-
公开(公告)号：CN118740450A
公开(公告)日：2024-10-01
申请号：CN202410836635.9
申请日：2024-06-26
Applicant: 北京计算机技术及应用研究所
IPC: H04L9/40 , H04L41/06 , G06N3/045 , G06N3/0442 , G06N3/0464 , G06N3/042 , G06N3/088
Abstract: 本发明涉及一种基于多域多层级网络行为特征图的网络异常状态检测方法，属于网络安全领域。本发明提出了多域多层级行为特征图的构建方法，并基于该特征图提出了一种网络异常状态的检测方法，实现了在大规模的实际网络环境中对网络整体异常状态的检测，并在一定程度上还原出了攻击链路。其中，本发明通过分布式检测的方式实现对大规模网络拓扑条件下的网络异常状态检测。由于传统基于图的网络异常检测技术往往只在小规模网络下展开测试验证，在实际应用时难以在大规模网络下进行实时的检测。本技术方案采用分布式的思想，通过对目标网络进行合理划分，使得每个网络域只需要构建一个规模较小的图结构进行计算，实现对网络整体异常状态的实时检测。
-
公开(公告)号：CN118605858A
公开(公告)日：2024-09-06
申请号：CN202410658906.6
申请日：2024-05-27
Applicant: 北京计算机技术及应用研究所
Abstract: 本发明涉及一种自动生成表格的低代码安全编码设计方法，属于前端低代码开发和网络安全编码技术领域。本发明提出的自动生成表格的低代码安全编码设计方法，在表格生成页面部分，用“代码生成代码”的概念，将重复的逻辑用基础组件和schema注入的形式自动生成表格，这不仅可以减少重复开发的时间，也可以减少人工编码带来的bug和缺陷以及未知的网络安全问题。前端开发中经常会涉及到递归和定时器，团队中的成员在不了解业务或者技术不熟练的情况下很容易写出死循环和定时器未及时清除的代码，造成内存泄漏，而本发明提出的方法将核心的代码交给代码去生成，减少了类似情况的发生。
-
公开(公告)号：CN117687902B
公开(公告)日：2024-07-30
申请号：CN202311546202.1
申请日：2023-11-20
Applicant: 北京计算机技术及应用研究所
IPC: G06F11/36 , G06F16/2455 , G06F16/242
Abstract: 本发明涉及一种面向模糊测试的种子挖掘方法，属于模糊测试技术领域。针对有源码的灰盒场景，本发明通过研究语法语义感知的灰盒DBMS模糊测试技术，提出了一种面向数据库模糊测试的种子挖掘方法，从目标DBMS的官方测试套件中挖掘初始种子并解析出变异素材供后续变异使用，达到更高的代码覆盖率，设计了模式匹配规则和实现模式匹配算法，以增加生成的测试用例通过DBMS的语法解析的概率，从而构造一个分布良好、语法元素多样的种子集，为后续的测试用例变异提供丰富的素材。
-
公开(公告)号：CN118157929A
公开(公告)日：2024-06-07
申请号：CN202410246827.4
申请日：2024-03-05
Applicant: 北京计算机技术及应用研究所
Abstract: 本发明涉及一种基于多层次特征融合的恶意流量检测方法，属于互联网安全技术领域。本发明融合流量多层次特征，可将流量的空间特征、时间特征及时频特征进行融合从而捕捉多尺度的特征，提供更加全面且丰富的特征信息表达。使用图分类算法进行流量分类，可以在传统的特征工程方法提取的特征的基础上进一步建模，可以处理不同大小，不同形状，不同结构的图数据，图神经网络通过卷积神经网络对不同的结构数据进行自适应建模，从而提高模型的分类性能、泛化能力、自适应性。
-
公开(公告)号：CN117793020A
公开(公告)日：2024-03-29
申请号：CN202311563523.2
申请日：2023-11-22
Applicant: 北京计算机技术及应用研究所
IPC: H04L47/2441 , G06N3/0464 , G06N3/006 , G06N3/08
Abstract: 本发明涉及一种自适应卷积神经网络结构的网络流量分类方法，属于网络流量分类技术领域。本发明针对不同的网络流量或者不同的分类任务目标以自适应的方式搜寻最合适的卷积神经网络结构进行流量分类，利用粒子群优化算法优化卷积神经网络的结构，实现自动生成合适的结构进行分类，从而提高在卷积神经网络学习过程的学习准确率和效率，增强卷积神经网络结构对流量特征进行的学习能力，提升卷积神经网络算法对网络流量分类的准确率，减少人工调整超参数的不确定性以及时间成本。
-
Patent Agency Ranking
公开(公告)号：CN117763101A
公开(公告)日：2024-03-26
申请号：CN202311521524.0
申请日：2023-11-15
Applicant: 北京计算机技术及应用研究所
IPC: G06F16/332 , G06F16/36 , G06N3/0442
Abstract: 本发明涉及一种基于神经网络语言模型的模糊测试方法，属于模糊测试技术领域。本发明方法从构造训练集、训练模型、使用模型三个方面设计了基于神经网络语言模型的模糊测试SQL语句生成方法。第一，使用目标对象的测试文件集作为语料库，进行一定的预处理，构造出适当的训练集。第二，使用构造出的训练集训练神经网络语言模型，在模型的选择上一般使用LSTM模型。第三，设计一定的生成策略，使用训练好的模型生成测试用例。最后，生成的测试用例被输入给待测程序，执行模糊测试任务。该方法可以在黑盒场景下持续生成语法语义有效的测试用例，是一种适用于黑盒场景下的DBMS模糊测试方法。
-
公开(公告)号：CN116566681A
公开(公告)日：2023-08-08
申请号：CN202310548751.6
申请日：2023-05-16
Applicant: 北京计算机技术及应用研究所
IPC: H04L9/40
Abstract: 本发明涉及一种基于异构数据集的高效率入侵检测方法，属于网络安全入侵检测技术领域。该方法利用卷积神经网络对于图像格式数据的敏感性，首先对数据进行预处理，通过将异常数据和正常数据异构重组生成图像格式数据从而构建训练数据集，并用搭建好的卷积模型对生成的数据集进行训练，实现对数据的高效检测，并通过增量学习的方式对训练好的模型进行再训练，实现检测模型的不断更新。
-
公开(公告)号：CN116484274A
公开(公告)日：2023-07-25
申请号：CN202310363794.7
申请日：2023-04-07
Applicant: 北京计算机技术及应用研究所 , 西安电子科技大学
IPC: G06F18/241 , G06F18/2415 , G06N3/048 , G06N3/045 , G06N3/0442 , G06N3/084
Abstract: 本发明涉及一种针对神经网络算法投毒攻击的鲁棒训练方法，属于人工智能安全技术领域。该方法包括步骤：构建神经网络；构建鲁棒训练损失函数；使用包含投毒样本的训练集对神经网络进行预训练，得到神经网络预训练模型；根据神经网络预训练模型，获得包含投毒样本的训练集被预测为真实标签的概率，过滤预测概率低于过滤阈值的样本，从而剔除投毒样本，得到干净的训练集；使用干净的训练集对神经网络预训练模型进行再训练，得到神经网络模型；对神经网络模型进行性能测试。本发明利用模型预测结果与单调递增函数实现样本权重的自适应更新，增大投毒样本与干净样本的权重差异，降低了神经网络模型拟合投毒样本的风险，提高神经网络模型分类的准确率。
-
公开(公告)号：CN116193447A
公开(公告)日：2023-05-30
申请号：CN202310202648.6
申请日：2023-03-06
Applicant: 北京计算机技术及应用研究所
IPC: H04W12/60 , H04W12/00 , H04W12/122 , H04W12/37 , H04W84/18
Abstract: 本发明涉及一种基于信任恢复机制的自组网路由方法，属于网络安全技术领域。本发明通过设置可信推荐节点、置信度较低的推荐节点、其他不可信推荐节点的方式，构建推荐节点集合，基于周期性检测的方法对节点的信任值和警惕值进行定期评估，根据相应的判断规则发现被攻击或被控制的不可信节点，并及时对其采取相应的措施，保障自组网的安全性和自稳定性。
-
公开(公告)号：CN111680292B
公开(公告)日：2023-05-16
申请号：CN202010524788.1
申请日：2020-06-10
Applicant: 北京计算机技术及应用研究所
IPC: G06F21/55
Abstract: 本发明涉及一种基于高隐蔽性通用扰动的对抗样本生成方法，涉及人工智能安全技术领域。本发明首先将攻击目标函数优化问题，由最大化单一图像的损失，调整为最大化某特定类别图像的期望损失，以实现扰动的通用性；其次，为提高对抗样本的不易察觉性，本发明设置多目标优化函数，使特定类别的图像被错误识别的同时，保证其他类别的图像不受干扰影响，仍能被正确决策；最后，在隐蔽性方面，经前期实验发现，传统的梯度方法能够较快地产生具有对抗效果的扰动，而低频噪声往往更隐蔽更稳定，因此，本发明在使用传统梯度方法生成初步的对抗扰动后，进一步采用低通滤波器来消除通用扰动中的高频尖锐噪音，在实现通用攻击的同时保证对抗样本的隐蔽性。
-
-
-
-
-
-
-
-
-
Search Results
103
records
(took 0.041 seconds)
