公开(公告)号：CN113806734B

公开(公告)日：2024-02-09

申请号：CN202110958434.2

申请日：2021-08-20

Applicant: 北京工业大学

Inventor： 赖英旭 ,  田必涛 ,  王一鹏 ,  刘静 ,  孙墨童

IPC: G06F21/55 ,  G06F21/56 ,  G06N3/02 ,  G06N3/08

Abstract: 本发明公开了一种级联式基于条件的能量生成对抗网络的网络攻击恢复方法，将流量数据中表示为传感器测量值作为输入，用训练好的模型生成特征数据；训练好的基于条件的生成对抗网络生成的特征数据作为额外信息与随机噪声拼接作为输入；统计恢复数据和真实数据之间的绝对误差，以及不同模型训练所需的时间以及所需占用的空间，并利用这些指标衡量不同模型之间的性能差异。本发明所使用的基于条件的生成对抗网络模型，能够快速模拟出系统征程运行时的行为特征，所提出的基于条件的能量生成式对抗网络可以有效提高测量值的恢复精度，所设计的自适应决策策略可以提高测量值恢复的稳定性，减少生成异常点的可能性。

公开(公告)号：CN112437440B

公开(公告)日：2024-02-02

申请号：CN202011056403.X

申请日：2020-09-30

Applicant: 北京工业大学

Inventor： 童丽媱 ,  赖英旭 ,  刘静

IPC: H04W12/122 ,  H04W16/22 ,  H04W84/18

Abstract: 本发明公开了无线传感器网络中基于相关性理论的恶意共谋攻击抵抗方法，本发明首先基于时间相关性，利用二阶离差差分滤波获取同类传感器数据异常情况的时间序列。然后，基于空间相关性检测恶意节点，该方案包括两个主要阶段，基于近距离的各属性传感器的D‑S检测和基于远距离的簇内节点间行为序列贴近度检测。最后，基于事件相关性验证恶意节点。本发明利用WSN中共谋FDI攻击的攻击范围有限的缺点，发挥其全面挖掘各节点间相关性的优势，该发明在WSN恶意节点检测方面具有较好的性能。

公开(公告)号：CN117294515A

公开(公告)日：2023-12-26

申请号：CN202311354807.0

申请日：2023-10-19

Applicant: 北京工业大学

Inventor： 赖英旭 ,  完颜韩笑 ,  刘静 ,  陈昊

IPC: H04L9/40 ,  H04L43/10 ,  G06F11/36 ,  G06N3/04 ,  G06N3/094

Abstract: 本发明公开了一种基于生成对抗网络的工控网络协议模糊测试方法，包括：步骤1：使用训练数据集对SeqGAN模型进行训练。步骤2：使用经过训练的模型生成测试用例并根据模型输出概率的信息熵决定突变位置从而进行个性化突变。步骤3：使用组合的方式对测试用例进行分组发送，与此同时使用预期回复验证的方式实时监测被测目标的状态以及时定位触发的漏洞。对应该方法，本基于生成对抗网络的工控网络协议模糊测试系统包括基于生成对抗网络的测试用例生成模块，基于信息熵以及协议规约的突变模块，基于汉明距离的测试用例分组模块以及基于心跳存活检测以及期望报文验证的漏洞定位模块。本发明提高了漏洞挖掘的效率。

公开(公告)号：CN113821793B

公开(公告)日：2023-12-19

申请号：CN202110992620.8

申请日：2021-08-27

Applicant: 北京工业大学

Inventor： 刘静 ,  吕宏硕 ,  赖英旭 ,  毛北逢 ,  王一鹏

IPC: G06F21/55 ,  G06F18/214 ,  G06F18/241 ,  G06N3/0464

Abstract: 本发明公开了基于图卷积神经网络的多阶段攻击场景构建方法及系统，从网络流量中匹配IDS警报对应的可疑攻击流。利用匹配到的可疑攻击流提取特征并计算流之间的相似度用于构建相似关系矩阵，将流的特征转化为节点属性，相似关系矩阵转换为邻接矩阵构建可疑流图。利用图卷积神经网络对步骤2构建的可疑流图进行半监督分类，将可疑流划分为不同攻击阶段。并对每个攻击阶段建立带权重的阶段通信图，并从阶段通信图中提取高质量场景子图，得到完整攻击场景。本发明对比多个模型的检测效果。实验结果证明，本发明可以提高精度的同时降低误报的出现。还可以准确划分攻击阶段效果并可以构建完整多步攻击场景，方便安全管理员对于检测信息的直接利用。

公开(公告)号：CN116545680A

公开(公告)日：2023-08-04

申请号：CN202310479057.3

申请日：2023-04-28

Applicant: 北京工业大学

Inventor： 赖英旭 ,  许建明 ,  刘静

IPC: H04L9/40 ,  H04L9/32 ,  H04L9/08

Abstract: 本发明公开了基于多层联盟链的工业跨域可信网络连接方法，基于此架构设计联盟链模型CertChain、五元可信跨域连接架构以及基于多层联盟链的跨域可信网络连接协议TCA‑MLB。联盟链CertChain将TCA的网络访问层与完整性评估层进行绑定，来抵御中间人攻击以及将可信第三方进行去中心化。五元可信跨域连接架构通过横向扩展可信连接架构TCA，使其适用于跨域认证，以及充分融合了联盟链的去中心化、防篡改等安全特性。TCA‑MLB协议在设备进行域内访问或跨域访问时进行用户身份信息认证、平台身份信息认证以及平台完整性度量值校验，能够抵御各种安全问题，保证工业控制网络的多控制域的互联互通下，确保设备的可靠性和安全性。

公开(公告)号：CN116415144A

公开(公告)日：2023-07-11

申请号：CN202211492202.3

申请日：2022-11-25

Applicant: 北京工业大学

Inventor： 赖英旭 ,  冯源 ,  陈业 ,  刘静

IPC: G06F18/214 ,  G06N3/08 ,  G06N3/0464

Abstract: 本发明公开了一种基于循环神经网络的模型压缩和加速方法，包括：对目标数据集进行数据预处理作为模型输入，选定合适的循环神经网络进行训练，并用测试集对训练后的模型进行检测，保存表现良好的模型参数。对模型输入到全连接层的参数进行权重计算，依此选择合适的参数数量，并对除全连接层外的所有网络层进行参数维度的更新，输入到全连接层的其余参数取平均值，进而实现模型的压缩。将更新后的模型中的矩阵乘法计算使用优化的Maddness方法进行近似矩阵乘法计算，进而实现模型的加速。本发明所提出的压缩和加速方法，能在保持模型检测性能的同时压缩模型参数加快模型运算。

公开(公告)号：CN116245693A

公开(公告)日：2023-06-09

申请号：CN202211571593.8

申请日：2022-12-08

Applicant: 北京工业大学

Inventor： 秦华 ,  王琪 ,  庄俊玺 ,  赖英旭 ,  刘静 ,  靳晓宁

IPC: G06Q50/20 ,  G06Q10/04 ,  G06N3/08 ,  G06Q10/0639 ,  G06N3/0442

Abstract: 本发明公开了一种基于三元深度融合的行为驱动学生成绩预警方法。该方法包含特征工程阶段、训练阶段、预测阶段三个阶段。在特征工程阶段，使用统计分析的方法从原始数据集中筛选出有效的行为数据构建数据集并使用SVM‑RFE算法进行特征选择精简数据集；在训练阶段构建行为驱动学生成绩预警模型，通过反向传播算法学习神经网络中的参数使得模型具备一定的预测能力；在预测阶段使用训练好的模型基于学生行为数据对学生类别进行预测，并输出预测结果。本发明能够充分挖掘学生在校行为中不同类型行为的潜在特征信息，在学生成绩预警情景中能达到不错的预测效果。

公开(公告)号：CN110505154B

公开(公告)日：2022-06-07

申请号：CN201910681398.2

申请日：2019-07-26

Applicant: 北京工业大学

Inventor： 赖英旭 ,  蒲叶玮 ,  刘静

IPC: H04L47/125 ,  H04L47/127 ,  H04L47/24 ,  H04L47/10 ,  H04L49/50 ,  H04L41/14 ,  H04L41/147

Abstract: 本发明公开了一种基于改进迪杰斯特拉算法的动态交换机迁移方法，通过负载预测模块可以预测下一时刻的负载情况从而确定目标控制器以及迁移触发时机，减少不必要的迁移，并且确定迁出、目标控制器以及迁移时机。通过改进迪杰斯特拉算法的动态交换机迁移算法获取最小代价迁移路径，根据控制器的负载状态，以及待迁移交换机的流量优先级来确定最优迁移交换机集合，通过孤立节点处理算法，解决迁移过程中出现的孤立节点。本方法确保迁移后控制器有较好的性能，减少迁移代价，同时保证重要流被优先处理，减少控制器响应时间，提高控制器的性能。

公开(公告)号：CN114553790A

公开(公告)日：2022-05-27

申请号：CN202210239823.4

申请日：2022-03-12

Applicant: 北京工业大学

Inventor： 贾文旭 ,  王一鹏 ,  赖英旭 ,  赵子健 ,  刘静

IPC: H04L47/2483 ,  H04L47/2441 ,  H04L41/142 ,  G06K9/62 ,  G06N3/04 ,  G16Y40/20

Abstract: 本发明公开了一种基于多模态特征的小样本学习物联网流量分类方法及系统。该方法包括训练阶段和分类阶段；训练阶段包括：对捕获到的物联网设备流量进行预处理；使用训练数据进行学习训练，构建多模态特征编码器模型；分类阶段包括物联网设备流量采集预处理；根据训练阶段得到的多模态特征编码器，对已标记样本构成的物联网流量支持集中样本以及待分类流量样本样进行多模态特征提取；对获得的特征进行特征比较，从而对待分类的物联网设备流量设备类型进行判别。本发明通过从多个特征维度对于物联网设备产生的网络流量进行准确刻画，从而形成更具表达能力的物联网设备流量指纹，并且基于小样本学习理论构建分类模型，从而解决在物联网设备标记样本量不足的情况下进行准确分类的问题。

公开(公告)号：CN114462039A

公开(公告)日：2022-05-10

申请号：CN202210103121.3

申请日：2022-01-27

Applicant: 北京工业大学

Inventor： 刘冬晖 ,  靳晓宁 ,  赖英旭 ,  刘静 ,  庄俊玺 ,  张鹏

IPC: G06F21/56

Abstract: 本发明公开一种基于Transformer结构的安卓恶意软件检测方法，首先，在提出的特征表示模型中采用了Transformer结构中的自注意力机制，用于提取API层级特征的全局依赖关系；其次，根据不同API方法在功能上和统计规律上的特性，提出了两种用来量化描述这两种特性的权重系数。在所提出的表示模型中，将两种提出的权重系数与自注意力机制相结合，从而更好地引导模型有效挖掘恶意软件API调用序列中的潜在特征信息。同时，在我们采用的数据集中，分类结果达到了97％以上的F1值，相比于之前的工作有着显著地提升。