公开(公告)号：CN117171637A

公开(公告)日：2023-12-05

申请号：CN202311013557.4

申请日：2023-08-11

Applicant: 北京理工大学

Inventor： 罗森林 ,  李新帅 ,  吴舟婷 ,  潘丽敏

IPC: G06F18/241 ,  G06N5/04 ,  G06F18/213 ,  G06N3/0499 ,  G06N3/08 ,  G06N3/042

Abstract: 本发明涉及时序异质图嵌入的互联网AS关系推断方法，属于网络空间安全与深度学习领域。首先在AS注册信息和BGP报文中提取特定AS属性和AS关系，构造以AS为节点、AS关系为边的时序异质图；然后基于时序异质图通过Hawkes过程提取节点时序特征，同时依据AS关系对时序异质图进行子图拆分，并通过图注意力网络提取节点交互特征；最后融合节点的时序特征和交互特征，并利用MLP分类器进行AS关系推断。本发明针对基于图神经网络的AS关系推断方法无差别建模不同AS关系以及忽略时间依赖特征的问题，提出一种利用时序异质图嵌入的AS关系推断方法，捕获AS间多类型关系并关注路由交换的时序特征，提升AS关系分类精确率。

公开(公告)号：CN117171611A

公开(公告)日：2023-12-05

申请号：CN202311013406.9

申请日：2023-08-11

Applicant: 北京理工大学

Inventor： 罗森林 ,  齐首华 ,  潘丽敏 ,  程瑶 ,  吴舟婷

IPC: G06F18/24 ,  G06F18/213 ,  G06F16/955 ,  G06F18/25 ,  G06F40/30 ,  G06N3/0895 ,  G06N3/047

Abstract: 本发明涉及结合图注意力网络和对比学习的网站服务分类方法，属于计算机与信息科学领域。本发明首先利用BERT提取网站的文本语义特征；其次根据网页的HTML代码构建网页DOM解析树，同时根据URL链接生成网页关系图；然后利用图注意力网络并结合对比学习方法，提取网页DOM解析树和网页关系图的结构特征，生成网站结构表示；最后融合网站的文本语义特征和结构表示进行网站服务分类。本发明针对现有方法未充分利用网站结构信息的问题，提出结合图注意力网络和对比学习的网站服务分类方法，强化网站结构特征，提高网站服务分类准确率。

公开(公告)号：CN117118847A

公开(公告)日：2023-11-24

申请号：CN202311013458.6

申请日：2023-08-11

Applicant: 北京理工大学

Inventor： 罗森林 ,  李嘉玮 ,  吴舟婷 ,  潘丽敏

IPC: H04L41/12

Abstract: 本发明涉及强化拓扑网络结构特征的互联网自治域组织机构映射方法，属于计算机与信息科学领域。本发明首先通过whois和AS Rank数据库获取自治域注册信息和自治域路由连接及商业关系；其次根据自治域路由连接关系和注册信息中的特定自治域属性生成自治域拓扑网络；然后基于自治域拓扑网络和自治域间商业关系利用双曲图卷积神经网络得到自治域特征嵌入；最后计算拓扑网络中所有自治域特征嵌入对的相似度，再制定归并规则实现互联网自治域组织机构映射。本发明针对现有方法忽略拓扑网络树状层次关系的问题，提出强化拓扑网络结构特征的自治域组织机构映射方法，在双曲空间中提取拓扑网络的树状层次特征，提升互联网自治域组织机构映射准确率。

公开(公告)号：CN116933048A

公开(公告)日：2023-10-24

申请号：CN202310504903.2

申请日：2023-05-06

Applicant: 北京理工大学

Inventor： 罗森林 ,  吴肖龙 ,  潘丽敏 ,  王若辉 ,  夏志豪 ,  陆永鑫

IPC: G06F18/21 ,  G06F18/214 ,  G06F18/241 ,  G06F18/2415 ,  G06N3/0455 ,  G06N3/08

Abstract: 本发明涉及结合数据分布和图分析的深度学习测试样本排序方法，属于计算机与信息科学领域。本发明首先利用变分自编码器计算样本的LR评分，过滤不符合模型任务的样本；其次将模型各隐藏层分别全连接输出层生成子模型，根据样本在各子模型中的预测概率生成转移矩阵；然后捕获模型神经元激活值，按顺序排列构建神经元激活图并提取其邻接矩阵；最后拼接转移矩阵和邻接矩阵训练XGBoost和LightGBM模型，并几何加权两种模型对样本的输出，作为测试样本得分指导样本排序。本发明提出一种结合数据分布和图分析的方法，改善了现有深度学习测试样本排序方法缺少对样本符合模型任务的过滤机制和缺少对模型参数的充分利用的问题，提升了测试样本检测模型错误的效率。

公开(公告)号：CN116800472A

公开(公告)日：2023-09-22

申请号：CN202310505332.4

申请日：2023-05-06

Applicant: 北京理工大学

Inventor： 罗森林 ,  谢宁 ,  潘丽敏 ,  鲁川 ,  张笈 ,  沈宇辉

IPC: H04L9/40 ,  G06F21/60

Abstract: 本发明涉及结合白名单和攻击分类的缓存DOS攻击防御方法，属于计算机与信息科学技术领域。本发明首先根据人为构建的白名单和所有进程确定待检测进程；然后通过检测进程ID和缓存访问事件组统计各事件发生次数，计算各事件发生率作为攻击行为特征向量；最后根据攻击行为特征向量判别攻击类型为整体缓存DOS攻击或局部缓存DOS攻击，对局部缓存DOS攻击的进程进行隔离，对整体缓存DOS攻击的进程进行缓存读写速度限制。本发明针对现有缓存DOS攻击防御方法易导致缓存整体性能下降，且难以识别针对局部缓存攻击的问题，提出结合白名单和攻击分类的方法，增加了可防御的攻击类型并降低了对缓存整体性能的影响。

公开(公告)号：CN116257845A

公开(公告)日：2023-06-13

申请号：CN202310173239.8

申请日：2023-02-16

Applicant: 北京理工大学

Inventor： 罗森林 ,  夏志豪 ,  潘丽敏 ,  杨若晗 ,  陆永鑫

IPC: G06F21/55 ,  G06F18/2415 ,  G06F18/25 ,  G06F18/22 ,  G06F16/2458 ,  G06N3/0442 ,  G06N3/0464

Abstract: 本发明涉及融合查询行为特征的分类模型窃取检测方法，属于计算机与信息科学领域。本发明首先从原始流量数据包中提取查询行为数据流，并基于查询行为数据流提取查询样本；然后对查询样本进行正态分布校验计算样本特征恶意值，同时利用CNN和LSTM提取查询行为数据流的时空特征，再判断查询行为类型并计算行为恶意值；最后结合样本特征恶意值和行为恶意值进行分类模型窃取检测。本发明针对攻击者生成的恶意查询样本与良性查询样本间的特征差异不明显的问题，提出了一种融合查询行为特征的分类模型窃取检测方法，提高了分类模型窃取检测召回率。

公开(公告)号：CN110245693B

公开(公告)日：2023-04-07

申请号：CN201910459868.0

申请日：2019-05-30

Applicant: 北京理工大学

Inventor： 罗森林 ,  门元昊 ,  潘丽敏 ,  陈传涛 ,  秦枭喃

IPC: G06F18/2431 ,  G06F18/2411 ,  G06Q10/0639 ,  G06Q50/26

Abstract: 本发明公开了一种结合混合随机森林的关键信息基础设施资产识别方法，属于计算机与信息科学技术领域。该方法包括：对采集到的设施资产数据进行结构化处理并进行特征优化表达，得到扩展的特征向量；结合德尔菲专家咨询法和主成分分析法，进行资产设施的关键影响因素分析，提取关键特征向量；将多个随机森林判别模型与一个门控函数相结合，获得混合随机森林判决模型；基于构建的混合随机森林模型实现对流量是否为关键资产基础设施的识别。由于本发明提供的关键信息基础设施资产识别方法，在大数据下通过结合机器学习方法实现资产的特征构建和关键因素提取，通过分区构建各自的专家模型，提升识别的准确性和效率，并提高了模型的泛化能力和可扩展性。

公开(公告)号：CN115688414A

公开(公告)日：2023-02-03

申请号：CN202211327335.5

申请日：2022-10-27

Applicant: 北京理工大学

Inventor： 潘丽敏 ,  费泽涛 ,  罗森林 ,  张笈

IPC: G06F30/20 ,  G06F40/279 ,  G06F40/216 ,  G06F119/02

Abstract: 本发明涉及主题嵌入多掩码提示模板的假新闻检测方法，属于自然语言处理与机器学习领域。本发明首先为假新闻检测任务制作模板，针对新闻文本的虚假性及新闻发生的可能性分别设计回答词；然后，提出使用LDA主题模型提取新闻主题词嵌入模板，将模板与新闻文本输入预训练语言模型得到词向量；最后，处于掩码位置的两个词向量通过多层感知机，输出回答词的概率分布，将回答词概率分布输入softmax层，得到新闻虚假性、新闻发生可能性的概率分布，再决策输出检测结果。本发明提出一种新闻主题嵌入多掩码提示模板的方法，利用多个感知机融合决策，提升了假新闻检测精度。

公开(公告)号：CN112215339B

公开(公告)日：2023-01-03

申请号：CN202011090696.3

申请日：2020-10-13

Applicant: 北京理工大学

Inventor： 罗森林 ,  李班 ,  潘丽敏

IPC: G06N3/04 ,  G06N3/08 ,  G06N20/10 ,  G16H50/70

Abstract: 本发明涉及一种医疗数据扩充方法，尤其是指一种针对医疗中具有复杂分布的表格类型数据扩充方法，属于计算机与信息科学技术领域。该方法包括：首先学习表格数据的边缘概率分布，具体方法是利用累积概率分布函数将表格的每一维数据处理为均匀分布数据并训练一个神经网络拟合累积概率分布函数的逆函数将均匀分布数据映射回目标分布的数据；利用改进的生成对抗网络模型WGAN‑GP学习预处理后均匀分布数据的联合概率分布；最终利用训练好的表示累积概率分布函数逆函数的神经网络将从GAN的生成器采样出的均匀分布数据变换至目标分布的数据，从而生成和训练样本具有相同概率分布的生成样本。

公开(公告)号：CN113222056B

公开(公告)日：2022-11-08

申请号：CN202110592135.1

申请日：2021-05-28

Applicant: 北京理工大学

Inventor： 罗森林 ,  于浩淼 ,  潘丽敏 ,  李玉

IPC: G06V10/762 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08 ,  G06T5/00

Abstract: 本发明涉及一种基于深度神经网络隐藏层代表性特征最近邻搜索的图像分类系统对抗样本检测方法，属于人工智能对抗领域。主要为了解决对抗样本数量、种类较少难以用于训练和仅使用良性样本训练时深度神经网络隐藏层特征数量较多、相似特征计算量大的问题。本发明首先将只包含良性样本的训练集输入到被攻击图像分类系统中，提取系统隐藏层特征构建隐藏层特征池；并将其按照标签分别进行聚类，将每个簇中心作为该标签代表性特征向量，构建代表性特征池；对于测试样本，先进行图像去噪，再输入到系统中提取隐藏层特征，计算该特征在所有代表性特征中的K近邻，将其中出现频率最高的标签与直接将样本输入系统得到的标签比较，如果不同则为对抗样本。