评价装置、评价方法以及评价程序

    公开(公告)号:CN110637320A

    公开(公告)日:2019-12-31

    申请号:CN201780090930.2

    申请日:2017-05-25

    Abstract: 在评价装置(10)中,档案数据库(31)是存储对于多个人物分别表示个人特征的档案信息的数据库。安全数据库(32)是存储对于多个人物分别表示可能成为安全事故的原因的举止的特征的安全信息的数据库。模型生成部(22)导出存储于档案数据库(31)的档案信息所示的特征与存储于安全数据库(32)的安全信息所示的特征的关系性作为模型。估计部(23)接受表示其他人物的特征的信息的输入,使用由模型生成部(22)导出的模型,对于该其他人物估计可能成为安全事故的原因的举止的特征。

    攻击手段评价装置、攻击手段评价方法以及攻击手段评价程序

    公开(公告)号:CN115997210A

    公开(公告)日:2023-04-21

    申请号:CN202080104132.2

    申请日:2020-08-18

    Abstract: 攻击手段评价装置(100)评价用于网络攻击的攻击手段。得分值计算部(110)取得多个攻击手段,针对多个攻击手段的各攻击手段,计算表示针对攻击对象系统的攻击有效性的得分值。手段选择部(120)使用多个攻击手段的各攻击手段的得分值和阈值(173),从多个攻击手段中选择作为针对攻击对象系统的攻击有效的攻击手段。手段执行部(130)对攻击对象系统执行选择出的攻击手段,根据选择出的攻击手段的执行结果,判定能否实现用于达成网络攻击的最终目的的攻击。

    日志处理装置、日志处理方法和日志处理程序

    公开(公告)号:CN117940922A

    公开(公告)日:2024-04-26

    申请号:CN202180102377.6

    申请日:2021-09-21

    Abstract: 客户环境日志生成部(130)取得模拟环境日志(410),该模拟环境日志(410)是示出估计为在对模拟环境(200)进行了攻击的情况下在模拟环境(200)中发生的举动的日志,该模拟环境(200)是模拟客户环境(300)、但是与客户环境(300)之间存在差异的系统环境,该客户环境(300)是实际存在的系统环境。此外,客户环境日志生成部(130)反映模拟环境(200)与客户环境(300)之间的差异,将模拟环境日志(410)转换为客户环境日志(430),该客户环境日志(430)是示出估计为在客户环境(300)中进行了与针对模拟环境(200)的攻击对应的攻击的情况下在客户环境(300)中发生的举动的日志。

    检查装置、检查方法以及检查程序

    公开(公告)号:CN112204528A

    公开(公告)日:2021-01-08

    申请号:CN201880093690.6

    申请日:2018-05-30

    Abstract: 相关值计算部(202)计算输入给内部规格不明的检查对象设备(210)的输入数据与相对于输入数据的检查对象设备(210)的输出数据之间的相关值。状态转变判定部(203)按时序解析由相关值计算部(202)针对多个输入数据和相对于多个输入数据的多个输出数据计算出的多个相关值,判定是否在检查对象设备(210)中发生了状态转变。

    样本数据生成装置、样本数据生成方法和样本数据生成程序

    公开(公告)号:CN111164575A

    公开(公告)日:2020-05-15

    申请号:CN201780095543.8

    申请日:2017-10-11

    Abstract: 取得部(10)取得正常样本数据和非正常样本数据。模型生成部(120)生成表现正常样本数据的正常模型。变更部(141)生成非正常样本数据的非正常特征向量,生成变更非正常特征向量的元素而得到的非正常变更向量。在非正常变更向量与正常模型相似的情况下,验证部(142)执行使用利用非正常变更向量表示的样本数据的处理。然后,验证部(142)验证是否由检测装置检测出异常事件。在验证出未检测出异常事件时,验证部(142)判定是否与检测装置无关地存在异常事件。在判定为存在异常事件的情况下,验证部(142)将利用非正常变更向量表示的样本数据作为检测遗漏样本数据(154)存储到存储部(150)。

    样本数据生成装置、样本数据生成方法和计算机能读取的存储介质

    公开(公告)号:CN111164575B

    公开(公告)日:2023-08-22

    申请号:CN201780095543.8

    申请日:2017-10-11

    Abstract: 取得部(10)取得正常样本数据和非正常样本数据。模型生成部(120)生成表现正常样本数据的正常模型。变更部(141)生成非正常样本数据的非正常特征向量,生成变更非正常特征向量的元素而得到的非正常变更向量。在非正常变更向量与正常模型相似的情况下,验证部(142)执行使用利用非正常变更向量表示的样本数据的处理。然后,验证部(142)验证是否由检测装置检测出异常事件。在验证出未检测出异常事件时,验证部(142)判定是否与检测装置无关地存在异常事件。在判定为存在异常事件的情况下,验证部(142)将利用非正常变更向量表示的样本数据作为检测遗漏样本数据(154)存储到存储部(150)。

Patent Agency Ranking