-
公开(公告)号：CN117278336A
公开(公告)日：2023-12-22
申请号：CN202311565136.2
申请日：2023-11-22
Applicant: 北京邮电大学
IPC: H04L9/40 , H04L43/026 , H04L43/04 , G06F18/213 , G06F18/214 , G06F18/24 , G06N3/0442 , G06N3/08
Abstract: 本发明提供一种基于时频域变换的物联网设备异常流量检测方法和系统，所述方法包括：将经过物联网设备的网络流输入到预训练完成的非端到端类型的表征模型以进行特征提取；所述表征模型将输入的网络流表征到时域空间和频域空间，在时域空间利用时间感知高斯对比网络提取网络流的时间特征，在频域空间利用基于幅度谱的对比网络提取幅度谱特征；将所述时间特征和幅度谱特征输入到预训练的用于物联网设备异常流量检测的机器学习分类模型，得到物联网设备异常流量检测结果。本发明能够使用非端到端的方法解决物联网中异常流量检测问题，同时对网络流进行时域和幅度域变换，能够有效的提取网络流中的特征表示。
-
公开(公告)号：CN115695027A
公开(公告)日：2023-02-03
申请号：CN202211379520.9
申请日：2022-11-04
Applicant: 中国电子科技集团公司第十五研究所 , 北京邮电大学
Abstract: 本发明公开了一种原始网络流威胁检测方法与装置，该方法包括：获取原始网络流数据，利用原始网络流数据表征模型，对原始网络流数据进行处理,得到原始网络流数据的特征信息；划分原始网络流数据的特征信息，得到原始网络流数据的训练特征信息和原始网络流数据的测试特征信息；利用自动机器学习模型，对原始网络流数据的训练特征信息进行处理，得到优化原始网络流威胁检测模型；利用优化原始网络流威胁检测模型，对原始网络流数据的测试特征信息进行处理，得到原始网络流威胁检测结果。可见，本发明方法解决了由于复杂多变场景带来的方法适用性差、自动化程度低等难点问题，有效提高了网络空间作战场景下的威胁检测分析模型的自动构建水平。
-
公开(公告)号：CN115225373A
公开(公告)日：2022-10-21
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。
-
公开(公告)号：CN116599689A
公开(公告)日：2023-08-15
申请号：CN202310307306.0
申请日：2023-03-27
Applicant: 北京邮电大学 , 中国电子科技集团公司第十五研究所
IPC: H04L9/40 , H04L47/2441
Abstract: 本申请提供一种网络流量数据分类模型训练方法、分类方法及训练装置，所述方法包括：采用不同的特征提取方式提取历史网络流量数据集中的各个数据样本分别对应的基础特征、统计特征和变换特征；将各个所述数据样本的所述基础特征、统计特征和变换特征均进行融合并转换为表征矩阵；基于各个所述数据样本及对应的表征矩阵训练预设的分类器，以将该分类器训练为用于输出各个所述数据样本对应的网络流量组分类结果的网络流量数据分类模型。本申请能够有效提升网络流量分类的全面性和精确性。
-
公开(公告)号：CN116366291A
公开(公告)日：2023-06-30
申请号：CN202310164016.5
申请日：2023-02-24
Applicant: 北京邮电大学 , 中国电子科技集团公司第十五研究所
Abstract: 本申请提供一种信流元数据生成方法及装置，所述方法包括：获取用户自预设的多模式信流模板中选取的当前的目标信流模板；基于所述目标信流模板，对原始信流数据对应的各个特征数据和各个负载数据进行随机重组，生成对应的信流元数据，其中，所述特征数据和负载数据预先自所述原始信流数据中提取，且所述负载数据为经对所述原始信流数据的协议字段剪切后获取的数据。本申请能够直接生成网络流数据，同时能够实现网络流数据真实传输，提高可传输性。
-
Patent Agency Ranking
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：CN117278336B
公开(公告)日：2024-02-13
申请号：CN202311565136.2
申请日：2023-11-22
Applicant: 北京邮电大学
IPC: H04L9/40 , H04L43/026 , H04L43/04 , G06F18/213 , G06F18/214 , G06F18/24 , G06N3/0442 , G06N3/08
Abstract: 本发明提供一种基于时频域变换的物联网设备异常流量检测方法和系统，所述方法包括：将经过物联网设备的网络流输入到预训练完成的非端到端类型的表征模型以进行特征提取；所述表征模型将输入的网络流表征到时域空间和频域空间，在时域空间利用时间感知高斯对比网络提取网络流的时间特征，在频域空间利用基于幅度谱的对比网络提取幅度谱特征；将所述时间特征和幅度谱特征输入到预训练的用于物联网设备异常流量检测的机器学习分类模型，得到物联网设备异常流量检测结果。本发明能够使用非端到端的方法解决物联网中异常流量检测问题，同时对网络流进行时域和幅度域变换，能够有效的提取网络流中的特征表示。
-
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：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。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.02 seconds)
