面向联邦学习投毒攻击的防御方法及系统

    公开(公告)号:CN115907029A

    公开(公告)日:2023-04-04

    申请号:CN202211391958.9

    申请日:2022-11-08

    Abstract: 本发明提供一种面向联邦学习投毒攻击的防御方法及系统,属于网络安全技术领域,在每轮联邦训练开始阶段将全局模型传输给各个参与方;其中,在第一轮联邦训练时初始化全局模型;利用接收到的参数更新后的全局模型,聚合新的全局模型;其中,参与方基于本地数据和初始化全局模型进行规定轮次的本地训练,进行全局模型参数的更新。本发明计算每一层模型更新的偏差和整体模型更新的偏差,将超过阈值的模型更新偏差的数量作为异常得分,筛选异常得分最小的参与方的模型更新进行聚合,实现了比仅考虑全部参数的距离更细粒度的筛选,筛选结果的数量基于更新参数的异常程度,保证了模型的收敛速度和准确率,同时能有效地应对目标性和非目标性的投毒攻击。

    一种基于深度学习的以太坊智能合约漏洞的检测和定位方法

    公开(公告)号:CN116484384B

    公开(公告)日:2024-01-19

    申请号:CN202310421659.3

    申请日:2023-04-19

    Abstract: 本发明提供了一种基于深度学习的以太坊智能合约漏洞的检测和定位方法。该方法包括:通过语法分析和词法分析将以太坊智能合约的源码转化为抽象语法树;分析各种漏洞的代码特征,分析代码特征在抽象语法树中的关键属性,基于关键属性提取抽象语法树中的切片;提取切片的语义特征和结构特征;根据切片的语义特征和结构特征通过漏洞类型检测模型检测出所述以太坊智能合约的漏洞类型信息;根据漏洞类型信息利用图自编码器定位所述以太坊智能合约的漏洞位置。本发明通过研究多种漏洞类型的本质属性特征,精准切片出这些特征,有利于检测漏洞类型并且定位漏洞位置,提高检测效率,有效增强深度学习检测结果的可解释性。

    面向联邦学习投毒攻击的防御方法及系统

    公开(公告)号:CN115907029B

    公开(公告)日:2023-07-21

    申请号:CN202211391958.9

    申请日:2022-11-08

    Abstract: 本发明提供一种面向联邦学习投毒攻击的防御方法及系统,属于网络安全技术领域,在每轮联邦训练开始阶段将全局模型传输给各个参与方;其中,在第一轮联邦训练时初始化全局模型;利用接收到的参数更新后的全局模型,聚合新的全局模型;其中,参与方基于本地数据和初始化全局模型进行规定轮次的本地训练,进行全局模型参数的更新。本发明计算每一层模型更新的偏差和整体模型更新的偏差,将超过阈值的模型更新偏差的数量作为异常得分,筛选异常得分最小的参与方的模型更新进行聚合,实现了比仅考虑全部参数的距离更细粒度的筛选,筛选结果的数量基于更新参数的异常程度,保证了模型的收敛速度和准确率,同时能有效地应对目标性和非目标性的投毒攻击。

    一种基于深度学习的以太坊智能合约漏洞的检测和定位方法

    公开(公告)号:CN116484384A

    公开(公告)日:2023-07-25

    申请号:CN202310421659.3

    申请日:2023-04-19

    Abstract: 本发明提供了一种基于深度学习的以太坊智能合约漏洞的检测和定位方法。该方法包括:通过语法分析和词法分析将以太坊智能合约的源码转化为抽象语法树;分析各种漏洞的代码特征,分析代码特征在抽象语法树中的关键属性,基于关键属性提取抽象语法树中的切片;提取切片的语义特征和结构特征;根据切片的语义特征和结构特征通过漏洞类型检测模型检测出所述以太坊智能合约的漏洞类型信息;根据漏洞类型信息利用图自编码器定位所述以太坊智能合约的漏洞位置。本发明通过研究多种漏洞类型的本质属性特征,精准切片出这些特征,有利于检测漏洞类型并且定位漏洞位置,提高检测效率,有效增强深度学习检测结果的可解释性。

Patent Agency Ranking