基于孪生图编码器的恶意加密流量检测方法及系统

    公开(公告)号:CN119561709A

    公开(公告)日:2025-03-04

    申请号:CN202411394170.2

    申请日:2024-10-08

    Abstract: 本发明提供一种基于孪生图编码器的恶意加密流量检测方法及系统,属于网络隐私保护技术领域,获取待检测的加密流量包;使用预先训练好的检测模型检测获取的待检测的加密流量包是否是恶意加密流量包的检测结果。本发明基于共现图和词频图融合的建模方法,从字节级分别对流量包的header和payload两部分分别建模,利用全局注意力机制融合流量字节图节点的特征获取最终的图嵌入表示,进而可以充分挖掘恶意与正常加密流量的隐藏特征,高效准确地检测恶意加密流量。

    一种基于区块链跨链的车联网跨域服务公平可信提供方法

    公开(公告)号:CN118264471A

    公开(公告)日:2024-06-28

    申请号:CN202410408472.4

    申请日:2024-04-07

    Abstract: 本发明提供了一种基于区块链跨链的车联网跨域服务公平可信提供方法。该方法包括:系统初始化阶段、服务发布阶段、服务请求阶段、双向密钥确认阶段和服务提供阶段。每个信任域内的RSU运行本域的应用链,每个域的CA为本域的车辆签发证书,并作为本域的代表,调用域间区块链上的域管理合约进行注册。服务请求者和服务提供者在双向密钥确认阶段对对称密钥进行协商确认。服务提供者向本域的RSU发送服务信息,RSU调用应用链B上的跨链调用合约,将服务信息发布至域间区块链。本发明方法充分考虑了车联网用户的跨域服务交互需求,利用跨链技术实现了数据的跨域交换。通过为服务请求者签发假名证书从而防止服务请求者在跨域服务交互的过程中泄露身份隐私。

    面向DPoS区块链投票治理方法及系统

    公开(公告)号:CN117201157A

    公开(公告)日:2023-12-08

    申请号:CN202311232037.2

    申请日:2023-09-22

    Abstract: 本发明提供一种面向DPoS区块链投票治理方法及系统,属于网络安全防御技术领域,投票者质押代币,并通过质押功能获得对应的投票权;在质押后的一段时间中,投票者选择是否使用解锁功能解除质押;将质押和解除质押导致的动态投票权变化表示为给定时间点的一组投票者的投票权快照;根据投票者、投票权快照,确定投票委员会;每个发给投票委员会的提案获得的明确批准次数大于预设的阈值,则该提案获得通过。本发明提出的面向DPoS区块链的投票治理和恶意收购的建模,提出了正式的投票治理模型以及恶意收购模型,可以作为在不同的DPoS区块链环境中优化投票系统设计并提高区块链系统安全性的基础,更加适用于DPoS区块链的治理。

    一种基于强化学习的CSI指纹地图构建的路径规划方法

    公开(公告)号:CN117029823A

    公开(公告)日:2023-11-10

    申请号:CN202310874838.2

    申请日:2023-07-17

    Abstract: 本发明提供了一种基于强化学习的CSI指纹地图构建的路径规划方法。该方法包括:将目标实验区域划分为包括顶点与边的网格,将网格中的各个顶点作为采样点,根据正态分布随机选择设定比例的采样点;基于A3C强化学习算法确定选取的所有采样点的最佳路径,采集所述最佳路径上的各个采样点的CSI指纹数据;根据各个采样点物理坐标利用多元高斯过程来构建多远高斯回归模型,利用多元高斯回归模型来预测其它未采集的采样点的CSI指纹数据,利用所有采样点的CSI指纹数据建立相邻采样点指纹之间的依赖关系模型,构建全局CSI指纹地图。本发明方法将强化学习算法与物联网技术相结合,提升指纹定位算法效率和降低人工构建CSI指纹地图的工作量。

    一种基于无先验知识的联邦推荐投毒攻击方法

    公开(公告)号:CN116796309A

    公开(公告)日:2023-09-22

    申请号:CN202310381101.7

    申请日:2023-04-11

    Abstract: 本发明提供了一种基于无先验知识的联邦推荐投毒攻击方法。该方法包括:根据攻击需求选取项目池中拟攻击的目标项目;计算与目标项目的嵌入向量最相似的多个项目,构建恶意用户虚假交互列表;基于恶意用户虚假交互列表近似喜欢目标项目的恶意用户的嵌入向量;客户端根据近似的嵌入向量以及服务器下发的模型参数求解损失函数,并将所得梯度上传至服务器;服务器聚合更新上传的模型参数并将其下发至客户端,重复上述操作直至训练结束。本发明利用用户配置文件及其交互项目间存在的某种隐式相关性,刻画攻击必需但难以获取的用户嵌入向量,能够在不依赖任何先验知识的前提下实现对联邦推荐系统的有效攻击,充分完成了对联邦推荐系统的安全性评估。

    一种基于多模态特征的生成式智能合约的漏洞检测方法

    公开(公告)号:CN116595537A

    公开(公告)日:2023-08-15

    申请号:CN202310569948.8

    申请日:2023-05-19

    Abstract: 本发明提供了一种基于多模态特征的生成式智能合约的漏洞检测方法。该方法包括:获取进行了标签分类的智能合约数据集;提取智能合约的多模态特征,得到智能合约的多模态特征向量;利用智能合约的多模态特征向量和VAE‑GAN生成模型生成未知漏洞特征,构建含有未知漏洞特征的综合数据集;使用神经网络模型构建智能合约漏洞检测模型,利用含有未知漏洞特征的综合数据集训练智能合约漏洞检测模型,利用训练好的智能合约漏洞检测模型对待检测的智能合约进行漏洞检测。本发明方法通过特征融合使智能合约语义信息更加丰富,通过大量智能合约样本训练神经网络模型自动挖掘源码及操作码中的多模态特征,避免了人工定义的主观性。

    面向联邦学习投毒攻击的防御方法及系统

    公开(公告)号:CN115907029B

    公开(公告)日:2023-07-21

    申请号:CN202211391958.9

    申请日:2022-11-08

    Abstract: 本发明提供一种面向联邦学习投毒攻击的防御方法及系统,属于网络安全技术领域,在每轮联邦训练开始阶段将全局模型传输给各个参与方;其中,在第一轮联邦训练时初始化全局模型;利用接收到的参数更新后的全局模型,聚合新的全局模型;其中,参与方基于本地数据和初始化全局模型进行规定轮次的本地训练,进行全局模型参数的更新。本发明计算每一层模型更新的偏差和整体模型更新的偏差,将超过阈值的模型更新偏差的数量作为异常得分,筛选异常得分最小的参与方的模型更新进行聚合,实现了比仅考虑全部参数的距离更细粒度的筛选,筛选结果的数量基于更新参数的异常程度,保证了模型的收敛速度和准确率,同时能有效地应对目标性和非目标性的投毒攻击。

Patent Agency Ranking