一种基于隐马尔科夫模型的车联网入侵检测系统

    公开(公告)号:CN111800421B

    公开(公告)日:2021-08-24

    申请号:CN202010640942.1

    申请日:2020-07-06

    Applicant: 东北大学

    Abstract: 本发明属于车联网中入侵检测算法领域,具体涉及一种基于隐马尔科夫模型的车联网入侵检测系统。该系统用于对车联网中的False alert攻击、Sybil攻击、Black hole攻击和DoS攻击的入侵检测。系统设计中主要包括预检测模块,基于DNN的检测中心模块,用于记录车辆状态和生成隐马尔科夫模型的更新模块以及用于产生响应信号的响应中心模块,在车联网正常运行状态下,这几个模块共同保证车联网的高效运行。在攻击检测状态下相辅相成,共同完成一次攻击监测防御过程。在检测精度、开销和检测时间上相比基于DNN的IDS,本发明的检测精度更高,而且平均检测时间远小于基于DNN的IDS,同时具有更少的开销,本发明使用预检测机制相比于使用状态切换的IDS具有更少的开销,更节省计算资源。

    一种基于区块链的抵御合谋攻击的车联网信任管理方法

    公开(公告)号:CN115022883A

    公开(公告)日:2022-09-06

    申请号:CN202210617477.9

    申请日:2022-06-01

    Applicant: 东北大学

    Abstract: 本发明的一种基于区块链的抵御合谋攻击的车联网信任管理方法,包括:构建车联网分布式架构;收集事件发起车辆发出的安全警告消息和事件参与车辆发出的用于消息验证的推荐证据信息;通过K‑Means聚类对提供推荐证据信息的事件参与车辆进行合谋攻击检测;基于剔除了合谋车辆影响后的推荐证据信息,识别车联网内的恶意车辆节点及虚假安全警告消息,评估安全警告消息的有效性;根据消息评估结果和车辆的历史行为对事件发起车辆和事件参与车辆的车辆信任值进行调整;基于重要性证明的优化PBFT算法,完成存储在区块链中的信任变化参数和车辆信任值的更新,将信任数据在车联网内共享。本发明有效解决了车联网中基于区块链信任管理方案中可扩展性差、合谋攻击等问题,增强了信任管理方案的效率和鲁棒性。

    一种基于轨迹分段的轨迹数据隐私保护方法

    公开(公告)号:CN111026930A

    公开(公告)日:2020-04-17

    申请号:CN201911215832.4

    申请日:2019-12-02

    Applicant: 东北大学

    Abstract: 本发明公开一种基于轨迹分段的面向轨迹数据发布的隐私保护方法,步骤为:对基于位置服务应用提供商积累的原始轨迹数据集运用基于轨迹分段填充的等价类划分算法;对每个等价类运用基于轨迹分段聚类的聚类组构建算法:确定聚类组的开始时间并划分候选聚类组;遍历每个候选聚类组,确定轨迹集合,构建位于聚类组时间区间外的轨迹分段;将未加入聚类组的轨迹插入时间区间与之相同、空间位置最近的聚类组中;对每个聚类组中每条轨迹上的每个位置点进行空间扰动,将每个聚类组都变成一个匿名轨迹集合,做为可直接发布的轨迹数据集。本发明方法采用等价类划分算法,减少了删除的时空点数目,保证等价类中包含足够数目的轨迹,提高了待发布数据的可用性。

    一种面向能效的炼钢厂数据流实时预测系统及方法

    公开(公告)号:CN119624208A

    公开(公告)日:2025-03-14

    申请号:CN202411564171.7

    申请日:2024-11-05

    Applicant: 东北大学

    Abstract: 本发明的面向能效的炼钢厂数据流实时预测系统及方法,系统包括:数据采集模块、数据处理模块、数据存储模块、能耗可视化模块、能效计算模块和能效预测模块。本发明基于预定义的炼钢流程动态展示各阶段、各设备的能耗数据流,实时监控和仿真炼钢厂的能耗数据流,并集成先进的机器学习和数据分析技术进行综合统计分析,实现了对炼钢厂能效的实时计算和未来预测,解决了现有技术中能效管理不全面、预测模型精度低的问题。该系统能够帮助企业降低能源消耗、提高生产效率,为工业生产的成本智能化管控提供了新的技术路径。

    一种基于区块链的抵御合谋攻击的车联网信任管理方法

    公开(公告)号:CN115022883B

    公开(公告)日:2024-07-09

    申请号:CN202210617477.9

    申请日:2022-06-01

    Applicant: 东北大学

    Abstract: 本发明的一种基于区块链的抵御合谋攻击的车联网信任管理方法,包括:构建车联网分布式架构;收集事件发起车辆发出的安全警告消息和事件参与车辆发出的用于消息验证的推荐证据信息;通过K‑Means聚类对提供推荐证据信息的事件参与车辆进行合谋攻击检测;基于剔除了合谋车辆影响后的推荐证据信息,识别车联网内的恶意车辆节点及虚假安全警告消息,评估安全警告消息的有效性;根据消息评估结果和车辆的历史行为对事件发起车辆和事件参与车辆的车辆信任值进行调整;基于重要性证明的优化PBFT算法,完成存储在区块链中的信任变化参数和车辆信任值的更新,将信任数据在车联网内共享。本发明有效解决了车联网中基于区块链信任管理方案中可扩展性差、合谋攻击等问题,增强了信任管理方案的效率和鲁棒性。

    一种基于隐马尔科夫模型的车联网入侵检测系统

    公开(公告)号:CN111800421A

    公开(公告)日:2020-10-20

    申请号:CN202010640942.1

    申请日:2020-07-06

    Applicant: 东北大学

    Abstract: 本发明属于车联网中入侵检测算法领域,具体涉及一种基于隐马尔科夫模型的车联网入侵检测系统。该系统用于对车联网中的False alert攻击、Sybil攻击、Black hole攻击和DoS攻击的入侵检测。系统设计中主要包括预检测模块,基于DNN的检测中心模块,用于记录车辆状态和生成隐马尔科夫模型的更新模块以及用于产生响应信号的响应中心模块,在车联网正常运行状态下,这几个模块共同保证车联网的高效运行。在攻击检测状态下相辅相成,共同完成一次攻击监测防御过程。在检测精度、开销和检测时间上相比基于DNN的IDS,本发明的检测精度更高,而且平均检测时间远小于基于DNN的IDS,同时具有更少的开销,本发明使用预检测机制相比于使用状态切换的IDS具有更少的开销,更节省计算资源。

    一种基于轨迹分段的轨迹数据隐私保护方法

    公开(公告)号:CN111026930B

    公开(公告)日:2021-06-01

    申请号:CN201911215832.4

    申请日:2019-12-02

    Applicant: 东北大学

    Abstract: 本发明公开一种基于轨迹分段的面向轨迹数据发布的隐私保护方法,步骤为:对基于位置服务应用提供商积累的原始轨迹数据集运用基于轨迹分段填充的等价类划分算法;对每个等价类运用基于轨迹分段聚类的聚类组构建算法:确定聚类组的开始时间并划分候选聚类组;遍历每个候选聚类组,确定轨迹集合,构建位于聚类组时间区间外的轨迹分段;将未加入聚类组的轨迹插入时间区间与之相同、空间位置最近的聚类组中;对每个聚类组中每条轨迹上的每个位置点进行空间扰动,将每个聚类组都变成一个匿名轨迹集合,做为可直接发布的轨迹数据集。本发明方法采用等价类划分算法,减少了删除的时空点数目,保证等价类中包含足够数目的轨迹,提高了待发布数据的可用性。

Patent Agency Ranking