-
公开(公告)号:CN118535283A
公开(公告)日:2024-08-23
申请号:CN202410622794.9
申请日:2024-05-20
Applicant: 南京邮电大学
Abstract: 本发明属于计算机安全和网络安全技术领域,具体提出了一种基于内核调用构建进程行为树的电力系统容器逃逸识别方法,包括:识别宿主机上的初始容器节点,并组织这些节点构建逃逸侦测树;监控和预处理宿主机的审计日志,提取容器进程行为特征,并基于进程行为特征构建行为特征观测链;连续监控新进程的创建,搜索进程特征链,并将新进程溯源至逃逸侦测树上的容器节点,构建完善后的容器逃逸侦测树;根据完善后的容器逃逸侦测树判断进程是否发生逃逸现象。本发明通过各模块作用构建并完善容器逃逸侦测树,并基于容器逃逸侦测树判决是否发生直接逃逸或级联逃逸现象,能够有效识别容器各类逃逸行为。
-
公开(公告)号:CN118820777A
公开(公告)日:2024-10-22
申请号:CN202410784584.X
申请日:2024-06-18
Applicant: 南京邮电大学
IPC: G06F18/214 , G06F18/22 , G06N3/0475 , G06N3/045
Abstract: 本发明公开一种物联网网络流量数据增强方法,属于不平衡数据集数据增强领域;首先,采集物联网网络流量数据包,提取关键特征字段,进行预处理,并划分为训练集和测试集;采用高斯分布的SMOTE算法对训练集中的少数类样本进行初步过采样;接着引入降噪自编码器DAE,生成接近真实数据分布的少数类样本,传入鉴别器中进行质量评估,迭代优化直至鉴别器难以区分真实样本与生成样本,合并生成样本和真实样本,形成数据增强后的数据集;旨在解决物联网网络流量的类不平衡问题,本发明在增加数据集的类平衡性的同时优化生成数据的质量。
-
公开(公告)号:CN116957064A
公开(公告)日:2023-10-27
申请号:CN202310519121.6
申请日:2023-05-09
Applicant: 南京邮电大学
Abstract: 本发明提供一种基于知识蒸馏的联邦学习隐私保护模型训练方法及系统,该方法通过在横向联邦学习全局模型的每一轮迭代训练过程中,中心服务器将全局模型参数发送给客户端,更新本地模型参数;使用预处理后长尾分布的数据集对各客户端进行本地模型的神经网络训练,同时融入教师‑学生模式的知识蒸馏技术,得到处理后的模型参数;使用混合加密技术进行加密处理后,得到组合的加密信息;中心服务器解密得到处理后的模型参数;中心服务器将更新后的全局参数返回到各客户端,客户端得到更新训练后的本地模型;本发明能够降低计算量并减少训练时间,提高训练效率,同时,能够提高模型的性能,能够提高模型的训练效果,能够提高联邦学习参数传递的安全性。
-
-