-
公开(公告)号：CN108632279B
公开(公告)日：2020-07-10
申请号：CN201810434106.0
申请日：2018-05-08
IPC: H04L29/06
Abstract: 本发明公开了一种基于网络流量的多层异常检测方法。使用本发明能够很好地检测出小流量攻击行为，检测正确率高，且能适应不同的数据集。本发明首先在数据预处理阶段，将符号属性采用二进制表示，消除了传统的数值大小对分类的负面影响，且将数据集的属性集升高到一个较高的维度，使得后续的数据分类效果更加准确；然后采用降维方法提取特征，降低了数据量，使得后续步骤能够运行速度更快、内存消耗更低；随后，采用KNN离群点检测方法和遗传算法的结合方法进行数据选择，使得不同类别的数据量更加平衡，每类数据之间分离的尽可能远，分类结果更加公平；最后，利用构建的多层分类器，能够更为准确地将大流量攻击、小流量攻击识别出来。
-
公开(公告)号：CN108683664A
公开(公告)日：2018-10-19
申请号：CN201810461655.7
申请日：2018-05-15
IPC: H04L29/06
CPC classification number: H04L63/1433 , H04L63/20
Abstract: 本发明针对网络中存在的诸多漏洞可能对网络造成一定程度影响这一问题，提出一种基于多层次博弈模型的网络风险分析和最优主动防御方法，步骤一、根据扫描网络得到的安全漏洞以及可能的防御策略构建网络风险分析防御模型；步骤二、根据步骤一所述的网络风险分析防御模型构造判断矩阵；步骤三、根据该攻防博弈收益矩阵求取理论攻防最优策略；步骤四、根据步骤三得到的攻防最优策略为基础，根据判断矩阵更新算法更新判断矩阵，重新计算风险权重；步骤五：比较步骤二与步骤四中所述的判断矩阵，计算步骤四较步骤二的风险权重下降百分比，以此来评估防御策略的优劣。
-
公开(公告)号：CN108632279A
公开(公告)日：2018-10-09
申请号：CN201810434106.0
申请日：2018-05-08
IPC: H04L29/06
CPC classification number: H04L63/1416
Abstract: 本发明公开了一种基于网络流量的多层异常检测方法。使用本发明能够很好地检测出小流量攻击行为，检测正确率高，且能适应不同的数据集。本发明首先在数据预处理阶段，将符号属性采用二进制表示，消除了传统的数值大小对分类的负面影响，且将数据集的属性集升高到一个较高的维度，使得后续的数据分类效果更加准确；然后采用降维方法提取特征，降低了数据量，使得后续步骤能够运行速度更快、内存消耗更低；随后，采用KNN离群点检测方法和遗传算法的结合方法进行数据选择，使得不同类别的数据量更加平衡，每类数据之间分离的尽可能远，分类结果更加公平；最后，利用构建的多层分类器，能够更为准确地将大流量攻击、小流量攻击识别出来。
-
-
公开(公告)号：CN101996292B
公开(公告)日：2012-05-23
申请号：CN201010582878.2
申请日：2010-12-10
Applicant: 北京理工大学
IPC: G06F21/00
Abstract: 本发明涉及一种基于序列聚类的软件安全特性分析方法，基于软件漏洞逆向分析技术的基础上，收集现有的软件漏洞，预处理软件漏洞，将处理后的软件漏洞程序操作序列存入软件漏洞序列数据库，采用基于序列整体的相似性的聚类算法将软件漏洞序列数据库中软件序列进行分类，存入漏洞知识库，以提高漏洞知识库的质量和软件漏洞的分析效率；将从待测软件中抽取出来的疑似软件漏洞序列进行分析，利用基于编辑距离的相似性度量来衡量序列之间的相似程度，分析出软件漏洞，以提高软件漏洞检测的准确率。
-
Patent Agency Ranking
公开(公告)号：CN101739337B
公开(公告)日：2012-06-20
申请号：CN200910241891.9
申请日：2009-12-14
Applicant: 北京理工大学
IPC: G06F11/36
Abstract: 本发明公开一种基于聚类的软件漏洞序列特征的分析方法，属于信息安全技术领域。本发明首先利用已有的软件漏洞序列，创建软件漏洞序列数据库；然后应用聚类技术分析数据库中的软件漏洞序列，产生多个软件漏洞序列聚类簇；通过相似度计算，找到与待测软件的疑似漏洞序列最相近的软件漏洞序列聚类簇；并采用序列比对方法将待测软件的疑似漏洞序列与最相近的软件漏洞序列聚类簇中的所有软件漏洞序列进行比对，进一步找到此软件漏洞序列聚类簇中与待测软件的疑似漏洞序列最相似的软件漏洞序列；最终，将此最相似的软件漏洞序列在软件漏洞序列数据库中所对应的相关漏洞信息作为安全报告输出。本发明提高了软件漏洞序列的分析效率。
-
公开(公告)号：CN101996292A
公开(公告)日：2011-03-30
申请号：CN201010582878.2
申请日：2010-12-10
Applicant: 北京理工大学
IPC: G06F21/00
Abstract: 本发明涉及一种基于序列聚类的软件安全特性分析方法，基于软件漏洞逆向分析技术的基础上，收集现有的软件漏洞，预处理软件漏洞，将处理后的软件漏洞程序操作序列存入软件漏洞序列数据库，采用基于序列整体的相似性的聚类算法将软件漏洞序列数据库中软件序列进行分类，存入漏洞知识库，以提高漏洞知识库的质量和软件漏洞的分析效率；将从待测软件中抽取出来的疑似软件漏洞序列进行分析，利用基于编辑距离的相似性度量来衡量序列之间的相似程度，分析出软件漏洞，以提高软件漏洞检测的准确率。
-
公开(公告)号：CN101739337A
公开(公告)日：2010-06-16
申请号：CN200910241891.9
申请日：2009-12-14
Applicant: 北京理工大学
IPC: G06F11/36
Abstract: 本发明公开一种基于聚类的软件漏洞序列特征的分析方法，属于信息安全技术领域。本发明首先利用已有的软件漏洞序列，创建软件漏洞序列数据库；然后应用聚类技术分析数据库中的软件漏洞序列，产生多个软件漏洞序列聚类簇；通过相似度计算，找到与待测软件的疑似漏洞序列最相近的软件漏洞序列聚类簇；并采用序列比对方法将待测软件的疑似漏洞序列与最相近的软件漏洞序列聚类簇中的所有软件漏洞序列进行比对，进一步找到此软件漏洞序列聚类簇中与待测软件的疑似漏洞序列最相似的软件漏洞序列；最终，将此最相似的软件漏洞序列在软件漏洞序列数据库中所对应的相关漏洞信息作为安全报告输出。本发明提高了软件漏洞序列的分析效率。
-
公开(公告)号：CN108632278A
公开(公告)日：2018-10-09
申请号：CN201810433476.2
申请日：2018-05-08
IPC: H04L29/06
CPC classification number: H04L63/1416
Abstract: 本发明公开了一种基于PCA与贝叶斯相结合的网络入侵检测方法。使用本发明能够实现对普通、常规类型攻击以及新类型攻击的快速有效检测，检测时间短，且正确率高。本发明首先对训练数据集与测试数据集应用PCA得到降维后的训练数据与测试数据，降低了贝叶斯分类器的模型训练时间以及检测时间，然后采用检测时间最快的贝叶斯分类器进行入侵检测，实现快速检测，同时，本发明还对PCA进行了改进，提高了检测的正确率，从而使得本发明方法在检测时间与检测正确率上均表现高效。
-
公开(公告)号：CN108628600A
公开(公告)日：2018-10-09
申请号：CN201810434107.5
申请日：2018-05-08
Abstract: 本发明公开了一种基于控制流分析的软件动态行为建模方法和装置，该方法对软件动态执行过程的函数执行轨迹进行追踪，建立以函数执行来描述的软件动态行为序列数据库；分析软件动态行为序列，提取函数调用逻辑关系和函数调用统计数据，形成函数调用控制流信息；根据函数调用控制流信息，将软件系统抽象成为一种多标签动态软件行为网络模型。从控制流分析和统计的角度出发，结合复杂网络的理论方法，更加全面和细致的分析了软件函数动态调用关系，能够更加全面科学的对软件行为进行表达和度量。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.018 seconds)
