-
公开(公告)号：CN101447020A
公开(公告)日：2009-06-03
申请号：CN200810183237.2
申请日：2008-12-12
Applicant: 北京理工大学
Abstract: 本发明涉及一种色情图像的识别方法，包括以下步骤：第一步建立样本图像库；第二步对样本图像进行特征提取；第三步对样本图像所提取的特征进行训练，形成色情图像分类器；第四步对待识别图像进行特征提取；第五步将待识别图像特征输入到色情图像分类器，得出识别结果。本发明中的图像特征采用由确定数值、模糊数值及直觉模糊数值共同构成的颜色直方图特征向量；本发明还包括采用遗传算法对图像特征进行特征优化的步骤。使用本发明的方法，可以增加图像识别的准确度，并减少识别时间。
-
公开(公告)号：CN118900187A
公开(公告)日：2024-11-05
申请号：CN202410529852.3
申请日：2024-04-29
Applicant: 北京理工大学
IPC: H04L9/40 , G06F18/214
Abstract: 本发明提出了一种基于异构图与元路径的溯源图异常节点检测方法。包括获取日志数据并转换为溯源数据；将溯源数据构建成异构图结构；对异构图进行进程节点异常检测；标识异常进程节点，重构异构图；对重构后的异构图进行实体节点异常检测；将异构图中对应的所有异常节点以及这些节点之间相连的边全部提取出来，去掉所有孤立的节点，最后得到的子图即为攻击路径。本发明针对不同类型的节点设计了不同的元路径，设计的多条元路径能够充分挖掘节点之间的语义信息，并得到节点的嵌入特征。本发明通过利用SVDD训练正常数据的模型来判断新的数据是否异常，在异常检测方面能够达到比用机器学习模型进行数据分类更好地效果。
-
公开(公告)号：CN116069623A
公开(公告)日：2023-05-05
申请号：CN202211614384.7
申请日：2022-12-12
Applicant: 北京理工大学
IPC: G06F11/36
Abstract: 本发明公开了基于组件的有向双权软件级联故障传播建模方法及系统，考虑了组件内与组件间的传播概率，组件容错率的传播限制以及软件运行过程中的不确定性。包括如下步骤：针对软件进行分析，以软件中函数为节点，以函数之间的调用关系为边，构建软件网络；将每个函数节点视为一个组件。对故障组件i，如果指向故障组件有向边的起始组件是非故障组件j，计算非故障组件j的组件内传播概率、组件间传播概率，并进一步计算得出软件级联故障传播概率，获得组件j的故障感染概率，如果组件j的故障感染概率大于等于自身容错率则组件j被感染故障，作为新的故障组件，继续计算新的故障组件对应的非故障组件的被感染概率，直至无新的故障组件出现。
-
公开(公告)号：CN115659330A
公开(公告)日：2023-01-31
申请号：CN202211113528.0
申请日：2022-09-14
IPC: G06F21/56 , G06F8/53 , G06V10/764 , G06F18/241 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于内存取证和图神经网络的恶意代码检测方法，涉及软件安全技术领域，本发明利用内存取证和图神经网络相结合的方式，减少了检测方法对于专家知识的依赖，同时提高了针对加壳恶意代码的检测效率以及对于未知样本的泛化能力。该方法包括如下步骤：获取目标程序的内存镜像。从内存镜像中提取目标程序中的函数以及函数之间的调用关系。利用自然语言处理NLP(Natural Language Processing)方法获取内存镜像中每个函数的语义表示，获得每个函数的语义向量。利用函数的语义向量构建目标程序的语义嵌入的函数调用图FCG(FunctionCall Graph)，利用图神经网络GNN(Graph Neural Network)模型来分析语义嵌入的FCG以进行恶意代码识别，获得检测结果。
-
公开(公告)号：CN113242225B
公开(公告)日：2021-12-31
申请号：CN202110484817.0
申请日：2021-04-30
Applicant: 北京理工大学
Abstract: 本发明公开了一种基于流数据的黎曼流形结构的DDoS攻击检测方法。本发明首先对流数据进行数学建模，对高维度的、复杂的流数据特征进行预处理，最终以“做功”作为描述流数据的唯一特征；然后，使用傅里叶变换得到“做功”的频域信息以及计算“做功”的信息熵作为机器学习的输入特征。本发明方法是一种轻量级的检测方法，其用于训练的数据特征少，对DDoS攻击的检测速度快；同时，实现该方法的技术难度小，但准确率高。
-
Patent Agency Ranking
公开(公告)号：CN112804208B
公开(公告)日：2021-10-22
申请号：CN202011629019.4
申请日：2020-12-30
Applicant: 北京理工大学
IPC: H04L29/06
Abstract: 本发明提供一种基于攻击者特性指标的网络攻击路径预测方法，首先从攻击者的角度出发，结合攻击图和隐马尔可夫模型，提出网络攻击路径的量化指标，如攻击成本、攻击收益和攻击利润来体现不同意图的攻击者对于最佳攻击路径选取的不同；其次，基于量化指标对攻击图中的攻击路径进行量化和分析，更加有效地描述网络攻防场景；最后，通过将每一条攻击路径上所有漏洞的攻击成本、攻击收益及攻击利润分别相加，得到整条攻击路径的攻击总成本、攻击总获利以及攻击总利润，通过比较各个攻击路径的指标值，从而更加准确地找到攻击者可能攻击的风险较大的一条或多条攻击路径，帮助网络管理员更全面地了解网络安全状况，更高效地保证网络系统安全性。
-
公开(公告)号：CN108763877B
公开(公告)日：2021-07-09
申请号：CN201810604663.2
申请日：2018-06-13
Applicant: 北京理工大学
IPC: G06F21/12
Abstract: 本发明公开了一种基于数据混淆的代码保护方法，对代码中数据进行数据分类，并将分类后的数据分别进行价值挖掘，依据其不同的数据特征采用不同的混淆方法混淆所挖掘出具有混淆意义的有价值的数据。本发明的技术方案包括如下步骤：将待保护代码中数据进行分类，分为个体数据、集合数据与逻辑赋值数据。分别针对个体数据、集合数据与逻辑赋值数据进行价值挖掘，挖掘出有价值的个体数据、有价值的集合数据与有价值的逻辑赋值数据。针对有价值的个体数据、有价值的集合数据与有价值的逻辑赋值数据分别采用不同的数据混淆方法进行数据混淆，数据混淆后的待保护代码为被保护代码。
-
公开(公告)号：CN107273752B
公开(公告)日：2020-12-11
申请号：CN201710495331.0
申请日：2017-06-26
Applicant: 北京理工大学
IPC: G06F21/57 , G06K9/62 , G06F40/216 , G06F40/284 , H04L29/06
Abstract: 本发明涉及一种基于词频统计和朴素贝叶斯融合模型的漏洞自动分类方法，属于信息安全技术领域。具体操作为：步骤一、构建一个漏洞数据库，收集漏洞记录。步骤二、确定特权集类别。步骤三、训练词频‑逆向文件频率分类器。步骤四、测试词频‑逆向文件频率分类器分类结果和准确率。步骤五、建立朴素贝叶斯分类器。步骤六、测试朴素贝叶斯分类器分类结果和准确率。步骤七、分类器融合。本发明提出的支持漏洞关联性挖掘的漏洞自动分类法与已有方法相比较，其优点是：本发明方法不仅利用了漏洞数据库中“漏洞描述”字段，同时考虑了漏洞的“可用性评分”、“影响性评分”等属性对漏洞关联性的影响，分类准确率得到大幅提高。
-
公开(公告)号：CN107330345B
公开(公告)日：2020-11-27
申请号：CN201710543518.3
申请日：2017-07-05
Applicant: 北京理工大学
Abstract: 本发明公开了一种检测隐私数据泄露的方法和装置，应用于Android移动终端中，包括：为Android移动终端中隐私数据生成的变量添加对应的污点标记，将变量及其污点标记保存到根据变量的类型对应分配的存储空间中；按照对包含控制信息的控制流分析后设定的污点传播规则，追踪变量对应的污点标记的传播；在预设的汇集点检测传输的数据是否带有污点标记，是则确定应用存在泄漏隐私数据的行为，否则确定应用不存在泄漏隐私数据的行为。本发明实施例的检测隐私数据泄露的方法和装置，提高了隐私数据泄露检测的准确性，保证了用户的信息安全。
-
公开(公告)号：CN111897733A
公开(公告)日：2020-11-06
申请号：CN202010790762.1
申请日：2020-08-07
Applicant: 北京理工大学
Abstract: 本发明公开了一种基于最小集合覆盖的模糊测试方法和装置，该方法利用深度神经网络为目标二进制程序产生测试用例集，并加入测试用例队列；利用最小集合覆盖理论，从所述测试用例队列中筛选出具有最大化路径覆盖率且测试用例数量最少的最小用例集合，以减少执行效果相同的重复测试用例的数量；以设定的一个或一个以上的测试用例选择标准，对所述最小用例集合中的测试用例进行排序，选择最优测试用例进行后续变异，继而实现模糊测试；将模糊测试过程中产生的有效测试用例加入深度神经网络测试用例训练集，离线地指导深度神经网络进行优化训练。使用本发明能够获得更小测试用例集以及更有效的测试用例，可以针对目标二进制程序进行有效地漏洞检测。
-
-
-
-
-
-
-
-
-
Search Results
213
records
(took 0.042 seconds)
