-
公开(公告)号:CN110213262B
公开(公告)日:2022-01-28
申请号:CN201910465976.9
申请日:2019-05-30
Applicant: 华北电力大学
Abstract: 一种基于深度Q网络的全自动高级逃逸检测方法,包括如下步骤:S100:定义一个智能体作为学习者;S200:定义学习者的动作;S300:定义学习者的状态;S400:定义学习者的回报;S500:通过不断的学习训练,选择出一种最优的高级逃逸技术的组合,对基于所述高级逃逸技术的组合的网络入侵行为进行检测。该方法提高了逃逸技术组合的效率和攻击的成功概率。
-
公开(公告)号:CN112019555A
公开(公告)日:2020-12-01
申请号:CN202010906070.9
申请日:2020-09-01
Applicant: 华北电力大学
Abstract: 本发明公开了一种基于BPL的小数据集混合逃逸技术的生成算法,包括如下步骤:1)学习基本原子逃逸技术和起始逃逸技术选择;2)学习原子逃逸技术的关联;3)通过BPL算法,生成混合逃逸组合类别;4)在类别中加入逃逸技术组合噪声;5)生成实例;6)实现具体混合逃逸。本发明基于BPL的小数据集混合逃逸技术的生成算法,提高了网络入侵的成功率,基于小数据集也能生成较好效果的混合逃逸攻击,改变了现有需要大量原始数据才能进行混合逃逸攻击的现状,并且在实现了对原有逃逸组合模仿的基础上,还可根据原有的组合进行再创造。
-
公开(公告)号:CN108418792A
公开(公告)日:2018-08-17
申请号:CN201810082404.8
申请日:2018-01-29
Applicant: 华北电力大学 , 北京科能腾达信息技术股份有限公司
CPC classification number: H04L63/1408 , G06N3/0454 , H04L63/14
Abstract: 本发明公开了属于人工智能与网络安全技术领域的一种基于深度循环神经网络的网络逃避行为检测算法。该方法首先在受保护网络中采集未施加逃避技术的正常网络流数据;通过在正常网络流上应用各类逃避技术以获得相应类别的逃避网络数据流;其次从正常网络流和各类逃避网络流中提取各帧间、帧内的特征形成特征向量;最后通过网格搜索法和交叉验证法构建出在训练样本集上具有最高分类准确率的深度循环神经网络,对从网络流中提取的特征向量序列进行分类,从而实现对各类逃避行为的检测和识别。本发明能自适应地学习受保护网络中正常网络流的特征,并且不依赖于人工事先设定的检测方法或检测阈值来判断逃避行为,因此本发明具有自适应性和自学习优点。
-
公开(公告)号:CN105975477A
公开(公告)日:2016-09-28
申请号:CN201610214120.0
申请日:2016-04-07
Applicant: 华北电力大学
IPC: G06F17/30
Abstract: 本发明公开了属于计算机应用技术领域的一种基于网络自动构建地名数据集的方法。该基于网络自动构建地名数据集包括如下步骤:1,使用谷歌搜索引擎API从谷歌数据库中提取地理空间数据;2,从提取出的数据中过滤掉不相关的网页;3,导入步骤2的输出,提取地理信息;4,选择地理编码工具,把提取的地址信息转换成地理坐标,然后标记在地图上。本发明充分发挥数据提取模块搜索引擎的优势,用恰当的搜索查询关键词从网页中检索地理信息。在网页过滤模块中,采用过滤算法来排除那些无用的干扰数据。从网页这种非结构化数据源中有效的动态的提取出地理信息,使数据同时具有高完整度和实时性。本方法有很高的实用价值。
-
-
-