-
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。
-
公开(公告)号：CN108628600B
公开(公告)日：2020-12-15
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。
-
公开(公告)号：CN108683664B
公开(公告)日：2019-07-16
申请号：CN201810461655.7
申请日：2018-05-15
IPC: H04L29/06
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：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。
-
Patent Agency Ranking
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：CN118626065A
公开(公告)日：2024-09-10
申请号：CN202410584258.4
申请日：2024-05-11
Applicant: 北京理工大学 , 北京理工大学唐山研究院
IPC: G06F8/30 , G06F8/38 , G06F40/284 , G06F40/216
Abstract: 本发明公开了基于DOM的Web前端样式代码生成方法，一、基于不同主题的网页构建样式模板库；二、根据网页的HTML结构构建网页的DOM树，基于所述DOM树提取网页的文本内容，将提取的文本划分为单个词语，清除词语中停用词，确定网页主题；三、将网页分成多个块；四、到对应主题的样式模板库中进行块与样式模板的结构匹配，若匹配成功，则保留该样式模板中的样式代码为块的样式代码，完成样式模板检索工作；五、将每个块的样式代码依次添加到CSS文件中，实现网页整体的CSS代码输出；本发明能够生成整体CSS代码。
-
公开(公告)号：CN118550530A
公开(公告)日：2024-08-27
申请号：CN202410529850.4
申请日：2024-04-29
Applicant: 北京理工大学
IPC: G06F8/38 , G06F16/958
Abstract: 本发明提出了一种基于工作流与模板的网页UI自动生成方法，用于解决传统网页用户界面开发过程中自动化程度低、技术门槛高的问题。首先从用户使用网页的步骤和流程角度出发，将网页功能需求抽象为不同用户角色的工作流；然后将工作流转化为一定形式的数据结构；接下来对得到的数据结构使用pipeline进行分步处理，经此处理后的数据结构可以直接被模板代码中的各个函数调用，以生成目标网页代码；最后预先编写模板文件，采用Jinja2引擎解析模板文件，将经过pipeline处理后的数据绑定到模板文件中生成HTML代码，即目标代码，运行目标代码即生成所需要的网页UI。
-
公开(公告)号：CN117009964A
公开(公告)日：2023-11-07
申请号：CN202310658149.8
申请日：2023-06-05
Applicant: 北京理工大学
IPC: G06F21/56
Abstract: 本发明提出了一种基于自定义语义块识别恶意代码恶意意图并构建攻击链的方法与系统。本发明在系统分析攻击过程所包含各攻击阶段特点的基础上，自定义恶意代码恶意行为语义块来表征攻击过程中不同攻击阶段的主要行为，从恶意代码的API序列中提取行为语义块来分析恶意代码的真实恶意意图，并进一步地将恶意代码的恶意行为映射到网络攻击的不同攻击阶段，由此构建攻击行为背后的攻击链，复现攻击者的整个攻击过程，为总体研究攻击者和制定防护策略提供支撑。
-
-
-
-
-
-
-
-
-
Search Results
138
records
(took 0.038 seconds)
