-
公开(公告)号：CN116846592A
公开(公告)日：2023-10-03
申请号：CN202310598975.8
申请日：2023-05-25
Applicant: 北京计算机技术及应用研究所
Abstract: 本发明涉及一种基于攻防博弈模型的智能化决策系统及方法，属于网络安全技术领域。本发明的基于攻防博弈模型的智能化决策系统及方法以敌我双方网络对抗为背景，考虑到网络对抗环境的复杂性，将问题抽象为零和博弈对抗问题，通过构建网络博弈模型，并且引入第三方效能评估机制对攻防博弈模型进行检验，帮助我方决策者更加直观的、智能化的选取最优对抗策略。为了提高网络攻防博弈模型的合理性和准确性，本发明在构建网络攻防博弈模型时，基于遗传算法改进深度Q网络去逼近动作状态值函数，解决了状态空间连续多维问题；同时通过第三方效能评估机制对攻防博弈模型进行检验，使得攻防博弈模型更具准确性，从而为决策者提供决策支撑。
-
公开(公告)号：CN116668057A
公开(公告)日：2023-08-29
申请号：CN202310238558.2
申请日：2023-03-14
Applicant: 北京计算机技术及应用研究所
IPC: H04L9/40
Abstract: 本发明涉及一种基于知识图谱的网络安全态势理解分析方法，属于网络安全技术领域。本发明从网络安全知识图谱中的信息资产信息出发，结合网络攻击事件信息，对已经发生的网络安全事件进行逆向推导，基于构建的网络空间威胁的知识图谱，结合输入安全情报事件、已发生的威胁情报事件，实现对网络空间态势进行理解分析。基于网络安全知识图谱的事件风险画像、攻击路径调查、响应策略推荐，能够提供丰富的、具有安全语义的上下文，有效支撑动态事件的研判和策略部署，降低安全运营对专家经验与知识的依赖。
-
公开(公告)号：CN115032980A
公开(公告)日：2022-09-09
申请号：CN202210447172.8
申请日：2022-04-19
Applicant: 北京计算机技术及应用研究所
IPC: G05D1/02
Abstract: 本发明涉及一种基于对抗地图的深度强化学习导航应用鲁棒性增强方法，属于人工智能安全技术领域。本发明针对深度强化学习导航应用，为提高真实环境下DRL导航系统的鲁棒性，保证DRL导航模型在多种地图上均可安全导航，基于对抗样本的基本原理，提出了对抗地图的定义以及生成方法，并在此基础上通过“以攻促防”的方式，从对抗样本攻防角度出发，设计了一种基于对抗地图的鲁棒性增强方法，能够解决在真实环境下如何将对抗扰动添加到智能模型输入的问题，为真实环境下DRL导航模型的鲁棒性增强提供了一套可用的方案。
-
公开(公告)号：CN119494090A
公开(公告)日：2025-02-21
申请号：CN202411611770.X
申请日：2024-11-12
Applicant: 北京计算机技术及应用研究所
Abstract: 本发明涉及一种提供差分隐私保护的指纹注册与验证方法及系统，属于生物特征识别技术领域。本发明通过实现基于差分隐私保护技术的指纹数据特征变换，进而实现了用户原始指纹数据不离开本地但仍可进行指纹注册与验证的功能，达到了保证兼顾用户指纹数据隐私保护与数据可用的目的。
-
公开(公告)号：CN119421142A
公开(公告)日：2025-02-11
申请号：CN202411542214.1
申请日：2024-10-31
Applicant: 北京计算机技术及应用研究所
IPC: H04W12/02 , H04W12/63 , H04W12/61 , H04W4/02 , H04W4/029 , G06N3/045 , G06N3/0442 , G06N3/0464
Abstract: 本发明涉及一种基于虚拟轨迹生成的位置隐私保护方法，属于位置隐私保护技术领域。本发明的方法中构建了两个生成对抗网络，分别学习用户的出行习惯，以及真实用户的轨迹信息，生成虚拟的用户LBS查询服务和对应的轨迹数据。通过综合考虑用户行为模式和地理拓扑结构的影响，使得生成的虚拟轨迹更真实可信，具有较好的隐私保护效果。
-
Patent Agency Ranking
公开(公告)号：CN116566681A
公开(公告)日：2023-08-08
申请号：CN202310548751.6
申请日：2023-05-16
Applicant: 北京计算机技术及应用研究所
IPC: H04L9/40
Abstract: 本发明涉及一种基于异构数据集的高效率入侵检测方法，属于网络安全入侵检测技术领域。该方法利用卷积神经网络对于图像格式数据的敏感性，首先对数据进行预处理，通过将异常数据和正常数据异构重组生成图像格式数据从而构建训练数据集，并用搭建好的卷积模型对生成的数据集进行训练，实现对数据的高效检测，并通过增量学习的方式对训练好的模型进行再训练，实现检测模型的不断更新。
-
公开(公告)号：CN116193447A
公开(公告)日：2023-05-30
申请号：CN202310202648.6
申请日：2023-03-06
Applicant: 北京计算机技术及应用研究所
IPC: H04W12/60 , H04W12/00 , H04W12/122 , H04W12/37 , H04W84/18
Abstract: 本发明涉及一种基于信任恢复机制的自组网路由方法，属于网络安全技术领域。本发明通过设置可信推荐节点、置信度较低的推荐节点、其他不可信推荐节点的方式，构建推荐节点集合，基于周期性检测的方法对节点的信任值和警惕值进行定期评估，根据相应的判断规则发现被攻击或被控制的不可信节点，并及时对其采取相应的措施，保障自组网的安全性和自稳定性。
-
公开(公告)号：CN114332446B
公开(公告)日：2022-07-12
申请号：CN202111212057.4
申请日：2021-10-18
Applicant: 北京计算机技术及应用研究所
IPC: G06V10/24 , G06V10/774 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种在物理世界下具有旋转鲁棒性的图像对抗样本生成方法，涉及人工智能安全技术领域。主要步骤包括1.初始化算法参数与图像预处理得到当前对抗样本；2.利用当前对抗样本旋转得到旋转后的对抗样本；3.判断是否满足迭代终止条件，是则输出最终对抗样本并执行步骤7，否则执行步骤4；4.计算旋转不变联合梯度矩阵；5.对旋转不变联合梯度矩阵进行均值滤波；6.当前对抗样本更新，并返回步骤23；7.在真实物理世界下利用最终对抗样本进行测试，观察不同旋转角度下的对抗攻击效果。本发明生成的对抗样本在物理世界下具有旋转鲁棒性，解决了对抗样本在旋转过后攻击存在失效的情况，进一步提高了攻击成功率。
-
公开(公告)号：CN113947579B
公开(公告)日：2022-05-17
申请号：CN202111212059.3
申请日：2021-10-18
Applicant: 北京计算机技术及应用研究所
Abstract: 本发明涉及一种针对图像目标探测神经网络的对抗样本检测方法，涉及人工智能安全技术领域。该方法包括步骤：构建对抗样本检测数据集；利用目标探测神经网络模型提取对抗样本检测特征数据集；搭建对抗样本检测神经网络；进行对抗样本检测神经网络训练，得到对抗样本检测模型；进行对抗样本检测模型性能测试。本发明利用目标探测神经网络生成的目标探测框之间存在顺序关系，提升了对抗样本检测准确率，并且通过浅层特征共享机制避免了过多额外计算。
-
公开(公告)号：CN113948067A
公开(公告)日：2022-01-18
申请号：CN202111170083.5
申请日：2021-10-08
Applicant: 北京计算机技术及应用研究所
Abstract: 本发明涉及一种具有听觉高保真度特点的语音对抗样本修复方法，涉及人工智能安全技术领域。该方法包括步骤：构建对抗样本修复训练数据集；搭建RAE网络并设置网络参数；构建高保真音频重构损失，即基于信号均方误差的高保真度策略改进；设置训练参数并训练网络；利用训练好的RAE网络进行对抗样本修复，借助语音识别模型判断是否修复成功。与目前传统常用的语音信号修复方法相比，通过本发明算法生成的音频修复样本具有较高的听觉保真度和修复成功率，能够适用于更低信噪比情况下的对抗样本。
-
-
-
-
-
-
-
-
-
Search Results
23
records
(took 0.034 seconds)
