-
公开(公告)号：CN108833402A
公开(公告)日：2018-11-16
申请号：CN201810595152.9
申请日：2018-06-11
Applicant: 中国人民解放军战略支援部队信息工程大学 , 中国科学院软件研究所
IPC: H04L29/06
CPC classification number: H04L63/20
Abstract: 本发明属于网络安全技术领域，特别涉及一种基于有限理性博弈理论的网络最优防御策略选取方法及装置，该方法包含：依据实际攻防双方有限理性，构造有限理性情境下的攻防博弈模型；结合攻防博弈策略集合，并依据历史数据，通过设置参与者理性程度参数，建立参与者选取策略的随机最优反应动态微分方程；联立攻防双方作为参与者的随机最优反应动态微分方程，通过求解并筛选出稳定均衡点，确定最优防御策略并输出。本发明相比仅给出均衡解而未分析纳什均衡形成过程的方法，通过分析有限理性演化博弈均衡的动态演进过程，运用于网络防御决策时，实用性和指导意义更强，能够提高策略选取的动态分析效率，并进一步提高网络安全性能。
-
公开(公告)号：CN118470493A
公开(公告)日：2024-08-09
申请号：CN202410623383.1
申请日：2024-05-20
Applicant: 中国人民解放军战略支援部队信息工程大学
IPC: G06V10/82 , G06N3/045 , G06N3/0475 , G06N3/092 , G06N3/096 , G06V10/774
Abstract: 本发明提供一种基于深度强化学习的图像识别方法及系统。该方法包括：步骤1：获取待识别目标图像，并确定其图像识别任务需求；步骤2：根据所述图像识别任务需求选择对应的图像识别模型；其中，所述图像识别模型为采用强化学习算法训练得到的深度学习模型；步骤3：将所述待识别目标图像输入至所述图像识别模型中，得到图像识别结果。本发明可以有效地避免从头开始训练模型而导致的训练时间长的问题。
-
公开(公告)号：CN117118674A
公开(公告)日：2023-11-24
申请号：CN202310941271.6
申请日：2023-07-28
Applicant: 中国人民解放军战略支援部队信息工程大学
IPC: H04L9/40 , H04L41/147
Abstract: 本发明涉及网络安全技术领域，特别涉及一种基于时间博弈的网络攻击时间预测方法及系统，依据目标网络攻防对抗演化环境收集目标网络攻防策略，将目标网络中攻击者及防御者双方攻防决策过程作为传染过程，基于传染病模型构建攻防策略演化概率模型；基于攻防双方、攻防策略、攻防时间策略和攻防收益来构建基于时间博弈的网络攻击时间预测模型；针对基于时间博弈的网络攻击时间预测模型，对模型时间博弈进行纳什均衡求解，结合攻防时间策略组合的攻防收益并依据攻击者攻击特性来输出最优攻击时间策略，以预测网络攻击发生时间。本发明能够根据攻防双方博弈均衡策略来自动推断攻击时机并预测固定分布防御时间周期下攻击趋势和时机，可提升网络攻击预测准确性。
-
公开(公告)号：CN116822513A
公开(公告)日：2023-09-29
申请号：CN202310652396.7
申请日：2023-06-02
Applicant: 中国人民解放军战略支援部队信息工程大学
IPC: G06F40/295 , G06F40/30 , G06F16/35 , G06F40/205 , G06F40/242 , G06F18/241 , G06F18/25 , G06N3/0455 , G06N3/08
Abstract: 本发明公开一种融合实体类型与关键词特征的命名实体识别方法，包括：从待处理文本中提取待处理文本中的关键词特征和实体类型特征；将关键词特征、实体类型特征和待处理文本共同送入编码层获取对应的向量化表示；将关键词向量、实体类型特征向量和文本向量进行向量融合；对融合后的向量使用多头自注意力机制；将注意力机制输出结果输入训练好的实体识别二分类器中，抽取相应的实体信息。本发明通过在编码层引入实体类型特征向量增强对文本语义信息的利用、引入关键词特征向量加强对文本特征信息的利用和引入多头注意力机制对文本位置关系的利用这三方面的改进，增强模型在命名实体识别过程中对文本语义的理解，以提高实体识别的准确率。
-
公开(公告)号：CN116720315A
公开(公告)日：2023-09-08
申请号：CN202310443338.3
申请日：2023-04-23
Applicant: 中国人民解放军战略支援部队信息工程大学
IPC: G06F30/20 , G06F16/22 , G06F16/245 , G06F111/08
Abstract: 本发明提供一种用于兵棋推演的士气影响下的效能测评系统和方法。该系统包括：测评数据获取模块，用于获取并分类存储己方测评数据；所述己方测评数据包括己方兵力控制范围内的对敌作战数据、遭敌打击数据和机动休整数据；士气值量化模块，用于根据所述己方测评数据对不同态势下的算子的士气值进行量化；士气值随机调整模块，用于生成随机数，并根据该随机数对应的士气影响系数对算子的当前士气值进行调整；战斗力量化模块，用于根据算子的当前士气值对战斗力的影响程度进行量化；警告模块，用于根据所述战斗力量化模块输出的影响程度向指挥员发出对应的提醒内容。
-
Patent Agency Ranking
公开(公告)号：CN115051836B
公开(公告)日：2023-08-04
申请号：CN202210543006.8
申请日：2022-05-18
Applicant: 中国人民解放军战略支援部队信息工程大学
Abstract: 本发明提供一种基于SDN的APT攻击动态防御方法及系统。该方法设置有三层防御层，从浅层到深层依次分别为：IPS与蜜罐协同防御层、欺骗空间防御层和动态防御层；在所述IPS与蜜罐协同防御层中，IPS通过攻击特征匹配过滤掉攻击数据，并将攻击数据引诱至蜜罐主机以供所述蜜罐主机采集攻击特征并发送至数据处理中心进行分析和学习，所述数据处理中心将分析和学习的结果再反馈至IPS；在所述欺骗空间防御层中，利用复杂拓扑结构和欺骗主机空间对绕过所述IPS与蜜罐协同防御层的攻击数据进行二次阻挡与预警；在所述动态防御层中，基于SDN的动态IP跳变策略对内部网络的IP地址进行动态分配使得绕过所述欺骗空间防御层后进入内部网络的攻击者无法找到目标服务器。
-
公开(公告)号：CN116248335A
公开(公告)日：2023-06-09
申请号：CN202211640495.5
申请日：2022-12-20
Applicant: 中国人民解放军战略支援部队信息工程大学
IPC: H04L9/40
Abstract: 本发明属于网络安全技术领域，特别涉及一种基于智能演化博弈的网络攻防策略选取方法及系统，通过分析网络场景脆弱性信息来获取攻防策略集，结合有限理性博弈情境构建网络攻防演化博弈决策模型，并依据模型来获取攻防双方不同策略组合的攻防收益；在攻防博弈过程中，依据双方未实施策略的收益及当前实施策略收益来设置遗憾值，利用策略权值和策略期望收益损失并基于遗憾最小化RM算法来构建攻防智能体各自实施策略的概率方程，联合攻防双方的概率方程构造攻防双方博弈过程决策选取的微分方程组；通过对微分方程组进行演化均衡求解来获取攻防双方最优策略。本发明将演化博弈与遗憾最小化算法相结合，提升攻防博弈过程中策略选取的正确性和实用性。
-
公开(公告)号：CN115481397B
公开(公告)日：2023-06-06
申请号：CN202211062373.2
申请日：2022-08-31
Applicant: 中国人民解放军战略支援部队信息工程大学
IPC: G06F21/56
Abstract: 本发明提供一种基于内存结构逆向分析的代码注入攻击取证检测方法与系统。该方法包括：步骤1：对内存映像文件进行预处理，得到物理内存页面集合P；步骤2：基于DLL特征在物理内存页面集合P中定位得到DLL代码模块物理内存页面集合Pe；步骤3：逆向重建虚拟内存空间以构建虚拟内存空间到物理内存空间的页面映射t；步骤4：根据页面映射t，计算用户空间页面集合Vu并逆向查找得到物理内存页面集合Pe对应的虚拟内存页面集合Ve；步骤5：逆向重建进程的LDR链表结构以获取DLL代码模块虚拟内存页面集合Vl；步骤6：比较虚拟内存页面集合Ve、用户空间页面集合Vu和DLL代码模块虚拟内存页面集合Vl，得到隐蔽的注入DLL代码模块虚拟内存页面集合Vh。
-
公开(公告)号：CN114598460B
公开(公告)日：2023-05-16
申请号：CN202210150464.5
申请日：2022-02-18
Applicant: 中国人民解放军战略支援部队信息工程大学
Abstract: 本发明提供一种基于SM9的多接收者签密方法。该方法包括：步骤1：系统建立，具体包括：密钥生成中心选择系统参数，生成系统的主公私钥对，并将系统的主公钥发送至系统用户，秘密保存系统的主私钥；步骤2：密钥提取，具体包括：密钥生成中心利用系统的主公私钥对和用户标识，为系统用户生成用户私钥，并通过安全信道将所述用户私钥发送给对应的系统用户；步骤3：多接收者签密，具体包括：发送者利用系统的主公钥和自身的私钥对待签密明文进行签密生成签密文，并按照给定的接收者列表发送至各接收者；步骤4：解签密，具体包括：合法接收者采用自身的私钥对接收到的签密文进行解密和验证，若验证通过，则得到明文及发送者对所述明文的签名；若验证失败，则拒绝接收签密文。
-
公开(公告)号：CN115830369A
公开(公告)日：2023-03-21
申请号：CN202211481160.3
申请日：2022-11-24
Applicant: 中国人民解放军战略支援部队信息工程大学
IPC: G06V10/764 , G06V10/46 , G06V10/774 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/084 , G06N3/094
Abstract: 本发明属于计算机视觉处理技术领域，特别涉及一种基于深度神经网络的对抗样本生成方法及系统，首先将样本数据中的原始图像转化为显著图；利用显著图圈定样本数据原始图像中用于添加扰动的显著区域，通过对显著图像素值进行二值化处理来获取显著掩膜；将样本数据中的原始图像输入图像分类模型中，利用Nadam优化算法与卷积神经网络反向传输过程中的梯度信息，迭代生成全局扰动的对抗样本；将对抗样本与原始图像做差，得到全局对抗噪声；利用全局对抗噪声与显著掩膜的Hadamard乘积来获取显著区域内的对抗噪声，并通过结合对抗噪声与原始图像来得到最终输出的显著区域对抗样本。本发明能够提升生成样本质量，便于测试和提升图像分类模型的安全性和鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
114
records
(took 0.045 seconds)
