公开(公告)号：CN119996082A

公开(公告)日：2025-05-13

申请号：CN202510457620.6

申请日：2025-04-14

Applicant: 北京信联数安科技有限公司 ,  信联科技(南京)有限公司

Inventor： 李明柱 ,  张胜 ,  李付鹏 ,  赵璐瑾 ,  秦素娟

IPC: H04L9/40 ,  H04L41/147 ,  H04L41/16

Abstract: 本发明涉及一种基于大语言模型来实现网络安全威胁预测的方法，基于样本流量集，构建各时序相邻两样本流量构成的正样本流量组，以流量影响特征值为输入、流量关键特征值为输出，配合用于检测两流量间是否时序连续的流量时序检测模型进行微调，训练获得流量预测模型，再结合训练所获用于恶意检测的恶意流量检测模型，应用流量预测模型进行流量预测，应用恶意流量检测模型对所预测流量进行恶意检测，本发明通过先进的深度学习技术，能够实时分析和预测潜在的恶意流量，从而提前采取防御措施，大大提高了网络安全的主动性和有效性。

公开(公告)号：CN119740229A

公开(公告)日：2025-04-01

申请号：CN202510245745.2

申请日：2025-03-04

Applicant: 北京信联数安科技有限公司 ,  信联科技(南京)有限公司 ,  北京邮电大学

Inventor： 李明柱 ,  张胜 ,  林冠洲 ,  柴秀楠 ,  于明宇 ,  吴嘉豪 ,  秦素娟

IPC: G06F21/55 ,  G06F21/56 ,  G06F11/3668

Abstract: 本发明涉及一种用于多模态大模型的越狱攻击测试方法，首先基于各个预设恶意提示文本，获得各个恶意提示最优文本；然后以获得各恶意提示最优文本所对应恶意提示文本分别关于目标多模态大语言模型的生成结果，以及基于各恶意提示最优文本，构建各恶意提示测试文本；最后由各恶意提示测试文本分别与对应关于目标多模态大语言模型的生成结果进行组合，构成各恶意测试用例，完成了对目标多模态大语言模型的自动化越狱攻击测试，设计方案通过优化恶意测试用例的生成，提高恶意测试用例的相关性和语义准确性，进而提高越狱攻击的成功率，并增强攻击的多样性和适应性，以此评估和改进多模态大语言模型的安全性，提高多模态大语言模型的安全性和鲁棒性。