一种基于大语言模型的去中心化网络DDoS攻击识别方法

    公开(公告)号:CN116781341A

    公开(公告)日:2023-09-19

    申请号:CN202310696234.3

    申请日:2023-06-13

    Abstract: 本发明公开了一种基于大语言模型的去中心化网络DDoS攻击识别方法。本方法为:1)采集网络流量数据,包括无标签的网络流量和去中心化网络DDoS攻击流量;2)将所采集的网络流量转化为词向量序列;3)利用无标签的网络流量转化所得词向量序列对大语言模型进行预训练;4)将去中心化网络DDoS攻击流量转化所得词向量序列输入到预训练后的大语言模型中,学习去中心化网络DDoS攻击流量的特征;5)将特征输入微调模型执行预测任务,将所得预测结果与对应的标注结果进行对比,然后根据对比结果优化所述微调模型的参数;6)对于一待识别的去中心化网络流量,将其转化为词向量序列后输入优化后的所述微调模型,识别是否为攻击流量。

    基于动态策略的区块链共识协议形式化分析方法及装置

    公开(公告)号:CN118199923A

    公开(公告)日:2024-06-14

    申请号:CN202410172771.2

    申请日:2024-02-07

    Abstract: 本发明公开一种基于动态策略的区块链共识协议形式化分析方法及装置,所述方法包括:基于多重集写规则形式化描述区块链共识协议的实体交互逻辑,形成实体状态转移规则;基于多重集写规则形式化刻画敌手模型,得到验证约束规则;基于多重集写规则形式化描述区块链共识协议的安全属性,得到待验证目标引理;根据所述实体状态转移规则和所述验证约束规则对所述待验证目标引理进行验证,得到区块链共识协议形式化分析结果。本发明可以通过人工智能的手段引导共识协议分析过程中的状态空间转移,从而缓解状态爆炸空间问题。

    一种基于深度学习的去中心化应用流量识别方法和系统

    公开(公告)号:CN116260736A

    公开(公告)日:2023-06-13

    申请号:CN202310140377.6

    申请日:2023-02-08

    Abstract: 本发明涉及一种基于深度学习的去中心化应用流量识别方法和系统。该方法包括:采集去中心化应用使用过程中的网络流量数据;对采集的网络流量数据进行预处理,所述预处理包括流量过滤,并将过滤后的网络流量数据转化为图片形式;利用图片形式的网络流量数据训练神经网络模型;利用训练完成的神经网络模型对去中心化应用的实际网络流量进行分类识别。本发明将网络流量分类问题转化为图像分类问题,利用卷积神经网络在图像识别领域强大的学习能力训练出图流量分类器,能够显著提高分类器的测试准确率,有助于网络服务提供商与网络的管理者优化网络环境。

Patent Agency Ranking