一种基于用户语言特征的内部威胁检测方法

    公开(公告)号:CN107196942A

    公开(公告)日:2017-09-22

    申请号:CN201710374486.9

    申请日:2017-05-24

    Abstract: 本发明公开了一种基于用户语言特征的内部威胁检测方法,它首先分析用户的语言数据,提取语言特征并建立能够表征用户人格心理特征的数值化特征向量,然后构建分类器并进行分类器训练来识别异常人格心理特征的用户,最后分析异常人格心理特征用户的特征向量偏移度来筛选出误报用户,并将剩余的用户作为内部潜在恶意用户上报给安全管理员进行分析应对。本发明充分考虑了内部攻击中攻击者自身的心理特点,从人格角度进行了心理建模,并以此构建出异常检测分类器,弥补了现有检测方法只关注攻击过程忽视攻击主体的不足,从而可以细粒度地区分“异常”与“恶意”,能够全面分析检测内部威胁,有效降低传统内部威胁检测方法的高误报与漏报问题。

    一种基于Hurst指数的网络安全态势预测方法

    公开(公告)号:CN106411591A

    公开(公告)日:2017-02-15

    申请号:CN201610871341.5

    申请日:2016-09-30

    CPC classification number: H04L41/145 H04L41/142 H04L41/147 H04L63/20

    Abstract: 本发明公开了一种基于Hurst指数的网络安全态势预测方法,利用时间序列的自相似性指标Hurst指数来做为网络安全态势预测判定标准和优化目标,它包括以下三个过程:(1)网络安全态势时间序列可预测性判定及时间序列长度确定,建立及结果输出。本发明明确了根据实际的网络安全态势时间序列计算其是否具有可预测性,并通过计算得到最佳的用于预测的可变的时间序列长度,同时通过计算去除时间序列中无规律的随机分量,即对于预测无意义的噪声数据,在最大程度上保留时间序列中规律性的基础上,避免噪声数据的影响;并且通过预测模型计算得出预测结果和预测精度。(2)时间序列中随机分量的分离,(3)预测模型的

Patent Agency Ranking