-
公开(公告)号：CN113794675B
公开(公告)日：2023-04-07
申请号：CN202110797560.4
申请日：2021-07-14
Applicant: 中国人民解放军战略支援部队信息工程大学
IPC: H04L9/40 , G06N20/00 , H04L67/12 , G06F21/64 , H04L41/14 , G06F16/27 , H04L67/104 , G06F21/62 , G06F16/23 , G06F21/60 , G06F18/23
Abstract: 本发明属于网络信息安全技术领域，特别涉及一种基于区块链和联邦学习的分布式物联网入侵检测方法及系统，利用边缘服务器来辅助物联网设备的网络攻击检测防御，包含内容：利用收集的入侵检测数据集作为样本数据，通过联邦学习训练框架联合多个物联网设备协同训练入侵检测模型，并在训练过程中利用区块链及边缘服务器对协同训练结果进行验证共识来获取训练优化后的入侵检测模型，其中，训练结果包含模型梯度及本地运算时间；物联网设备基于自身采集的入侵检测数据利用训练优化后的入侵检测模型进行攻击检测。本发明通过联邦学习的分布式训练提升入侵检测模型训练效率及攻击检测准确率，通过区块链的分布式存储解决中心化存储的安全性问题。
-
公开(公告)号：CN113794675A
公开(公告)日：2021-12-14
申请号：CN202110797560.4
申请日：2021-07-14
Applicant: 中国人民解放军战略支援部队信息工程大学
IPC: H04L29/06 , H04L12/24 , H04L29/08 , G06F16/27 , G06F16/23 , G06F21/60 , G06F21/62 , G06F21/64 , G06K9/62 , G06N20/00
Abstract: 本发明属于网络信息安全技术领域，特别涉及一种基于区块链和联邦学习的分布式物联网入侵检测方法及系统，利用边缘服务器来辅助物联网设备的网络攻击检测防御，包含内容：利用收集的入侵检测数据集作为样本数据，通过联邦学习训练框架联合多个物联网设备协同训练入侵检测模型，并在训练过程中利用区块链及边缘服务器对协同训练结果进行验证共识来获取训练优化后的入侵检测模型，其中，训练结果包含模型梯度及本地运算时间；物联网设备基于自身采集的入侵检测数据利用训练优化后的入侵检测模型进行攻击检测。本发明通过联邦学习的分布式训练提升入侵检测模型训练效率及攻击检测准确率，通过区块链的分布式存储解决中心化存储的安全性问题。
-
Patent Agency Ranking
公开(公告)号：CN110166428B
公开(公告)日：2021-05-07
申请号：CN201910292304.2
申请日：2019-04-12
Applicant: 中国人民解放军战略支援部队信息工程大学
Abstract: 本发明属于网络安全技术领域，特别涉及一种基于强化学习和攻防博弈的智能防御决策方法及装置，该方法包含：在有限理性约束下构建攻防博弈模型，并生成用于提取博弈模型中网络状态与攻防动作的攻防图，该攻防图设定为以主机为中心，攻防图节点提取网络状态，攻防图边分析攻防动作；防御者在网络状态转移概率未知时，通过在线学习得到防御收益使得防御者面对不同攻击者时自动做出最优防御策略的选择。本发明有效压缩博弈状态空间，降低了存储和运行开销；防御者在与攻击者对抗中依据环境反馈进行强化学习，在面对不同攻击时能自适应做出最优选择；提升防御者学习速度，提高了防御收益，减少对历史数据依赖，有效提升防御者决策时的实时性和智能性。
-
公开(公告)号：CN110166428A
公开(公告)日：2019-08-23
申请号：CN201910292304.2
申请日：2019-04-12
Applicant: 中国人民解放军战略支援部队信息工程大学
Abstract: 本发明属于网络安全技术领域，特别涉及一种基于强化学习和攻防博弈的智能防御决策方法及装置，该方法包含：在有限理性约束下构建攻防博弈模型，并生成用于提取博弈模型中网络状态与攻防动作的攻防图，该攻防图设定为以主机为中心，攻防图节点提取网络状态，攻防图边分析攻防动作；防御者在网络状态转移概率未知时，通过在线学习得到防御收益使得防御者面对不同攻击者时自动做出最优防御策略的选择。本发明有效压缩博弈状态空间，降低了存储和运行开销；防御者在与攻击者对抗中依据环境反馈进行强化学习，在面对不同攻击时能自适应做出最优选择；提升防御者学习速度，提高了防御收益，减少对历史数据依赖，有效提升防御者决策时的实时性和智能性。
-
公开(公告)号：CN111832819A
公开(公告)日：2020-10-27
申请号：CN202010648153.2
申请日：2020-07-07
Applicant: 中国人民解放军战略支援部队信息工程大学
Abstract: 本发明涉及基于用户行为和对抗网络的网络舆论传播预测方法与装置，属于网络空间安全领域，该方法包括：获取某社交平台上若干舆论历史话题的用户参与行为数据，每个舆论历史话题的用户参与行为数据类型分为N类，N≥2；用不同颜色表示用户参与行为类型，一种颜色代表一种用户参与行为类型，将用户参与行为数据表示在图像中；采用对抗网络，用若干个舆论历史话题用户参与行为图像集作为训练样本，对舆论新话题的用户参与行为随机图像进行训练，中间产生新话题用户参与行为更新图像，最后得到预测的舆论新话题用户参与行为最终图像；解析最终图像，分析出预测的舆论新话题传播中的用户参与行为类型，实现网络舆论传播的有效和准确预测。
-
公开(公告)号：CN116244645A
公开(公告)日：2023-06-09
申请号：CN202211618623.6
申请日：2022-12-15
Applicant: 中国人民解放军战略支援部队信息工程大学
IPC: G06F18/2415 , G06F18/214 , G06N3/0455 , G06N3/047 , G06N3/0895 , G06N3/096 , H04L9/40
Abstract: 本发明属于网络信息安全技术领域，特别涉及一种基于对比增量学习的模型训练方法及细粒度恶意流量分类方法和系统，将对比学习、增量学习与恶意流量识别相结合，通过变分自编码器的编码网络来获取潜空间特征，并结合对比学习和增量学习对已知、小样本、未知和新增恶意类进行高性能细粒度的分类识别，利用变分自编码器存储和重构原任务上的知识，并结合知识蒸馏机制实现在不采用原任务上的大量训练数据的情形下，实现快速学习识别新增类的恶意流量，满足网络系统中对不断涌现的各类已知和未知威胁的防御需求。本发明能够在保证检测效率的同时，可迅速实现对新威胁的识别，并可大幅降低训练成本和数据投毒攻击的风险，满足网络信息安全中高速、高精度的恶意流量分类识别应用。
-
公开(公告)号：CN111832819B
公开(公告)日：2023-02-10
申请号：CN202010648153.2
申请日：2020-07-07
Applicant: 中国人民解放军战略支援部队信息工程大学
IPC: G06Q10/04 , G06F16/34 , G06F16/33 , G06F16/951 , G06N3/0464 , G06N3/0475 , G06N3/048 , G06N3/084 , G06Q50/00
Abstract: 本发明涉及基于用户行为和对抗网络的网络舆论传播预测方法与装置，属于网络空间安全领域，该方法包括：获取某社交平台上若干舆论历史话题的用户参与行为数据，每个舆论历史话题的用户参与行为数据类型分为N类，N≥2；用不同颜色表示用户参与行为类型，一种颜色代表一种用户参与行为类型，将用户参与行为数据表示在图像中；采用对抗网络，用若干个舆论历史话题用户参与行为图像集作为训练样本，对舆论新话题的用户参与行为随机图像进行训练，中间产生新话题用户参与行为更新图像，最后得到预测的舆论新话题用户参与行为最终图像；解析最终图像，分析出预测的舆论新话题传播中的用户参与行为类型，实现网络舆论传播的有效和准确预测。
-
-
-
-
-
-
Search Results
7
records
(took 0.039 seconds)
