-
公开(公告)号：CN113553617A
公开(公告)日：2021-10-26
申请号：CN202110825024.0
申请日：2021-07-21
Applicant: 东北大学秦皇岛分校
Abstract: 本发明公开了一种基于区块链的跨域协同溯源系统及方法，涉及网络安全技术领域。本发明引入了区块链技术，通过区块链的优势为溯源系统中各自治域的合作提供了信任基础，将溯源过程中产生的事务通过区块链中的超级节点进行打包和验证并广播至所有节点，由此使得数据信息能够公开、透明地存储在所有节点上，解决了由于竞争而产生的信任问题，使得各个自治域之间能够协同可信，极大地提高了协同溯源的效率。同时设计了一种特殊标签来阻断数据流的聚合，通过将基于标签的高精度溯源策略和区块链融合，提高了溯源效率和溯源精度。同时针对不同的数据类型引入了不同的密码学技术，而非全部使用同一种手段，以此可以灵活、有效地保障数据的隐私安全。
-
公开(公告)号：CN112422482A
公开(公告)日：2021-02-26
申请号：CN201910782662.1
申请日：2019-08-23
Applicant: 东北大学秦皇岛分校
IPC: H04L29/06 , H04L12/721
Abstract: 本发明提供一种面向服务的尾端链路洪泛攻击过滤方法，涉及网络安全技术领域。该面向服务的尾端链路洪泛攻击过滤方法，包括过滤执行器、即数据层，过滤控制器、即AS内控制器层，中央过滤协调器、即AS间控制器层，所述过滤执行器在传统上存储在边界路由器中，自治域中的过滤执行器也在数据层上运行，过滤执行程序需要实现以下功能：1)将可用过滤执行器的数量导出到其过滤控制器中；2)当收到过滤任务时，必须及时设置过滤器，并要求相关主机(其管理员)修复可利用的安全漏洞，以启动此类尾端链路洪泛攻击。通过集中式架构使基于过滤器的防御系统可以逐步部署，而无需额外的效果，并进一步提供了渐进的解决方案。
-
公开(公告)号：CN112016910A
公开(公告)日：2020-12-01
申请号：CN202010805110.0
申请日：2020-08-12
Applicant: 东北大学秦皇岛分校
Abstract: 本发明属于信息安全领域，具体涉及一种可监管的区块链的混币协议，该协议提供了用户-混淆商-监管方的三层混币交易模型，有可信的监管方对整个混币交易提供安全保障，提高匿名性，选择多个混淆商提供混币服务，将交易分流实现高效混币；该模型主要包括用户、混淆商、监管方和公告板四个实体；该协议主要分为三个阶段：准备阶段、混淆阶段、审计阶段；采用具有匿名性同余式的群签名，验证未知签名者的身份信息，保证了两个混淆商之间的无连接性；允许用户主动、随机的在大量混淆商中选择两个混淆商，保证了混淆商位置的隐秘性；在监管方的审计中，恶意行为会被惩罚，使交易更加的安全；采用消息通过公告板播出，减少多混淆商之间的交互开销。
-
公开(公告)号：CN106447474B
公开(公告)日：2020-10-02
申请号：CN201610854782.4
申请日：2016-09-27
Applicant: 东北大学秦皇岛分校
IPC: G06Q30/08
Abstract: 本发明公开了一种基于匹配度的在线安全多属性逆向拍卖方法，包括：采购商服务器根据理想方案生成理想信息矩阵，理想方案包括属性集合A＝{a1，a2，…，aN}，加密理想信息矩阵得到加密矩阵，发送加密矩阵到供应商客户端；每个供应商客户端根据各自对应的备选信息矩阵和加密矩阵计算，将得到的匹配矩阵发送至采购商服务器；每个供应商客户端对应一个匹配矩阵，每个备选信息矩阵由对应的供应商客户端根据各自的备选方案生成，每个备选方案对应一个供应商客户端，备选方案与理想方案具有相同属性；采购商服务器分别计算每个匹配矩阵对应的备选方案与理想方案的匹配度，对得到的至少一个匹配度排序，选择最高匹配度对应的备选方案作为拍卖方案输出。
-
公开(公告)号：CN114462730B
公开(公告)日：2025-02-11
申请号：CN202011236146.8
申请日：2020-11-09
Applicant: 东北大学秦皇岛分校
IPC: G06Q10/0639 , G06Q40/04 , G06F17/18 , G06F16/215 , G06F9/54
Abstract: 本发明属于区块链技术领域，具体为一种区块链预言机的信誉管理架构的数据聚合方法；该数据聚合方法的步骤为：身份注册、数据请求、数据响应三个阶段；在该方法中根据节点和数据源的响应时间、请求完成情况、投诉量等服务质量标准来动态评估其信誉值，在信誉值低于一定的阈值时暂停服务相应时间长度，根据信誉值分级奖惩以激励其提供高质量服务并保持诚实；在聚合数据时将信誉值作为权重以提高聚合结果可信性，并在数据聚合时通过算法去除异常值以避免偏差过大数据对结果造成影响。
-
Patent Agency Ranking
公开(公告)号：CN118586994A
公开(公告)日：2024-09-03
申请号：CN202410620855.8
申请日：2024-05-20
Applicant: 东北大学秦皇岛分校
IPC: G06Q30/08 , H04L9/32 , H04L9/00 , G06Q30/0601 , G06F16/182
Abstract: 本发明涉及多轮密封式电子拍卖领域，公开了一种基于状态通道的多轮密封式电子拍卖方案，包括用户模块，监察机构模块，第三方监察服务商模块，区块链系统模块，I PFS分布式存储系统模块，所述用户模块可以分为买家和卖家两种角色，已注册并审核通过的用户可加入系统参与拍卖，卖家负责发布拍卖任务并创建通道，买家申请加入多方状态通道参与竞标，其中，一个通道实例中包含一个卖家和多个买家，可统称为通道用户。通过基于状态通道的多轮密封式电子拍卖方案通过将大量竞价过程转移至链下通道内进行处理，大幅降低了区块链网络共识压力，实现了区块链系统处理效率的提升和成本费用的降低，从而可以达到有效提高拍卖效率并降低拍卖成本的效果。
-
公开(公告)号：CN118540044A
公开(公告)日：2024-08-23
申请号：CN202410629365.4
申请日：2024-05-21
Applicant: 东北大学秦皇岛分校
IPC: H04L9/00 , H04L9/08 , H04L9/32 , H04L9/40 , H04L67/104 , H04L67/1097
Abstract: 本发明涉及数据共享技术领域，公开了一种基于区块链预言机的高效安全供应链数据共享方法，包括以下步骤：初始化阶段、交易生成阶段、密钥请求阶段、数据请求阶段、数据响应阶段、数据获取阶段；所述数据共享平台包括区块链预言机和区块链。本发明中，针对供应链场景下的数据共享需求，设计了基于区块链预言机的高效安全的数据共享方法，通过设计区块链预言机架构，架构包括了以下四个内容：预言机节点分工方案、基于多准则决策的预言机节点选择策略、弹性预言机任务模式和预言机聚合策略，实现了高效的数据共享，通过基于对称同态加密的隐私保护方案和基于零知识证明的密钥授权共享方案实现提高预言机共享数据的安全性。
-
公开(公告)号：CN118432912A
公开(公告)日：2024-08-02
申请号：CN202410620862.8
申请日：2024-05-20
Applicant: 东北大学秦皇岛分校
IPC: H04L9/40 , H04L41/16 , H04L45/12 , G06N3/0442 , G06N3/0455
Abstract: 本发明涉及计算机链路洪泛攻击防御技术领域，公开了一种基于选择性实时重路由的链路洪泛攻击防御方法，包括以下步骤：步骤一：基于时序特征的攻击发现，此阶段首先在离每个关键大型服务器最近的交换机上设置一个流量发生器，可编程交换机的程序将监控网络状态，步骤二：选择性实时重路由，利用周期性发送的探针数据包实时维护每个交换机到目标服务器的最佳路径，当发生链路洪泛攻击时直接通过维护的最佳路径转发目标服务器的流量，步骤三：攻击源发现与限速，为了阻止攻击的持续性，需要对攻击源进行识别和限速。提出的基于选择性实时重路由的LFA防御方法避免了网络中链路反复拥塞，防御者需频繁重路由，从而引起网络内的路由震荡带来间接伤害的问题。
-
公开(公告)号：CN117591601A
公开(公告)日：2024-02-23
申请号：CN202311560538.3
申请日：2023-11-22
Applicant: 东北大学秦皇岛分校
IPC: G06F16/27 , G06Q30/018 , G06F21/60 , G06Q20/40 , H04L9/00 , H04L9/08 , H04L9/06 , H04L9/30 , H04L9/32
Abstract: 一种区块链内容可编辑且可匿名追溯编辑者的方法，涉及区块链安全技术领域，本发明的目的是提供一种区块链数据编辑后可追溯的方法。在区块链内容被编辑后，通过引入监管方，克服了现有方案中一旦出现作恶者恶意编辑的情况便无法及时有效的追溯，无法对可编辑的区块链进行有效管控的问题。
-
公开(公告)号：CN117150492A
公开(公告)日：2023-12-01
申请号：CN202311154453.5
申请日：2023-09-08
Applicant: 东北大学秦皇岛分校
IPC: G06F21/56 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种基于权重共享卷积神经网络的Android间谍软件检测方法，涉及移动安全技术领域。获取安卓软件数据集；对安卓软件数据集中的应用程序进行动态特征提取和静态特征提取；构建共享卷积神经网络；将一维的API特征向量、一维的系统调用特征向量、二维网络流量特征矩阵按照设定比例进行划分，得到训练集和测试集；利用训练集对共享卷积神经网络进行训练，得到训练完成的共享卷积神经网络；按照步骤2的方法对待检测的应用程序进行处理，得到一维的API特征向量、一维的系统调用特征向量、二维网络流量特征矩阵；将一维的API特征向量、一维的系统调用特征向量、二维网络流量特征矩阵输入共享卷积神经网络，得到应用程序的检测结果。
-
-
-
-
-
-
-
-
-
Search Results
70
records
(took 0.04 seconds)
