基于Markov信号博弈的移动目标防御策略选取方法及设备

    公开(公告)号:CN110460572B

    公开(公告)日:2021-11-02

    申请号:CN201910606956.9

    申请日:2019-07-06

    Abstract: 本发明属于网络安全技术领域,特别涉及一种基于Markov信号博弈的移动目标防御策略选取方法及设备,该方法包含:结合信号博弈模型和马尔科夫决策过程,构建多阶段马尔科夫信号博弈模型,多阶段马尔科夫信号博弈模型包含多个独立且相似的单阶段信号博弈模型构成,每个单阶段信号博弈模型的信号博弈均属于有限博弈;选取移动目标防御对抗过程中的目标函数,并获取多阶段博弈均衡求解结果;依据多阶段博弈均衡求解结果,选取最优防御策略。本发明分析攻击者和防御者之间的动态对抗过程,求解多阶段博弈均衡,选取最优防御策略,弥补网络空间安全领域被动防御的不足,提高系统防御的时效性、客观性和准确性,增强网络安全主动防御能力。

    基于定性微分博弈和演化博弈的网络安全威胁预警方法及装置

    公开(公告)号:CN110099045B

    公开(公告)日:2021-09-10

    申请号:CN201910275813.4

    申请日:2019-04-08

    Abstract: 本发明属于网络安全技术领域,特别涉及一种基于定性微分博弈和演化博弈的网络安全威胁预警方法及装置,该方法包含:结合网络系统功能及其拓扑结构,构建多维网络安全状态空间;引入定性微分博弈,构建攻防定性微分博弈模型,并依据该攻防定性微分博弈模型获取攻防界栅;引入演化博弈,构建攻防演化博弈模型,并依据该攻防演化博弈模型,获取网络安全状态演化轨迹;根据网络安全状态演化轨迹与攻防界栅之间的多维空间欧式距离,获取不同安全状态的威胁程度。本发明解决基于传统博弈理的威胁分析方法时间非连续性与完全理性的问题,更加贴近攻防实际的进行网络安全分析,提高预警时效性、客观性和准确性,对于网络安全技术发展都具有重要指导意义。

    基于随机多维变换的网络动态防御方法、装置及系统

    公开(公告)号:CN111464503A

    公开(公告)日:2020-07-28

    申请号:CN202010163934.2

    申请日:2020-03-11

    Abstract: 本发明属于网络安全技术领域,特别涉及一种基于随机多维变换的网络动态防御方法、装置及系统,该方法包含:对合法用户身份进行注册并将用户属性信息保存到数据库;通过访问用户属性信息判定端节点用户是否为注册用户;利用用户私钥提取跳变地址选取范围和跳变周期并生成跳变地址,依据用户节点访问网络服务的请求报文对跳变地址有效性进行验证;将加密后的服务资源列表发送给验证通过的用户节点,用户节点利用私钥解密后访问相应安全级别的服务资源。本发明针对地址变换易碰撞分发低效等问题,通过全网端节点的持续变换构建动态网络视图,增加网络结构和目标节点不确定性,实现无检测防御和对全网节点变换的有效管理。

    基于智能时滞微分博弈的先知蜜点部署方法、系统及服务器

    公开(公告)号:CN118041645A

    公开(公告)日:2024-05-14

    申请号:CN202410211182.0

    申请日:2024-02-27

    Abstract: 本发明涉及网络安全技术领域,特别涉及一种基于智能时滞微分博弈的先知蜜点部署方法、系统及服务器,基于威胁模型和防御模型构建网络节点状态演化的时滞微分博弈方程,并依据攻防对抗中攻防双方采取改变当前网络节点状态所带来的收益及开销来设置攻防收益函数,其中,所述网络节点状态包括正常状态、感染状态、保护状态和受损状态;利用时滞微分博弈方程和攻防收益函数构建用于表示网络欺骗攻防行为和节点状态演化过程的时滞微分博弈网络欺骗部署模型,并将网络欺骗部署模型转化为二人零和马尔科夫博弈模型,以通过模型求解获取最优蜜点部署策略。本发明通过有效刻画无标度网络环境下网络节点的演化状态并利用网络节点演化的时滞微分状态方程构建先知蜜点攻防时滞微分博弈模型,利用模型求解来实时输出复杂网络环境下不同度节点攻防双方最佳策略,保证蜜点部署的合理性,以达到目标网络保护数据安全的目的,具有较好的应用前景。

    基于多样化输入策略的智能系统对抗样本生成方法及系统

    公开(公告)号:CN115527084A

    公开(公告)日:2022-12-27

    申请号:CN202211192096.7

    申请日:2022-09-28

    Abstract: 本发明属于图像模型评估技术领域,特别涉及一种基于多样化输入策略的智能系统对抗样本生成方法及系统,首先,收集图像变换方法,并依据收集的图像变换方法来构建数据增强方法集;从数据增强方法集中选取若干图像变换方法组成数据增强策略集合;针对原始图像样本数据,利用数据增强策略集合中的图像变换方法分别进行图像变换,得到批次变换后的图像增强数据;利用图像分类模型获取各图像变换方法对应的图像增强数据的梯度值,通过对梯度值进行加权平均来获取对抗扰动噪声,利用对抗扰动噪声生成对抗样本。本发明利用不同图像变换方法的多次随机变换进行图像数据增强,并利用模型梯度值来计算对抗样本中的扰动噪声,提高数据增强变换种类和输入图像数量的多样性,有效缓解“过拟合”现象,提高对抗样本的黑盒攻击能力。

Patent Agency Ranking