-
公开(公告)号：CN112685729A
公开(公告)日：2021-04-20
申请号：CN202011563015.0
申请日：2020-12-25
Applicant: 中国科学院信息工程研究所
IPC: G06F21/45
Abstract: 本发明提供了一种专用强制访问控制方法、系统、电子设备及存储介质，该方法包括：导入专用访问控制的判定依据和根据用户、软件、资源三层联动协同的专用访问控制逻辑对访问请求进行判定；其中，根据专用访问控制逻辑对访问请求进行判定包括：接收访问请求；获取访问请求处理过程中主体和客体的安全上下文信息；从用户执行软件层面、软件访问资源层面以及用户访问资源层面，分别对访问请求进行判定，得到各个层面判定结果；根据各个层面的判定结果，得到专用访问控制的判定结果。本发明通过制定专用访问控制的判定依据和用户、软件、资源三层联动协同的专用访问控制逻辑，为操作系统提供了一个更完善的安全防护层，提高了系统的便捷性与安全性。
-
公开(公告)号：CN112613032A
公开(公告)日：2021-04-06
申请号：CN202011484244.3
申请日：2020-12-15
Applicant: 中国科学院信息工程研究所
IPC: G06F21/55
Abstract: 本发明实施例提供了一种基于系统调用序列的主机入侵检测方法及装置，包括：对各系统调用序列进行深度嵌入，构建各系统调用的词嵌入向量；基于n‑gram算法将各系统调用序列切分成短序列的输入输出样本对；基于各系统调用的词嵌入向量确定的词向量矩阵和短序列的输入输出样本对，确定各系统调用之间的依赖关系；基于各系统调用之间的依赖关系确定各短序列的概率值；将各短序列的概率值确定的共现概率作为异常因子，采用阈值判断法确定各系统调用序列的检测结果；所述检测结果包括正常或异常。本实施例考虑到系统调用的全局特征，把系统调用序列看作是系统与进程之间交互的语言，对系统调用进行处理，具有很好是泛化性能，降低入侵检测误报率。
-
公开(公告)号：CN111163057B
公开(公告)日：2021-04-02
申请号：CN201911246787.9
申请日：2019-12-09
Applicant: 中国科学院信息工程研究所
Abstract: 本发明涉及一种基于异构信息网络嵌入算法的用户识别系统及方法，包括：数据处理模块、联合嵌入模块、评估分析模块；本发明基于行为分析的思路，利用多源异构的用户行为数据构建正常行为模型，当新时间周期的行为数据到来后，通过对比当前行为与正常行为模型的相似性执行用户识别，针对识别错误的情况，本发明还将基于点积相似性运算给出可疑行为排序。本发明可应用于企业内网中检测潜在的内部威胁，结合两种异构信息网络嵌入算法可以得到更加全面精确的行为模型，用户识别准确率得以提升10％左右，此外，本发明还将提供事件级别的溯源线索，可供安全监测人员进一步分析。
-
公开(公告)号：CN112269316A
公开(公告)日：2021-01-26
申请号：CN202011168793.X
申请日：2020-10-28
Applicant: 中国科学院信息工程研究所
IPC: G05B13/04
Abstract: 本发明提出一种基于图神经网络的高鲁棒性威胁狩猎系统及方法，所述方法包括如下步骤：步骤1、将主机的系统行为数据收集并保存到系统行为数据库中；步骤2、溯源图构建步骤，使用不同粒度的系统行为构建溯源图，所述系统行为包括内核层，操作系统层，应用层的行为；步骤3、利用Locating算法初步筛选溯源图，得出可疑子图；步骤4、查询图生成，根据威胁情报描述的攻击行为生成查询图，使用图神经网络模型为每个可疑子图计算其与查询图的匹配分数，分数超过阈值则发出告警。
-
公开(公告)号：CN110808971B
公开(公告)日：2021-01-01
申请号：CN201911040786.9
申请日：2019-10-30
Applicant: 中国科学院信息工程研究所
Abstract: 一种基于深度嵌入的未知恶意流量主动检测系统及方法，包括：预处理模块、深度嵌入模块、最优边界搜索模块和检测模块；预处理模块将长度不一的各个应用中的网络流表示为固定大小的流矩阵；深度嵌入模块：在训练阶段，以预处理模块输出的流矩阵作为输入，通过训练孪生卷积神经网络学习一种非线性映射，使得在非线性映射后的嵌入空间下，同一个应用产生的网络流分布更加紧凑，不同应用产生的网络流分布更加离散；在测试阶段，使用训练好的卷积神经网络将待识别的流矩阵映射到嵌入空间下；最优边界搜索模块：在嵌入空间下，为各个已知类别应用的网络流寻找最优分类超平面，最后构建分类器；检测模块基于最优边界搜索模块得到的分类器，判断待识别的网络流是否来自未知的恶意应用。
-
Patent Agency Ranking
公开(公告)号：CN111107072A
公开(公告)日：2020-05-05
申请号：CN201911263694.7
申请日：2019-12-11
Applicant: 中国科学院信息工程研究所
IPC: H04L29/06
Abstract: 本发明涉及一种基于认证图嵌入的异常登录行为检测方法及系统，在训练阶段，认证图生成模块将内网网络中的认证事件表示为认证图的形式，利用认证图嵌入模块得到图中节点的低维向量表示；基于所得的认证图向量表示，用户正常登陆行为画像生成模块生成用户的登陆行为画像，使用该画像训练模型作为异常检测器；在检测阶段，按照与训练阶段相同的方法生成认证图，然后利用训练阶段所得的认证图节点低维向量表示生成测试阶段的用户登陆行为画像，最后将偏离模型的用户登陆行为标记为异常并产生告警。
-
公开(公告)号：CN107846389A
公开(公告)日：2018-03-27
申请号：CN201610839816.2
申请日：2016-09-21
Applicant: 中国科学院信息工程研究所
IPC: H04L29/06
Abstract: 本发明公开了一种基于用户主客观数据融合的内部威胁检测方法及系统，在原先仅审计用户系统与网络行为数据的基础上，提出了反映用户工作态度、生活压力等个体特征的主观要素数据，再从用户的主客观要素数据出发，提出了融合模式、预示模式两类数据融合模式,通过融合反映用户攻击动机强度的主观要素数据与反映用户系统与网络行为的客观要素数据，全面分析、检测内部威胁，有效降低单纯异常检测的高误报与漏报问题，同时基于内部威胁攻击链特征提出了建立各个攻击环节异常的内部威胁特征方法，提高内部威胁检测系统的实时更新能力。
-
公开(公告)号：CN112685729B
公开(公告)日：2023-04-07
申请号：CN202011563015.0
申请日：2020-12-25
Applicant: 中国科学院信息工程研究所
IPC: G06F21/45
Abstract: 本发明提供了一种专用强制访问控制方法、系统、电子设备及存储介质，该方法包括：导入专用访问控制的判定依据和根据用户、软件、资源三层联动协同的专用访问控制逻辑对访问请求进行判定；其中，根据专用访问控制逻辑对访问请求进行判定包括：接收访问请求；获取访问请求处理过程中主体和客体的安全上下文信息；从用户执行软件层面、软件访问资源层面以及用户访问资源层面，分别对访问请求进行判定，得到各个层面判定结果；根据各个层面的判定结果，得到专用访问控制的判定结果。本发明通过制定专用访问控制的判定依据和用户、软件、资源三层联动协同的专用访问控制逻辑，为操作系统提供了一个更完善的安全防护层，提高了系统的便捷性与安全性。
-
公开(公告)号：CN110796196B
公开(公告)日：2022-05-10
申请号：CN201911040768.0
申请日：2019-10-30
Applicant: 中国科学院信息工程研究所
Abstract: 本发明涉及一种基于深度判别特征的网络流量分类系统及方法，包括：预处理模块和模型学习模块，预处理模块：将不同应用产生的长度不一的网络流作为输入，将每条网络流表示为固定大小的流矩阵，以满足卷积神经网络(CNN)的输入格式要求；模型学习模块：以预处理模块得到的流矩阵作为输入，在度量学习正则化项和交叉熵损失项共同构成的目标函数的监督下，对深度卷积神经网络进行训练，使得神经网络可以对输入的流矩阵学习得到更具判别性的特征表示，从而使得分类结果更加准确。
-
公开(公告)号：CN112367334A
公开(公告)日：2021-02-12
申请号：CN202011324405.2
申请日：2020-11-23
Applicant: 中国科学院信息工程研究所
Abstract: 本发明提供一种网络流量识别方法、装置、电子设备和存储介质，其中方法包括：将待识别的网络数据包序列进行预处理，得到若干条数据流；将每一条数据流输入至网络流量识别模型，得到网络流量识别模型输出的每一条数据流的流量识别结果；其中，网络流量识别模型是基于样本数据流及其样本流量类型训练得到的；网络流量识别模型用于提取每一条数据流的时空特征，并基于时空特征对每一条数据流进行流量识别；其中时空特征可以通过卷积神经网络和循环神经网络提取得到，或通过卷积神经网络和时序卷积网络提取得到。本发明提供的网络流量识别方法、装置、电子设备和存储介质，充分利用了数据包之间的时序关系以及空间特征，提高了流量识别的准确性。
-
-
-
-
-
-
-
-
-
Search Results
34
records
(took 0.031 seconds)
