一种轻量IoT恶意行为的识别方法及系统

    公开(公告)号:CN119544258A

    公开(公告)日:2025-02-28

    申请号:CN202411438193.9

    申请日:2024-10-15

    Abstract: 本发明公开了一种轻量IoT恶意行为的识别方法及系统,属于网络安全技术领域。本发明通过获取IoT网关监视范围内的流量数据,将获取的流量数据预处理为基于设备的单向流元数据,然后基于单向流元数据生成主机级特征并保留优质主机级特征,再基于优质主机级特征构建异常检测模型和恶意家族检测模型;使用异常检测模型基于优质主机级特征识别IoT恶意流量,使用识别恶意家族检测模型基于IoT恶意流量的优质主机级特征,识别流量源于的恶意家族。本发明能够识别监视网段内的被感染IoT设备与其感染的恶意家族。

    基于原型学习和联邦学习的物联网入侵检测方法及系统

    公开(公告)号:CN118199925A

    公开(公告)日:2024-06-14

    申请号:CN202410188565.0

    申请日:2024-02-20

    Abstract: 本发明公开了一种基于原型学习和联邦学习的物联网入侵检测方法及系统,属于入侵检测领域,通过将物联网的每个客户端本地神经网络模型划分为嵌入层和决策层,对客户端上的每个攻击类的所有潜在向量计算各自的聚类中心,将聚类中心作为对应攻击类在当前客户端上的本地原型并上传到中央服务器;再通过中央服务器生成全局原型并分发回对应的客户端;根据全局原型个性化训练客户端的本地神经网络模型,以便用来检测对本地物联网网络的攻击行为。本发明通过对齐不同物联网客户端本地原型的同时保持其本地模型一定程度的个性化,来增强每个客户端入侵检测能力。

    一种基于跨模态结构一致性和预训练技术的视觉语言对齐方法和系统

    公开(公告)号:CN117557803A

    公开(公告)日:2024-02-13

    申请号:CN202311326846.X

    申请日:2023-10-13

    Abstract: 本发明涉及一种基于跨模态结构一致性和预训练技术的视觉语言对齐方法和系统。该方法包括:采用视觉预训练编码器和语言预训练编码器分别获取图像目标表示和对应的文本单词表示,构建视觉向量表示空间和语言向量表示空间;基于视觉语言共线关系的结构一致性,分阶段由粗到细地将视觉向量表示空间映射到语言向量表示空间,从而将图像目标表示与相应的文本单词表示进行对齐。本发明从人类的认知角度的多模态共现结构一致性出发,分三阶段从粗到细将视觉表示对齐到了上下文一致的语言表示,最终得到一个简单的线性映射层,可以很容易地和各种视觉语言结合,将视觉表示对齐到相应的语言表示,提升了模型细粒度关联视觉语言信息的能力。

    一种基于圆形检测的高效鲁棒印章检测与文字识别方法

    公开(公告)号:CN117275008A

    公开(公告)日:2023-12-22

    申请号:CN202311140736.4

    申请日:2023-09-05

    Abstract: 本发明公开了一种基于圆形检测的高效鲁棒印章检测与文字识别方法,其步骤包括:1)基于圆检测的技术从待检测图片中获取候选印章区域;2)对所述候选印章区域进行拉直,将所述候选印章区域中的环形文字变水平后进行文字识别;3)利用印章中的图片对称性和文字特性,对所述候选印章区域进行过滤,得到该待检测图片中的印章区域,并输出所述印章区域中的文字。本发明鲁棒性更强,可检测出模糊彩色图像、黑白图像、含多个印章、残缺扭曲和光线不一致环境下的印章;且针对文字扭曲严重的印章,文字识别的最小编辑距离优于其他平台;本发明在不依靠GPU的条件下,极大提高了印章检测效率,且检测印章区域更为准确,减少了非印章区域的文字引入。

    一种基于NetFlow数据的特定加密流量识别方法及系统

    公开(公告)号:CN113630384B

    公开(公告)日:2022-10-14

    申请号:CN202110778054.0

    申请日:2021-07-09

    Abstract: 本发明涉及一种基于NetFlow数据的特定加密流量识别方法及系统。该方法的步骤包括:利用原始网络流量生成NetFlow序列;采用双向LSTM网络捕获NetFlow序列的上下文关系;采用注意力机制对NetFlow序列的上下文关系进行注意力权重计算,得到NetFlow序列的特征;利用得到的NetFlow序列的特征识别加密流量。本发明以NetFlow序列作为输入来保护用户隐私,利用双向LSTM网络尽可能捕获稀疏流记录上下文关系,增加注意力机制进行注意力权重计算,对信息进行加权,实现对相关性特征的增强,自动学习流记录的潜在特征。即使在较低的采样率下,本发明仍能够取得较好的加密流量识别效果。

    一种基于最小普适扰动的流关联攻击防御方法及系统

    公开(公告)号:CN114900329A

    公开(公告)日:2022-08-12

    申请号:CN202210350724.3

    申请日:2022-04-02

    Abstract: 本发明涉及一种基于最小普适扰动的流关联攻击防御方法及系统。本发明针对Tor流量的延迟敏感性,提出了基于排序函数的最小普适扰动产生方法,通过不断随机挑选训练集中数据,寻找能使得数据在高维空间中被推出决策边界的最小扰动,将此过程进行迭代累计,直到达到指定的错误率,得到最小普适扰动;针对Tor流量的特定性,将针对时延的映射设计为寻找一个满足规定的拉普拉斯分布并距离输入的扰动最小的新扰动,对于包长的映射设计为将特殊的Cells映射到一个固定长度。本发明在不改变Tor网络整体系统结构的同时,对不可关联性进行增强,大大提高了系统的隐蔽性,增加了用户的数据安全性,弥补了现有防御机制的缺陷。

    一种用于发现IPv6加速部署状态的综合性测量方法和系统

    公开(公告)号:CN111343008A

    公开(公告)日:2020-06-26

    申请号:CN202010090769.2

    申请日:2020-02-13

    Abstract: 本发明涉及一种用于发现IPv6加速部署状态的综合性测量方法和系统。本发明利用公开数据集及其主动测量的扫描结果和被动测量收集的IPv4网络流量来形成正常的网络状态,利用加速部署期间被动测量收集的IPv6网络流量来形成加速网络状态,通过在地址分布、流量趋势、服务部署、协议探测、安全问题分析等多个标准下进行正常状态和加速部署状态的比较,以深度分析IPv6的加速部署状态。本发明结合主动测量和被动测量完成测量工作并从多个角度综合性地分析IPv6网络状态,通过比较正常状态和加速部署状态能够更有效地发现IPv6加速部署状态的网络状况。

Patent Agency Ranking