一种基于GAN的用户人格隐私保护方法

    公开(公告)号:CN113742772B

    公开(公告)日:2024-10-22

    申请号:CN202110927352.1

    申请日:2021-08-09

    Abstract: 一种基于GAN的用户人格隐私保护方法属于社会工程学领域。本发明使用结合强化学习的生成式对抗网络来进行文本的转换,其中策略梯度来解决GAN对于文本离散性的不可导问题。我们将鉴别器中的隐层语义特征“泄露”给生成器类提高生成文本语义相似性,同时在GAN的原始目标上加入真实文本和生成文本特征向量间的语义相似度和人格差异得分,因此鉴别器的样本分类器得分J(Gθ)、语义相似性得分Jsem和人格差异性得分Jpers的加权平均值来作为反馈信号来指导生成器的学习,从而使得生成器产生高度多样化的句子以匹配真实句子的变化,避免生成模式单一的文本数据。攻击者无法从变换后的文本数据中分析出用户真实的人格,从而达到攻击效果降低或者阻断攻击的目的。

    一种基于CGAN模型的用户人格隐私保护方法

    公开(公告)号:CN113268991B

    公开(公告)日:2022-09-23

    申请号:CN202110547576.X

    申请日:2021-05-19

    Abstract: 本发明公开了一种基于CGAN模型的用户人格隐私保护方法,属于网络空间安全/社会工程学领域;具体为:首先,通过社交网络收集用户A的原始文本数据,并辨别出该用户的人格标签;通过预处理得到原语义向量x;然后,随机选择混淆人格标签c作为条件,结合随机的噪声向量z,一起输入CGAN模型的语义生成器,生成新的语义向量x',将新语义向量x'和原语义向量x一起输入语义判别器D(x;θd)进行真假判别,得到结果为真的语义向量后进行人格辨别得到对应人格标签c';将语义相同且人格标签一致的文本向量逆向预处理后加入或替换到原用户A的原始文本数据中,进而混淆用户A的人格文本信息。本发明使得攻击者不能正确分析出用户的人格特质,进而达到用户人格隐私保护的目的。

    一种基于变分自编码和K近邻组合的社交机器人检测方法

    公开(公告)号:CN113158076B

    公开(公告)日:2022-07-22

    申请号:CN202110364341.7

    申请日:2021-04-05

    Abstract: 一种基于变分自编码和K近邻组合的社交机器人检测方法属于异常检测技术领域,本发明通过网络获取社交机器人公开数据,并通过预处理提取特征,通过采用数据进行训练,再使用变分自编码进行编码以及解码,正常样本特征经过解码与初始特征更为相似,而异常样本与初始特征差异大,将原始特征与解码后的特征进行融合,再利用异常检测方法K近邻进行异常检测。该方法考虑在社交网络大环境中,异常用户群体相对于正常用户群体其数量较少,因此在数据的收集过程中,异常用户的收集相对麻烦。本发明提出的方法解决了社交机器人检测现有方法中高成本打标签和正负样本不均衡的缺点,通过减少异常样本参与模型的训练,实现社交网络机器用户的高效检测。

    一种基于CGAN模型的用户人格隐私保护方法

    公开(公告)号:CN113268991A

    公开(公告)日:2021-08-17

    申请号:CN202110547576.X

    申请日:2021-05-19

    Abstract: 本发明公开了一种基于CGAN模型的用户人格隐私保护方法,属于网络空间安全/社会工程学领域;具体为:首先,通过社交网络收集用户A的原始文本数据,并辨别出该用户的人格标签;通过预处理得到原语义向量x;然后,随机选择混淆人格标签c作为条件,结合随机的噪声向量z,一起输入CGAN模型的语义生成器,生成新的语义向量x',将新语义向量x'和原语义向量x一起输入语义判别器D(x;θd)进行真假判别,得到结果为真的语义向量后进行人格辨别得到对应人格标签c';将语义相同且人格标签一致的文本向量逆向预处理后加入或替换到原用户A的原始文本数据中,进而混淆用户A的人格文本信息。本发明使得攻击者不能正确分析出用户的人格特质,进而达到用户人格隐私保护的目的。

    一种基于对抗攻击的用户人格隐私保护方法

    公开(公告)号:CN113268990A

    公开(公告)日:2021-08-17

    申请号:CN202110545995.X

    申请日:2021-05-19

    Abstract: 本发明公开了一种基于对抗攻击的用户人格隐私保护方法,属于网络空间安全/社会工程学领域;具体为:针对某个用户的原始文本进行预处理,得到原语义向量x;利用对抗噪声生成算法,将随机生成的混乱人格标签c和原语义向量输入训练好的人格分类模型中,产生对抗噪声z;然后、将原语义向量x与对抗噪声z叠加生成新语义向量将新语义向量作为一个对抗样本,通过人格分类获取对抗样本的人格标签c',并判断人格标签c'与混乱人格标签c是否一致;将生成成功的对抗样本的新语义向量进行逆向预处理,并将结果加入或替换到原用户A的原始文本中,从而获得用户A的混乱人格文本。本发明从分析对抗的角度,对人格分类模型进行扰乱,达到用户人格隐私保护的目的。

    一种基于网络编码的无线传感网多路径路由方法

    公开(公告)号:CN103561445B

    公开(公告)日:2016-08-17

    申请号:CN201310560078.4

    申请日:2013-11-12

    CPC classification number: Y02D70/30

    Abstract: 一种基于网络编码的无线传感网多路径路由方法属无线传感网络通信领域,其特征在于,按基于编码优势节点的路径优势值对网中任意的源节点到目的节点之间的路径按路径优势的大小从大到小排序,提供优先选择的路径,源节点发送的由K个原始数据包所形成的I(I≥K)个编码数据包对应于优先选择路径一一对应的发送。首先由源节点编码的数据在数据传输过程中,编码优势节点是一种多路径交叉点要对输入的编码数据进行再次随机编码再把路由表中标明本节点为接收节点的编码数取出后,再把标有下层其他中间节点或目的节点地址的再次编码数据中编码系数解码后下行输出,以此类推直到目的节点为止。本发明把网络编码与多路径选择相结合提供较优的多路径路由方法。

    用于无线传感器网络数据采集的网络编码方法

    公开(公告)号:CN102665206B

    公开(公告)日:2015-06-03

    申请号:CN201210126316.6

    申请日:2012-04-26

    Abstract: 本发明公开了一种用于无线传感器网络数据采集的网络编码方法,能够达到提高数据传输安全性的目的;该方法的步骤为:给定各会话密钥和传感器节点的存储单元形式;传感器节点获取事件信息并进行编码更新;Sink节点进行译码:Sink节点随机选择多个传感器节点并采集编码包,加密得到包头hf;分别利用各会话密钥,对相应的hf解密得到编码矩阵C和编码包矩阵F;若C满秩,根据C-1和F,计算得到数据包bl-N,bl-N+1…,bl-1;否则,利用全局密钥GK进行加密并广播m1,…,mp;选取编码初始值为m1,…,mp中的一个的传感器节点;利用各会话密钥再次提取新采集的编码包包头中的信息,构建编码矩阵C1和编码包矩阵F1,若C1满秩,根据C1的逆计算得到有效数据包bl-N,bl-N+1…,bl-1;否则,译码结束。

    一种高带宽VoIP检测系统
    28.
    发明公开

    公开(公告)号:CN102904770A

    公开(公告)日:2013-01-30

    申请号:CN201210274099.5

    申请日:2012-08-02

    Abstract: 本发明提出了一种高带宽VoIP检测系统,针对语音终端用户的DoS攻击的实时自动检测,针对语音协议层的DoS攻击和畸形包攻击的自动识别和检测。该系统包括网络处理器集群、在线检测分析集群、数据分析集群、事件处理代理单元、管理平台、策略中心和离线检测单元,在线检测分析集群包括DoS攻击模块、畸形包攻击模块和垃圾电话检测模块;其中策略中心的输出分别与网络处理器集群、数据分析集群、事件处理代理单元、管理平台、在线检测分析集群连接,数据分析集群分别与事件处理代理单元和在线检测分析集群连接,网络处理器集群和在线检测分析集群连接,事件处理代理单元的输出与离线检测单元连接,离线检测单元的输出与在线检测分析集群连接。

    一种漏洞拟真超载蜜罐方法

    公开(公告)号:CN101567887B

    公开(公告)日:2012-05-23

    申请号:CN200910136094.4

    申请日:2009-04-28

    Abstract: 本发明公开了一种漏洞拟真超载蜜罐方法,包括主机、端口扫描欺骗模拟模块、漏洞扫描欺骗模拟模块、漏洞攻击欺骗模拟模块、数据审计模块和漏洞利用模块;当攻击序列到达虚拟蜜罐时,根据情况由虚拟蜜罐系统来进行处理;当攻击者对虚拟主机进行漏洞扫描,虚拟蜜罐根据漏洞配置信息进行响应处理;接着,会利用这些漏洞进一步攻击,此时,虚拟蜜罐系统将漏洞攻击数据流转发至漏洞蜜罐系统,由漏洞攻击模拟模块对攻击者的漏洞利用攻击进行处理和响应;最后,当攻击者利用漏洞攻击成功获取控制权时,则将此时的攻击数据转交至物理蜜罐模块,所有的攻击过程和相关数据由数据审计模块记录下来并进行综合分析。本方法减小蜜网中硬件设备数量,降低了成本。

Patent Agency Ranking