-
公开(公告)号：CN114818850B
公开(公告)日：2024-12-17
申请号：CN202210225791.2
申请日：2022-03-07
Applicant: 北京邮电大学 , 中国电子科技集团公司第三十研究所 , 中电科网络空间安全研究院有限公司
IPC: G06F18/213 , G06F18/23213 , G06F18/214 , G06F18/2135 , G06F18/24 , H04L9/40
Abstract: 本发明提供了一种基于聚类压缩的网络流空间映射表征方法、装置和存储介质，所述方法包括：训练样本获取步骤，用于获取不同网络空间行为类别训练样本形成样本集；对训练样本集中各行为类别的训练样本进行聚类；将样本空间中的子类别样本数据输入至基于类间间距最大化以及类内间距最小化原则创建的多层映射网络模型，从模型的第一层开始逐层计算并更新包括扩张因子和压缩因子在内的模型参数，并基于更新的模型参数生成用于在测试阶段计算压缩因子权重并对结果进行加权的筛选器；测试样本获取步骤；测试步骤，将得到的样本集合输入至经训练阶段训练后的多层映射网络模型，输出空间映射矩阵。
-
公开(公告)号：CN114944926B
公开(公告)日：2023-12-22
申请号：CN202210211405.4
申请日：2022-03-04
Applicant: 北京邮电大学 , 中国电子科技集团公司第三十研究所 , 中电科网络空间安全研究院有限公司
IPC: H04L9/40 , G06N3/0495 , G06N3/043
Abstract: 本申请提供一种势变谱构造方法、网络流异常行为识别方法及相关装置，势变谱构造方法包括：通过预定义分析原子和原子学习两种方式得到超完备原子库；根据预设的基底筛选规则自超完备原子库中选取对应的原子以构成基底；基于基底生成用于识别目标网络流数据对应的网络流异常行为的势变谱，其中，势变谱为目标网络流数据的网络流映射表征集合。本申请能够自动学习网络流行为以得到精确且简练的网络流表达，并能够以更少的特征针对经稀疏表达后的网络流进行重新表达，使得针对不同业务类型的网络流能够具有更清晰的可解释性，并能够将网络流以直观、可视化的形式展现出来，进而能够有效提高恶意网络流识别的效率、便捷性、准确性及可靠性。
-
公开(公告)号：CN115189949B
公开(公告)日：2023-06-16
申请号：CN202210814018.X
申请日：2022-07-11
Applicant: 中国电子科技集团公司第十五研究所 , 北京邮电大学
Abstract: 本发明公开了一种基于全局信息的网络安全控制关键节点识别方法，该方法包括：获取指挥控制网络关键节点数据集；构建指挥控制网络关键节点识别模型，包括静态背景关键节点识别模型和攻击背景关键节点识别模型；对指挥控制网络进行状态检测，如果检测到网络攻击或者网络拓扑变化，指挥控制网络处于攻击背景，否则为静态背景；在静态背景下，利用静态背景关键节点识别模型，对指挥控制网络关键节点数据集进行处理，得到第一关键节点识别结果；在攻击背景下，利用攻击背景关键节点识别模型，对指挥控制网络关键节点数据集进行处理，得到第二关键节点识别结果。本发明在静态背景和动态攻击背景下，实现了高准确性低复杂度的指挥控制网络关键节点识别。
-
公开(公告)号：CN115455258B
公开(公告)日：2023-04-18
申请号：CN202211118012.5
申请日：2022-09-14
Applicant: 中国电子科技集团公司第十五研究所 , 北京邮电大学
IPC: G06F16/906 , G06F16/901 , G06F18/241 , G06F18/2415 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/08 , H04L9/40 , H04L47/2441 , H04L41/14 , H04L41/16
Abstract: 本发明公开了一种网络空间语言描述与分析方法及装置。所述方法包括：将原始流量数据处理为网络流和字节数据，将其构建为异构图，提取异构图的邻接矩阵、度矩阵以及特征矩阵，经卷积码模型处理后，得到全局嵌入数据，利用编码器对全局嵌入数据进行编码，得到网络流量数据的特征信息，并基于此进行分类，得到网络流分类结果信息。本发明可用于网络空间作战场景中，解决由于多变场景带来的方法适用性差、自动化程度低的问题。
-
公开(公告)号：CN115225373B
公开(公告)日：2023-04-07
申请号：CN202210844980.8
申请日：2022-07-18
Applicant: 中国电子科技集团公司第十五研究所 , 北京邮电大学
IPC: H04L9/40
Abstract: 本发明公开了一种信息不完备条件下的网络空间安全态势表达方法及装置，该方法包括：从网络节点采集四模态缺省流量数据向量，利用深度多模态编码器，进行数据融合，得到联合特征向量集；对每个网络节点的联合特征向量进行处理，得到态势影响因子信息，进而得到网络节点的安全态势值；利用预设的网络整体安全态势模型，计算得到网络整体安全态势值；利用关联规则挖掘算法模型，得到网络漏洞预测信息。本发明通过深度多模态编码器，解决了信息不完备条件下部分流量特征数据缺省的问题，提高了态势计算及表达的效率，通过关联规则挖掘算法更好地识别未知漏洞，提高态势预测的准确度。
-
Patent Agency Ranking
公开(公告)号：CN114818850A
公开(公告)日：2022-07-29
申请号：CN202210225791.2
申请日：2022-03-07
Applicant: 北京邮电大学 , 中国电子科技集团公司第三十研究所 , 中电科网络空间安全研究院有限公司
Abstract: 本发明提供了一种基于聚类压缩的网络流空间映射表征方法、装置和存储介质，所述方法包括：训练样本获取步骤，用于获取不同网络空间行为类别训练样本形成样本集；对训练样本集中各行为类别的训练样本进行聚类；将样本空间中的子类别样本数据输入至基于类间间距最大化以及类内间距最小化原则创建的多层映射网络模型，从模型的第一层开始逐层计算并更新包括扩张因子和压缩因子在内的模型参数，并基于更新的模型参数生成用于在测试阶段计算压缩因子权重并对结果进行加权的筛选器；测试样本获取步骤；测试步骤，将得到的样本集合输入至经训练阶段训练后的多层映射网络模型，输出空间映射矩阵。
-
公开(公告)号：CN115455408B
公开(公告)日：2023-04-07
申请号：CN202211117994.6
申请日：2022-09-14
Applicant: 中国电子科技集团公司第十五研究所 , 北京邮电大学
IPC: G06F21/55 , G06V10/764 , G06V10/82 , G06N3/08 , G06N3/0464 , G06N3/048 , H04L9/40
Abstract: 本发明公开了一种网络空间推演与安全评估方法及装置，该方法通过将网络流处理为网络流图像，把传统网络流分类重新表述为图像分类；通过将具有注意力机制的卷积神经网络应用于此图像分类，增强了模型决策的视觉解释性；通过采用多任务分支网络模型同时预测网络流的二分类输出和多分类输出，利用学习到的特征，二分类可检测良性流或攻击流，多分类可预测具体的网络流入侵类别，提高了多分类任务的性能，解决分类不平衡、准确性较差问题。可见，通过结合注意力机制和多任务学习策略，在提升网络入侵检测性能的同时，实现了神经网络分类的透明性和解释性。
-
公开(公告)号：CN115455408A
公开(公告)日：2022-12-09
申请号：CN202211117994.6
申请日：2022-09-14
Applicant: 中国电子科技集团公司第十五研究所 , 北京邮电大学
Abstract: 本发明公开了一种网络空间推演与安全评估方法及装置，该方法通过将网络流处理为网络流图像，把传统网络流分类重新表述为图像分类；通过将具有注意力机制的卷积神经网络应用于此图像分类，增强了模型决策的视觉解释性；通过采用多任务分支网络模型同时预测网络流的二分类输出和多分类输出，利用学习到的特征，二分类可检测良性流或攻击流，多分类可预测具体的网络流入侵类别，提高了多分类任务的性能，解决分类不平衡、准确性较差问题。可见，通过结合注意力机制和多任务学习策略，在提升网络入侵检测性能的同时，实现了神经网络分类的透明性和解释性。
-
公开(公告)号：CN115189949A
公开(公告)日：2022-10-14
申请号：CN202210814018.X
申请日：2022-07-11
Applicant: 中国电子科技集团公司第十五研究所 , 北京邮电大学
Abstract: 本发明公开了一种基于全局信息的网络安全控制关键节点识别方法，该方法包括：获取指挥控制网络关键节点数据集；构建指挥控制网络关键节点识别模型，包括静态背景关键节点识别模型和攻击背景关键节点识别模型；对指挥控制网络进行状态检测，如果检测到网络攻击或者网络拓扑变化，指挥控制网络处于攻击背景，否则为静态背景；在静态背景下，利用静态背景关键节点识别模型，对指挥控制网络关键节点数据集进行处理，得到第一关键节点识别结果；在攻击背景下，利用攻击背景关键节点识别模型，对指挥控制网络关键节点数据集进行处理，得到第二关键节点识别结果。本发明在静态背景和动态攻击背景下，实现了高准确性低复杂度的指挥控制网络关键节点识别。
-
公开(公告)号：CN114944926A
公开(公告)日：2022-08-26
申请号：CN202210211405.4
申请日：2022-03-04
Applicant: 北京邮电大学 , 中国电子科技集团公司第三十研究所 , 中电科网络空间安全研究院有限公司
Abstract: 本申请提供一种势变谱构造方法、网络流异常行为识别方法及相关装置，势变谱构造方法包括：通过预定义分析原子和原子学习两种方式得到超完备原子库；根据预设的基底筛选规则自超完备原子库中选取对应的原子以构成基底；基于基底生成用于识别目标网络流数据对应的网络流异常行为的势变谱，其中，势变谱为目标网络流数据的网络流映射表征集合。本申请能够自动学习网络流行为以得到精确且简练的网络流表达，并能够以更少的特征针对经稀疏表达后的网络流进行重新表达，使得针对不同业务类型的网络流能够具有更清晰的可解释性，并能够将网络流以直观、可视化的形式展现出来，进而能够有效提高恶意网络流识别的效率、便捷性、准确性及可靠性。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.023 seconds)
