四川省学术带头人培养经费资助。2020年12月获得四川省科技厅创新创业人才资助。

201712月获得成都市科技进步奖一等奖。

20193月获得四川省科技进步奖一等奖。

  • 近年主持的部分科研项目

1. 国家自然科学基金项目-面上项目,基于深度学习的网络威胁免疫技术研究(No.61872254)(国家级项目)

2. 国家自然科学基金项目-青年基金项目,基于免疫原理的网络危险度评估系统(No.61003310)(国家级项目)

3. 中国博士后科学基金第五批特别资助项目,云计算环境下基于人工免疫的网络安全评估及预测模型(No. 2012T50783)(国家级项目)

4. 四川省科技厅创新创业科技人才项目,四川省科技厅基于深度学习的加密恶意流量智能检测系统及关键技术研究(2021JDRC0004),(省部级项目)

5. 信息网络安全公安部项目,基于深度学习和人工免疫理论的网络威胁感知系统,(No.C20606),(省部级项目)

  • 近年代表性论文著作(不超过10项)

1. Distributed Agents Model for Intrusion Detection Based on AIS[J],Knowledge-Based Systems,(SCI检索) (第一作者)

2. Spam transaction attack detection model based on GRU and WGAN-div[J]. Computer Communications,(SCI检索) (第一作者)

3. A deep-learning and reinforcement-learning-based system for encrypted network malicious traffic detection[J]. Electronics Letters.(SCI检索) (第一作者)

4. A Simple Recurrent Unit Model Based Intrusion Detection System with DCGAN. IEEE Access.(SCI检索) (第一作者)

5. A Deep Learning-Based Cyber Threat Risk Detection Model Aiming at Blockchain Environment. BASIC & CLINICAL PHARMACOLOGY & TOXICOLOGY.(SCI检索) (第一作者)

6. A Hierarchy Distributed-Agents Model for Network Risk Evaluation Based on Deep Learning. Computer Modeling in Engineering and Sciences.(SCI检索) (第一作者)

7. A Content-Based Method for Sybil Detection in Online Social Networks via Deep Learning,IEEE Access.(SCI检索) (通信作者)

8. An Improved Negative Selection Algorithm Based on Subspace Density Seeking. IEEE ACCESS. VOLUME 5, 2017.(SCI检索) (通信作者)

9. Anti-Spam Model Based on AIS in Cloud Computing Environments[J]. Computer Modelling and New Technologies.(EI检索) (通信作者)

10. 网络空间数字虚拟资产保护研究构想和成果展望[J],工程科学与技术(原四川大学学报(工程科学版).(EI检索) (通信作者)

关闭