-
公开(公告)号：CN114493246B
公开(公告)日：2024-11-26
申请号：CN202210080296.7
申请日：2022-01-24
Applicant: 东北大学 , 国网辽宁省电力有限公司
IPC: G06Q10/0635 , G06Q50/06 , G06Q10/0631
Abstract: 一种基于DW‑Degree度中心性的电力信息网络节点风险评估方法，包含以下步骤：选取影响电力信息网络节点安全的关键因素，表征节点的攻击状态；基于电力信息网络攻击日志，形成攻击状态数据；根据受害IP，生成具有风险的训练数据；通过节点风险评估方法计算节点的初始风险系数；基于攻击状态数据计算节点间的威胁系数，把电力信息网络抽象成有向加权网络；通过计算有向加网络中节点的重要性；融合节点的初始风险系数和重要指数，计算出节点的最终风险系数。本发明提出的电力信息网络节点风险评估方法具有更高的准确率，与电力信息网络的契合度更高。本发明综合考虑多个因素，计算节点的初始风险系数，使节点风险评估方法与电力信息网络的契合度更高。
-
公开(公告)号：CN117459300A
公开(公告)日：2024-01-26
申请号：CN202311521257.7
申请日：2023-11-15
Applicant: 东北大学 , 国家电网有限公司 , 国网辽宁省电力有限公司信息通信分公司
Inventor： 姚羽 , 单垚 , 周小明 , 杨巍 , 刘鹏杰 , 胡博 , 周金磊 , 刘莹 , 许超 , 赵桐 , 李文轩 , 林小李 , 方宇珊 , 冉子用 , 杨道青 , 王磊 , 张文杰
IPC: H04L9/40 , H04L67/12 , G06N3/045 , G06N3/0442 , G06N3/084 , G06N3/0464
Abstract: 本发明属于网络安全技术领域，提出了一种工业控制系统入侵检测方法及装置。步骤如下：对入侵检测数据集进行预处理操作，获得神经网络模型输入数据；将步骤一所得数据作为输入数据对神经网络分类器进行训练；在神经网络的训练阶段通过梯度下降算法来最小化损失函数使得神经网络分类器收敛，达到指定训练轮数后，保存神经网络分类器参数，获得分类结果。提出了一个新的动态Focal loss损失函数，能够在训练过程中自适应的调节分类器的优化目标，在训练的前期增加对多数类样本的关注，在训练中期提升对少数类样本的关注，增强了基础分类器的分类能力。所提出的方法能够适应各类不同入侵检测数据分布，增强了模型的鲁棒性。
-
公开(公告)号：CN114493246A
公开(公告)日：2022-05-13
申请号：CN202210080296.7
申请日：2022-01-24
Applicant: 东北大学 , 国网辽宁省电力有限公司
Abstract: 一种基于DW‑Degree度中心性的电力信息网络节点风险评估方法，包含以下步骤：选取影响电力信息网络节点安全的关键因素，表征节点的攻击状态；基于电力信息网络攻击日志，形成攻击状态数据；根据受害IP，生成具有风险的训练数据；通过节点风险评估方法计算节点的初始风险系数；基于攻击状态数据计算节点间的威胁系数，把电力信息网络抽象成有向加权网络；通过计算有向加网络中节点的重要性；融合节点的初始风险系数和重要指数，计算出节点的最终风险系数。本发明提出的电力信息网络节点风险评估方法具有更高的准确率，与电力信息网络的契合度更高。本发明综合考虑多个因素，计算节点的初始风险系数，使节点风险评估方法与电力信息网络的契合度更高。
-
公开(公告)号：CN117896095A
公开(公告)日：2024-04-16
申请号：CN202311658897.2
申请日：2023-12-05
Applicant: 东北大学 , 国家电网有限公司 , 国网辽宁省电力有限公司信息通信分公司
IPC: H04L9/40 , G06N3/049 , G06N3/0455
Abstract: 本发明属于工业网络安全领域，提出一种轻量化通用异常检测方法与装置。获取工业网络流量会话的频域特征表示并进行变换获得模型输入序列；结合深度卷积自编码器CAE和对抗网络GAN，构建轻量化异常检测模型并通过输入模型输入序列进行训练，通过梯度下降算法最小化损失函数，使得模型达到收敛状态；轻量化异常检测模型作为基线评估模型，将待检序列样本输入至基线评估模型计算异常分数和异常阈值，根据异常分数与异常阈值的对比情况，完成对未知攻击行为的有效判别。本发明避免以往依赖专家知识忽略重要判别特征的问题，有效降低正常样本在潜在分布空间的重构损失，实现对未知攻击的有效检测。
-
公开(公告)号：CN117459299A
公开(公告)日：2024-01-26
申请号：CN202311521246.9
申请日：2023-11-15
Applicant: 东北大学 , 国家电网有限公司 , 国网辽宁省电力有限公司信息通信分公司
Abstract: 本发明属于网络安全领域，提出一种工业物联网入侵检测的联邦学习方法及装置。针对工业物联网各客户端数据存在异质性的特点，通过联邦学习为众多客户端训练适用于自身数据的个性化入侵检测模型。通过提出新的用于工业物联网网络流量的特征提取方式，能够从不同粒度反映网络流量特征，该方法比其他网络流量特征提取方法获得了更高的准确率。通过对客户端模型相似度的计算来促进具有相似数据分布客户端的协同合作，为客户端生成性能更好的个性化入侵检测模型。本发明既能够保证模型的快速收敛，又防止低质量模型对联邦学习的干扰，有效的抑制中毒攻击的影响。
-
Patent Agency Ranking
公开(公告)号：CN116938771A
公开(公告)日：2023-10-24
申请号：CN202310688574.1
申请日：2023-06-12
Applicant: 东北大学 , 国网辽宁省电力有限公司信息通信分公司
Inventor： 姚羽 , 王嘉璇 , 许超 , 王博 , 杨巍 , 刘颖 , 王磊 , 单垚 , 王丹妮 , 冉子用 , 吕阳 , 方宇珊 , 滕子贻 , 杨利成 , 刘倩 , 翟浩 , 胡非 , 刘莹 , 周毅 , 刘思宇
IPC: H04L43/0894 , G06F18/2415 , G06N3/0442 , G06N3/084 , G06N3/006
Abstract: 本发明属于网络安全检测领域，提出了一种网络异常流量检测方法及装置。该方法通过改进的灰狼算法IGWO对GRU网络的隐层神经元个数和学习率进行自动学习，针对网络流量周期性、时序性的特点，采用门控循环单元与本发明提出的自适应灰狼优化算法相结合的异常检测模型来对异常流量进行分类。使用改进后的灰狼优化算法对神经网络的参数以及网络的结构进行优化，不仅能提高检测的速度还能提高检测的准确率；将原本参数a的线性衰减修改为了非线性衰减，以提高全局搜索次数的占比。全局搜索次数越多，算法的全局搜索能力越强，越不容易陷入局部最优解。
-
公开(公告)号：CN117478412A
公开(公告)日：2024-01-30
申请号：CN202311521253.9
申请日：2023-11-15
Applicant: 东北大学 , 国家电网有限公司 , 国网辽宁省电力有限公司信息通信分公司
Inventor： 姚羽 , 单垚 , 胡博 , 杨巍 , 聂鑫宇 , 周小明 , 宋为 , 刘莹 , 唱友义 , 赵桐 , 李文轩 , 林小李 , 方宇珊 , 冉子用 , 杨道青 , 李广翱 , 张文杰
IPC: H04L9/40 , H04L67/12 , G06N3/0464 , G06N3/0442 , G06N3/045
Abstract: 本发明属于网络安全技术领域，提出一种工业物联网联邦入侵检测方法、装置及介质。针对工业物联网各边缘节点数据存在异质性的特点，提出该方法，在联邦学习中通过聚类的方式为具有相似数据分布的边缘节点共同训练一个有效的入侵检测模型。通过对边缘节点性能指标时间序列的聚类映射出各个边缘节点数据分布之间的关系，并促进具有相似数据分布边缘节点的知识共享，有效的解决了非独立同分布数据情况下联邦学习模型的建立问题。在每轮通讯中，通过肘关节曲线来自动确定边缘节点的最佳划分方式，能够保证模型的快速收敛。采用多个通信轮次的性能指标进行聚类，降低了边缘节点被错误划分的几率，提升了模型的准确率。
-
公开(公告)号：CN116566697A
公开(公告)日：2023-08-08
申请号：CN202310575950.6
申请日：2023-05-22
Applicant: 东北大学 , 国网辽宁省电力有限公司信息通信分公司
IPC: H04L9/40 , H04L41/16 , H04L41/149 , G06N3/0442 , G06N3/08
Abstract: 本发明属于网络安全技术领域，提出一种对抗样本生成方法、装置及计算机可读存储介质。根据工业时序数据获得搭建时序异常检测模型训练数据；使用训练数据和真实训练预测值作为输入时序数据对时序异常检测模型进行训练；通过训练后的时序异常检测模型，根据测试数据计算模型训练预测值，并计算与真实测试预测值之间的异常分数，根据异常分数的数据分布，通过高斯分布异常检测算法确定概率阈值；基于时序异常检测模型对测试数据进行变量化扰动计算，将扰动添加至测试数据上，生成相应的时序对抗样本。该方法使用扰动变量化的攻击方法对模型进行攻击，生成相应的时序对抗样本，在保证攻击性的前提下，使扰动幅度小、时序数据平滑。
-
公开(公告)号：CN117354207A
公开(公告)日：2024-01-05
申请号：CN202311243871.1
申请日：2023-09-26
Applicant: 东北大学 , 中国电子信息产业集团有限公司第六研究所
IPC: H04L43/18 , G06N3/0464
Abstract: 本发明属于协议逆向工程技术领域，提出了一种未知工控协议逆向分析方法及装置。基于网络报文形成报文片段集合；报文和报文片段集合构成数据集，根据所述数据集构建异构报文图；异构报文图输入至构建报文图特征提取神经网络模型进行报文聚类并训练报文图特征提取神经网络模型；待聚类的数据集输入至训练完成的报文图特征提取神经网络模型，进行类簇划分，在同一报文类簇下采用Needleman‑Wunsch算法推断语法格式，并标注字段边界。本发明的方法降低报文聚类的时间复杂度；将特征提取与聚类进行联合优化；为模型提供更细粒度、更合理的分析单元。
-
公开(公告)号：CN119739984A
公开(公告)日：2025-04-01
申请号：CN202411804753.8
申请日：2024-12-10
Applicant: 东北大学
IPC: G06F18/20 , H04L9/40 , G06F18/214 , G06F18/2433 , G06N3/0455 , G06N3/0475 , G06N3/0464 , G06N3/094 , G06F123/02
Abstract: 本发明属于工控网络安全领域，公开了一种面向不完备SCADA场景多元传感器数据的攻击检测方法。基于神经受控微分方程的插补网络以修复不同缺失程度下的原始样本；窗口自适应机制解决在没有先验知识的情况下，预处理过程中样本窗口设置不合理的问题。提出了自适应掩码机制，旨在从输入侧指导检测模型，增强对时间与传感器节点之间依赖关系的理解，从机制定义角度为模型提供一定程度的可解释性。结合对抗训练，优化原生扩散在SCADA异常检测领域的应用缺陷。与其他填补方法相比，扩散步长得到极大压缩，显著提高训练和检测效率。充分考虑到实际生产中的应用需求，无需先验知识便能够支持异构SCADA场景下的多元传感器数据异常检测。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.035 seconds)
