-
公开(公告)号：CN118487819A
公开(公告)日：2024-08-13
申请号：CN202410637269.4
申请日：2024-05-22
Applicant: 辽宁大学
IPC: H04L9/40 , H04L41/16 , G06N3/0455 , G06N3/092
Abstract: 基于Integral‑Transformer的功耗侧信道强化学习模型漏洞检测方法：1)采集数据；2)建立Integral‑Transformer模型：编码器由多个编码层组成，每一层具有一系列核心组件，包括多头自注意力机制、残差连接和层归一化、积分函数以及前馈神经网络；解码器由多个解码层构成，每一层包括掩蔽多头自注意力、残差连接和层级归一化、编解码器互注意力机制以及前馈神经网络；3)检测：识别强化学习模型的类别，如果与实际运行中的模型的类别相同，则证明该强化学习模型的类别方面存在安全漏洞；相反，无安全漏洞存在。本发明能够为系统的稳定运行提供保障，极大的提高强化学习应用的整体安全水平。
-
公开(公告)号：CN118473766A
公开(公告)日：2024-08-09
申请号：CN202410637289.1
申请日：2024-05-22
Applicant: 辽宁大学
IPC: H04L9/40 , H04L41/16 , G06N20/00 , G06F18/23213
Abstract: 一种强化学习模型中策略矩阵的安全漏洞检测方法，步骤为：1)使用Flush+Reload技术的缓存测信道方法，获取函数加载特定数据所需的时间大小，作为原始数据；2)采用一个迭代的聚类和修剪过程检时间数据分组，一组表示标准时间，另一组表示特殊时间；3)根据函数的总迭代次数与特殊时间的数量，获得状态空间维度m和动作空间维度k的大小，判断漏洞情况。本发明通过上述方法，为系统的稳定运行提供保障，从而极大提高了强化学习应用的整体安全水平。本发明通过上述方法，针对动作空间维数k并不确定的情况，提供了一种能够有效识别出模型中策略矩阵的状态空间维数和动作空间维数的大小的安全漏洞检测方法。
-
公开(公告)号：CN117579290A
公开(公告)日：2024-02-20
申请号：CN202310985236.4
申请日：2023-08-07
Applicant: 辽宁大学
IPC: H04L9/40 , G06N3/0464 , G06N3/0455 , G06N3/042 , G06N3/048 , G06N3/08 , G06N3/047
Abstract: 本发明涉及一种基于融合时空注意力的积分时空图卷积神经网络的恶意流量检测方法，属于网络安全领域。其检测过程如下：数据收集与预处理：对网络设备进行监控和数据收集，构建图结构：针对恶意流量数据构建图结构，并用邻接矩阵表示，其中每个节点表示网络设备，每条边代表节点间的通信关系；构建ST‑GCN模型：ST‑GCN模型由多个时空卷积层和池化层组成，用于提取时空特征。构建积分时空卷积网络，融入时空注意力：最后通过构建的积分时空卷积网络实现恶意流量检测。该方法可以大幅提高恶意流量检测的准确性和效率。
-
公开(公告)号：CN117014210A
公开(公告)日：2023-11-07
申请号：CN202311024681.0
申请日：2023-08-15
Applicant: 辽宁大学
IPC: H04L9/40 , G06N3/0464 , G06N3/08
Abstract: 基于ChebNet图卷积神经网络的邮件蠕虫检测系统，包括以下步骤：步骤1)基于开源威胁情报信息库、恶意样本分享站点、在线病毒扫描器等渠道收集有关蠕虫邮件的数据，并对原始数据进行预处理，得到蠕虫邮件的历史特征，并构建邻接矩阵关系图来表示蠕虫邮件节点之间的关系；步骤2)得到增强ChebNet图卷积神经网络模型；步骤3)将待检测的蠕虫邮件数据代入增强ChebNet图卷积神经网络模型中，进行分类或者回归提取邮件特征，对邮件进行预测和判定，根据判定结果实现蠕虫邮件的检测和预警。本发明通过上述步骤，解决目前邮件蠕虫检测技术的不足，达到保护网络安全的目的。
-
公开(公告)号：CN117014205A
公开(公告)日：2023-11-07
申请号：CN202310985147.X
申请日：2023-08-07
Applicant: 辽宁大学
IPC: H04L9/40 , G06N3/0464 , G06N3/042 , G06N3/048 , G06N3/08
Abstract: 本发明基于图卷积神经网络的恶意代码检测方法，包括如下步骤：1、通过流量抓包程序获得网络流量数据，并且提取网络流量的有效载荷；2、定义有效载荷矩阵：定义网络数据包的有效载荷的矩阵为(aij)255*255；其中，aij＝sum(i,j),sum(i,j)为有效载荷i和有效载荷j相邻出现的次数；3、训练图卷积神经网络模型：将训练数据输入至图卷积神经网络，使用一阶局部卷积操作迭代传播邻居的信息；4：检测恶意代码：将待检测的代码输入至训练好的图卷积网络模型，检测恶意代码。使用该技术，能够实现对恶意代码的快速、准确识别和分析，从而提高计算机和网络安全防护的能力，保障用户信息的安全。
-
Patent Agency Ranking
公开(公告)号：CN109102079A
公开(公告)日：2018-12-28
申请号：CN201810933532.9
申请日：2018-08-16
Applicant: 辽宁大学
Abstract: 一种基于值导数GRU的入侵检测算法，其步骤为：1)制定值导数GRU的隐层单元结构，通过捕获网络流量的静态和动态信息，提高值导数GRU算法针对网络异常流量的检测准确率；2)添加池化层来调节值导数GRU算法，捕获网络异常流量的关键信息；3)对值导数GRU进行训练。通过上述步骤本发明提供了一种基于值导数GRU，有效的捕获网络异常流量的动态变化信息的入侵检测算法。
-
公开(公告)号：CN119808101A
公开(公告)日：2025-04-11
申请号：CN202411975617.5
申请日：2024-12-31
Applicant: 辽宁大学
IPC: G06F21/57 , G06F18/24 , G06F18/214 , G06F17/18 , G06N5/02
Abstract: 本发明属于漏洞提取方法领域，是一种基于响应式知识蒸馏的无目标漏洞提取方法，步骤为：1)选定目标教师模型，通过输入指定数据集，取得教师模型的输出logit；2)将logit值通过Softmax函数转换成概率分布的形式；3)将响应概率分布#imgabs0#进行处理，以用于将含有漏洞的知识传递给学生模型；4)使用蒸馏损失进行知识蒸馏；5)加载蒸馏完成的学生模型执行预测。本发明通过上述方法，不仅能够更准确地识别深度学习模型中的漏洞，还能够为后续的提供修复和改进模型提供具体方向。
-
公开(公告)号：CN119030744A
公开(公告)日：2024-11-26
申请号：CN202410989072.7
申请日：2024-07-23
Applicant: 辽宁大学
IPC: H04L9/40
Abstract: 一种基于CoT驱动的网络攻击信息解释评判的优化方法，给定Prompt提供CoT的学习样板，将多个模型CoT生成的解释分别通过信息修正的自适应迭代检测、语义精度与偏差的控制、基于规则模板匹配的相似度进行融合迭代式修正优化，并结合标准黄金标签进行综合评判，使得不同模型的CoT不断学习和完善自身的解释能力，逐渐提高解释的准确性和质量，最终将不同模型CoT生成的答案维持在一个平衡状态，以此来弥补单一模型的不足，提高整体性能。本发明通过上述方法，能够有效地解决现有模型对网络攻击信息生成的解释答案存在的信息不够规范完整、准确性偏差等问题。
-
公开(公告)号：CN118629423A
公开(公告)日：2024-09-10
申请号：CN202410698027.6
申请日：2024-05-31
Applicant: 辽宁大学
Abstract: 一种基于特征组合遗传算法的恶意语音检测方法，在恶意语音检测中具有较高的可信度和较低的误判概率。该方法中，结合适应度函数、特征重要性选择方法以及交叉和变异操作，能够有效地提取特征组合并训练最终的恶意语音检测模型。同时，还使用了基于特征重要性的启发式选择方法来选择特征组合父本。具体方法是通过将各个特征组合样本中各个特征的重要性进行累计，作为选择的标准。这样可以确保重要特征在选择过程中有更高的机会被选中，从而增加了特征组合搜索的效率和准确性。该方法在恶意语音检测方面取得了显著的改进，大大提高了恶意语音的准确率和误报率。这一发明为恶意语音检测的研究和实践提供了一种有效的方法，具有广泛应用和推广价值。
-
公开(公告)号：CN118629422A
公开(公告)日：2024-09-10
申请号：CN202410698022.3
申请日：2024-05-31
Applicant: 辽宁大学
Abstract: 一种基于影响函数的恶意语音检测方法，该方法通过分析数据点对模型预测的影响度，增强了深度学习模型在恶意语音检测领域的可解释性。利用影响函数对原始声音信号中可能存在的恶意语音进行识别和检测，大幅提升了检测精度和效率。相较于传统方法，该方法通过影响函数使用较少的计算量来达到较好的检测效果。这种技术在保持检测在效率和优势方面表现出色，为深度学习和解释性机器学习领域提供了新的应用可能。该技术不仅提高了恶意语音检测的准确性，还能准确地识别并解释模型为何将特定语音判定为恶意，从而在确保检测率的同时，提升了模型的透明度和信任度。
-
-
-
-
-
-
-
-
-
Search Results
29
records
(took 0.017 seconds)
