一种基于图变分自编码器的匿名社交图恢复方法及系统

    公开(公告)号:CN114896539A

    公开(公告)日:2022-08-12

    申请号:CN202210350716.9

    申请日:2022-04-02

    Abstract: 本发明涉及一种基于图变分自编码器的匿名社交图恢复方法及系统。对匿名后的社交网络构建社交图,其中用户作为节点,用户之间的关联作为边集,对社交图提取邻接矩阵和节点集;将邻接矩阵和节点集输入图变分自编码器中的编码器,通过编码器提取社交图中节点的结构特征,构成潜层向量空间,以扩大虚假边和真实边的距离;利用图变分自编码器中的解码器对边的存在性进行合理性评判,根据合理性评判结果,通过设定阈值识别增加的虚假边,从而完成针对匿名社交图的恢复。本发明针对现有图匿名攻击的缺陷,实现了一种社交图中匿名虚假边识别原型系统,其编码‑解码结构能提取虚假边区别于正常边的隐式特征,高准确率识别还原社交网络图。

    一种基于对抗生成网络流量增强的不均衡流量分类方法和系统

    公开(公告)号:CN114036356A

    公开(公告)日:2022-02-11

    申请号:CN202111192487.4

    申请日:2021-10-13

    Abstract: 本发明涉及一种基于对抗生成网络流量增强的不均衡流量分类方法和系统。该方法在原始的不平衡流量数据集上预训练一个经验最优的网络作为分类器的初始状态;然后对生成器、判别器和分类器进行同步训练;生成器对少数类流量进行过采样以生成流量样本,并输入判别器和分类器;判别器判断输入的流量样本是真实数据还是生成器生成的数据,并反馈给生成器以帮助其进行优化学习;分类器对网络流量进行分类并将分类结果反馈至生成器,使生成器生成更符合对应类别样本分布的流量样本;训练完成后分类器的输出结果即为不均衡流量分类结果。本发明避免了使用通用过采样算法造成的不适用于流量数据的弊端,可以在真实网络环境中实现对不均衡流量的有效分类。

    一种基于多维度状态转移矩阵特征的DDos识别方法和系统

    公开(公告)号:CN109450876B

    公开(公告)日:2020-12-22

    申请号:CN201811239423.3

    申请日:2018-10-23

    Abstract: 本发明涉及一种基于多维度状态转移矩阵特征的DDos识别方法和系统。该方法包括:1)采集网络流元数据,并标注DDos流量与正常流量;2)利用采集并标注的网络流元数据,基于状态转移矩阵提取DDos的多维度特征;3)利用提取的多维度特征,采用机器学习算法训练分类模型;4)将待测的网络流数据按照步骤2)提取多维度特征,输入到步骤3)训练得到的分类模型中,获得DDos识别结果。本发明提取出可以有效刻画不同DDos攻击手法的网络行为特征,结合机器学习算法训练学习,在对场景先验知识较少的情况下,能够既准又全的识别DDos攻击。

    一种基于融合用户行为和迅雷ID的NAT检测方法

    公开(公告)号:CN106850599B

    公开(公告)日:2019-12-03

    申请号:CN201710037609.X

    申请日:2017-01-18

    Abstract: 本发明公开了一种基于融合用户行为和迅雷ID的NAT检测方法。本方法为:1)流量处理平台从捕获的网络流量中提取User‑Agent、Cookie ID、和迅雷ID信息,并将提取出的信息拼接成JSON串;2)根据网络流量的五元组将JSON串负载均衡到流量处理平台中相应的服务器进行处理;3)所述服务器根据五元组对数据进行分类,当判断某一五元组对应的TCP流结束时;对该TCP流进行在线处理;其中,在线处理方法为:根据五元组计算客户端IP的主机出度、主机入度,判定该客户端IP的NAT属性,并计算该客户端IP的主机规模。本发明能够对大量IP属性进行标定并对NAT规模进行精准判断。

    一种基于端到端序列网络的加密流量分类方法

    公开(公告)号:CN109831422A

    公开(公告)日:2019-05-31

    申请号:CN201910043507.8

    申请日:2019-01-17

    Abstract: 本发明提供了一种基于端到端序列网络的加密流量分类方法,主要思想是从加密流量的序列特性出发,借助循环神经网络可以保留一段时间内信息的特性,以从加密流量序列中深入挖掘有效上下文信息,并且结合有监督的分类和无监督的重构机制,增强产生特征的区分性。本发明还提供了一种计算机装置,该计算机可执行计算机程序,所述计算机程序执行本发明方法所述的各项步骤。本发明还提供一种计算机程序存储装置,该计算机程序执行本发明方法所述的各项步骤。本发明提供的上述方法及装置具有自动学习、一体化学习、关键信息留存及泛化性等优点。

    一种基于多维度状态转移矩阵特征的DDos识别方法和系统

    公开(公告)号:CN109450876A

    公开(公告)日:2019-03-08

    申请号:CN201811239423.3

    申请日:2018-10-23

    Abstract: 本发明涉及一种基于多维度状态转移矩阵特征的DDos识别方法和系统。该方法包括:1)采集网络流元数据,并标注DDos流量与正常流量;2)利用采集并标注的网络流元数据,基于状态转移矩阵提取DDos的多维度特征;3)利用提取的多维度特征,采用机器学习算法训练分类模型;4)将待测的网络流数据按照步骤2)提取多维度特征,输入到步骤3)训练得到的分类模型中,获得DDos识别结果。本发明提取出可以有效刻画不同DDos攻击手法的网络行为特征,结合机器学习算法训练学习,在对场景先验知识较少的情况下,能够既准又全的识别DDos攻击。

    基于水军检测模型构建方法和系统及水军检测方法

    公开(公告)号:CN103955714A

    公开(公告)日:2014-07-30

    申请号:CN201410146467.7

    申请日:2014-04-09

    Abstract: 本发明涉及水军检测模型构建方法,包括步骤:对一组样本数据进行任务分割得到多个任务,平均特征抽取得到多个任务的训练样本集;多任务特征选择,得到多个任务的特征权重矩阵;设定一个阈值δ,判断特征权重矩阵中的一个列向量中的最大值是否大于阈值δ,如是,下一步;否则,放弃所述列向量,执行步骤5;将所述列向量添加到共享特征项集合中;判断特征权重矩阵中是否存在未与阈值δ进行比较的列向量,如是,执行步骤3;否则,下一步;输入新的训练数据集;计算得到线性分类值;设置水军阈值,使线性分类值大于水军阈值时判定其为水军。本发明利用多任务学习的方法建立水军检测模型,实现了方便快捷的识别出水军用户。

    一种基于混合狄利克雷过程的网络水军行为检测方法及系统

    公开(公告)号:CN103812872A

    公开(公告)日:2014-05-21

    申请号:CN201410073426.X

    申请日:2014-02-28

    Abstract: 本发明涉及一种基于混合狄利克雷过程的网络水军行为检测方法及系统,其方法为,采集包括用户行为特征和内容特征的原始数据,并对每个维度的原始数据进行量化表示构成用户的历史行为向量,构成待聚类用户数据集;对待聚类用户数据集中的历史行为向量进行聚类,得到至少一个分类用户行为集合;将所有分类用户行为集合中的数据进行转换,对转换后的数据中具有相同用户标识的数据合并,得到序列数据库;模式挖掘模块对序列数据库进行序列模式挖掘,得到分别对应每个分类用户行为集合的至少一个事务序列模式;水军判断模块比较每个事务序列模式,就可以判断出哪个分类用户行为集合是水军账号。本发明很容易分辨出哪一类属于水军账号。

Patent Agency Ranking