一种基于多模型融合的网络入侵检测的方法及系统

    公开(公告)号:CN110378430B

    公开(公告)日:2023-07-25

    申请号:CN201910667229.3

    申请日:2019-07-23

    Abstract: 本申请公开了一种基于多模型融合的网络入侵检测的方法,包括:获取公开数据集;对公开数据集中的数据进行预处理,得到训练数据集和待测数据集;利用训练数据集对预设融合模型进行训练,直至预设融合模型收敛;利用收敛后的预设融合模型对待测数据集进行基于多模型融合的网络入侵检测,得到基于多模型融合的网络入侵检测结果。本申请减少了不相关特征和冗余信息对检测结果的影响,与传统的机器学习方法相比,节省了人工挖掘关联规则的成本,更有效的利用了数据特征,提高了基于多模型融合的网络入侵检测率。本申请同时还提供了一种基于多模型融合的网络入侵检测的系统、设备及计算机可读存储介质,具有上述有益效果。

    一种数据包缓存方法及系统

    公开(公告)号:CN109218225B

    公开(公告)日:2022-02-15

    申请号:CN201811109699.X

    申请日:2018-09-21

    Abstract: 本发明公开了一种数据包缓存方法及系统,包括仲裁节点向其所在区域内的所有与其对应的参与节点广播待存储数据包的信息,仲裁节点为区域内包括待存储数据包的任意一个节点;获取所有参与节点返回的响应结果,并根据响应结果判断其自身是否满足仲裁条件;若是,在所有参与节点中确定目标存储节点,将待存储数据包发送至目标存储节点,以便目标存储节点存储待存储数据包。本发明中,包括待存储数据包的节点均可以作为仲裁节点,且通过满足仲裁条件的仲裁节点对待存储数据包的缓存进行控制,不需设置核心节点,增强区域内网络的稳定性和安全性、降低网络响应时间的同时,有效地提高了网络缓存命中率。

    一种SDN网络下DDoS攻击流量识别检测方法

    公开(公告)号:CN113923041A

    公开(公告)日:2022-01-11

    申请号:CN202111230036.5

    申请日:2021-10-20

    Abstract: 本发明公开了一种SDN网络下DDoS攻击流量识别检测方法,包括步骤如下:S1:对流表信息进行收集;S2:根据流表信息计算得出具有DDoS攻击特性的流量特征值,并将流量特征值转换为特征向量数据;S3:利用特征向量数据构建随机森林模型,采用构建好的随机森林模型对识别DDoS攻击作用不大的流量特征进行筛选,并得到最优特征子集;S4:将最优特征子集转化为特征向量Fnew,通过度量特征向量Fnew和特征模式图中各节点的马氏距离,若有与特征向量Fnew最近马氏距离的节点,该节点所对应的特征模式就是特征向量Fnew的类别,若为良性分类则为正常流量;否则为DDoS攻击流量。

    一种具有抗量子特性的区块链工作量证明方法和系统

    公开(公告)号:CN113139016A

    公开(公告)日:2021-07-20

    申请号:CN202110360170.0

    申请日:2021-04-02

    Inventor: 周赛星 陈家辉

    Abstract: 本发明提供一种具有抗量子特性的区块链工作量证明方法和系统,所述方法包括:收集区块链内历史区块的数据,利用当前区块的初始Nonce值和上一区块的哈希值生成种子数;利用种子数生成随机数序列,确定方程组参数,生成多元二次方程组;对多元二次方程组求解,基于解输出,获得多元二次方程组的哈希函数;利用难度调整算法确定当前区块需满足的最小难度值;计算多元二次方程组的哈希函数的解并验证是否满足工作量证明条件;若不满足,令初始Nonce值加1重新生成多元二次方程组并对其求解,直到其满足工作量证明条件;满足条件后,其他节点对当前Nonce值和解输出进行工作量证明和交易合法性验证,均满足时,将当前区块上链区块链。

    一种流量数据的异常检测方法及装置

    公开(公告)号:CN112232948A

    公开(公告)日:2021-01-15

    申请号:CN202011205158.4

    申请日:2020-11-02

    Abstract: 本发明公开一种流量数据的异常检测方法及装置、电子设备、存储介质,方法包括:将预处理后的流量数据输入自动编码网络模型,以对流量数据进行自动编码解码获得重构特征向量;然后将重构特征向量输入到循环神经网络模型中,以获得内部特征信息;其中,内部特征信息用于表征流量数据的内部特征的前后相关性;最后通过Sigmoid函数对内部特征信息进行分类,以获得用于表征流量数据是否异常的二分类结果,从而能够提高异常检测准确率。

    一种基于多模型融合的网络入侵检测的方法及系统

    公开(公告)号:CN110378430A

    公开(公告)日:2019-10-25

    申请号:CN201910667229.3

    申请日:2019-07-23

    Abstract: 本申请公开了一种基于多模型融合的网络入侵检测的方法,包括:获取公开数据集;对公开数据集中的数据进行预处理,得到训练数据集和待测数据集;利用训练数据集对预设融合模型进行训练,直至预设融合模型收敛;利用收敛后的预设融合模型对待测数据集进行基于多模型融合的网络入侵检测,得到基于多模型融合的网络入侵检测结果。本申请减少了不相关特征和冗余信息对检测结果的影响,与传统的机器学习方法相比,节省了人工挖掘关联规则的成本,更有效的利用了数据特征,提高了基于多模型融合的网络入侵检测率。本申请同时还提供了一种基于多模型融合的网络入侵检测的系统、设备及计算机可读存储介质,具有上述有益效果。

    一种支持国密算法的教育区块链的成绩管理方法

    公开(公告)号:CN110378151A

    公开(公告)日:2019-10-25

    申请号:CN201910532493.6

    申请日:2019-06-19

    Abstract: 本发明提供一种支持国密算法的教育区块链的成绩管理方法,可应用于教育管理部门及各类教育机构的重要选拔考试的成绩管理。本方案基于区块链的框架,方法包括:教育管理工作人员将考生成绩上传至区块链主结点,主结点对成绩进行验证和区块打包,由从结点将区块写入区块链中。由于区块链技术的分布式、无法篡改这两大特点,本方案设计能够保证考生成绩在上链之后不可能被任何人篡改,有力的维护了教育行业的公平性和公正性。且本方法支持国家密码管理局发布的国产密码算法,符合当前密码算法国产化的要求,有利于区块链应用在国内的实施。

    一种基于生成对抗网络的恶意URL过采样方法

    公开(公告)号:CN110362997A

    公开(公告)日:2019-10-22

    申请号:CN201910482547.2

    申请日:2019-06-04

    Abstract: 本发明公开了一种基于生成对抗网络的恶意URL过采样方法,首先采集原始的恶意URL数据,通过结合生成对抗网络获得额外的人工数据样本,以此扩充并平衡了原始URL数据集,然后使用K-Means方法对生成的人工数据样本进行聚类,从而对人工数据样本进行筛选进一步减少数据的不平衡,使得生成的人工数据样本在分布特征上和原始数据样本具有相似性,不会带来过大的分布偏差。本发明方法解决了现有对于少数样例的恶意数据过采样的数样本存在分布偏差以及不平衡等问题。

Patent Agency Ranking