-
公开(公告)号：CN118233317B
公开(公告)日：2024-07-16
申请号：CN202410642080.4
申请日：2024-05-23
申请人： 四川大学
IPC分类号： H04L41/12 , H04L41/16 , H04L41/147 , H04L41/142 , H04L9/40
摘要： 本发明涉及混淆网络技术领域，公开了一种基于时间型网络推断的拓扑混淆防御方法，引入了HBB‑TSP框架，将网络拓扑抽象为超图，并通过超图骨干提取（HBB）和单纯闭包事件预测（TSP）的方法生成混淆链路，首先将网络拓扑抽象为超图，通过超图骨干提取，获得网络拓扑中最关键的连接，即骨干网络；接着通过单纯闭包事件预测，将预测出的混淆链路添加到网络中，最终实现混淆网络的生成。发明的方法能够确保生成的混淆链路对网络产生关键影响，并且与网络拓扑变化相一致。
-
公开(公告)号：CN118233317A
公开(公告)日：2024-06-21
申请号：CN202410642080.4
申请日：2024-05-23
申请人： 四川大学
IPC分类号： H04L41/12 , H04L41/16 , H04L41/147 , H04L41/142 , H04L9/40
摘要： 本发明涉及混淆网络技术领域，公开了一种基于时间型网络推断的拓扑混淆防御方法，引入了HBB‑TSP框架，将网络拓扑抽象为超图，并通过超图骨干提取（HBB）和单纯闭包事件预测（TSP）的方法生成混淆链路，首先将网络拓扑抽象为超图，通过超图骨干提取，获得网络拓扑中最关键的连接，即骨干网络；接着通过单纯闭包事件预测，将预测出的混淆链路添加到网络中，最终实现混淆网络的生成。发明的方法能够确保生成的混淆链路对网络产生关键影响，并且与网络拓扑变化相一致。
-
公开(公告)号：CN115099325B
公开(公告)日：2024-06-14
申请号：CN202210698254.X
申请日：2022-06-20
申请人： 四川大学
IPC分类号： G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/084
摘要： 本发明公开了一种基于域变换与深度学习的DGA域名分类方法，包括数据域变换模块和数据识别分类模块；数据域变换模块将已有DGA域名转换为注意力机制递归图像；数据识别分类模块对DGA域名转换得到的图像进行识别分类。本发明将注意力机制与递归图转换算法相结合，提出了一种序列数据可视化表征通用方法，能丰富数据相空间特征，并差异化表征重点相空间特征。基于数据维度变换表征，构建了轻量级神经网络的DGA域名分类模型，模型能在保证分类识别的准确性的同时，有效降低了分类泛化误差以及模型文件的大小。本发明为解决DGA域名快速、准确分类问题提供了新的思路和解决方案，可广泛应用于包括资源有限的物联网终端等多种业务场景。
-
公开(公告)号：CN117527710A
公开(公告)日：2024-02-06
申请号：CN202311480806.0
申请日：2023-11-08
申请人： 四川大学
IPC分类号： H04L47/2441 , H04L69/22 , G06F18/2415 , G06N3/0464 , G06N3/084 , G06N3/0985
摘要： 本发明公开了一种基于自适应头部采样方法的粗粒度网络流关联方法，构建包括两层卷积层、批量归一化层和ReLU的神经网络，对经过网络且由发送方流向接收方的包进行自适应采样；将采样得到的时间戳，相邻相减得到原始IPD序列，然后转化成为矩阵形式并将值归一化，通过相加和相减将收发两端矩阵结合，对结合后的矩阵分别进行等价LBP处理和HOG处理，得到训练集和测试集；并通过训练集进行训练，再将测试集输入训练好的神经网络中输出分类结果。本发明的采样方法充分克服了分片重组带来的影响，仅利用网络流头部从特征提取上提升关联性能，能够在拥有大量分片情况的自建数据集上取得良好的效果，在拥有较高准确率的同时，也有着极低的误报率。
-
公开(公告)号：CN117375824A
公开(公告)日：2024-01-09
申请号：CN202311410012.7
申请日：2023-10-27
申请人： 四川大学
摘要： 本发明涉及信息安全技术领域，特别是涉及一种多因素认证凭证生成及校验方法，该方法应用于业务客户端所在的PC端设置有多因素认证客户端，并在业务客户端和业务服务端之间设置有多因素认证服务端的业务系统。在业务系统需认证的任务中，多因素认证客户端和多因素认证服务端通过DH加密算法协商生成临时密钥和与之对应的随机数。多因素认证客户端使用临时密钥加密用户的身份凭证信息和登录设备的设备指纹，并发送至多因素认证服务端进行认证。多因素认证服务端通过对比设备指纹对登录设备进行认证，并经由业务服务端认证身份凭证信息，若都通过认证，则放行该用户，并删除临时密钥和随机数。相较于现有技术，该方法具有通用性好、成本低廉、架构简单、安全度高等优点。
-
公开(公告)号：CN116561007A
公开(公告)日：2023-08-08
申请号：CN202310607110.3
申请日：2023-05-26
申请人： 四川大学
摘要： 本发明公开了一种基于强化学习框架的核安全控制软件异常测试方法，测试对象为核动力数值仿真计算的C语言代码模块，定义实现特定的系统仿真和反馈控制功能的基本单元为一个模块，一个模块在定时循环中处理一次；每当系统时间推进到距离上一次计算T时间，则触发一次新的模块计算，使模块的状态和输出得到更新；定义各种异常，并设置各种异常的判断阈值；进行核安全控制软件异常测试预先准备，根据前文定义和确定的内容确定定时循环仿真流程，完成软件异常测试。本发明采用了强化学习自动求证的方式，可以测试任意形式的数值计算模块，无需过多人工干预；条件过程通过系统参数实现，调节方式简单直观，有利于计算机算法自动化批量处理。
-
公开(公告)号：CN116499604A
公开(公告)日：2023-07-28
申请号：CN202310532309.4
申请日：2023-05-12
申请人： 四川大学
摘要： 本发明公开了一种基于碳化硅双空位色心的高灵敏度温度计及测量方法，主要包括：第一三维精密样品台、第二三维精密样品台、显微物镜、笼式结构光机组件、激光器、多模光纤、二向色镜、滤光片、成像CCD、电磁铁、微波源、光电探测器、Lock‑in锁相放大系统、微波源、合束器、脉冲卡、计算机等。显微镜光学系统采用稳定易搭建的笼式系统，由笼式结构光机组件组装而成，用于对样品的激发和对荧光的高效收集；脉冲卡和计算机系统用于样品色心的相干操控；多模光纤用于空间滤波；光电探测器实现荧光探测。本发明具有集成度高、占用体积小、易于组装和调试、高灵敏度、温度测量范围广、适用范围广等优点。本发明可以用于宽温度范围的高灵敏度温度测量。
-
公开(公告)号：CN114490316B
公开(公告)日：2023-04-18
申请号：CN202111545425.7
申请日：2021-12-16
申请人： 四川大学
摘要： 本发明公开了一种基于损失函数的单元测试用例自动生成方法，属于软件测试用例生产技术领域，在遗传算法的执行过程中，根据测试用例种群的路径覆盖情况，动态改变后续种群的分布，以保证整体数据分布的平衡性，并利用分支信息优化自适应交叉变异算子，最终达到自动生成规模尽可能小且高覆盖的有效测试用例集的目的，本方法解决了传统模型中初值依赖、收敛早熟、局部寻优能力滞后等缺陷，保证了生成的测试用例平均覆盖率达到95%，提升了搜索效率及数据有效率。
-
公开(公告)号：CN115062303A
公开(公告)日：2022-09-16
申请号：CN202210608633.5
申请日：2022-05-31
申请人： 四川大学
IPC分类号： G06F21/56 , G06K9/62 , G06N3/04 , G06N3/08 , G06F40/126 , G06F40/216 , H04W12/128
摘要： 本发明公开了一种基于原始有效载荷和深度学习的Android恶意软件分类方法，涉及移动软件安全领域。本发明从恶意软件的PCAP文件提取每个完整的flow；将提取出的所有flows存储在一个单向循环列表中；采用基于滑动窗口的选择算法从该单向循环列表中采样N个flows作为一组以描述恶意软件的网络活动；利用文本表征方法对N个flows进行编码，以生成流量矩阵；以该流量矩阵作为卷积神经网络模型的输入，完成恶意软件分类模型的训练过程；使用建立的恶意软件分类模型，对待检测软件样本进行实时检测，输出分类结果。与其他基于特征工程的分类方法相比，本发明的分类方法具有更高的分类准确率。
-
公开(公告)号：CN111552971B
公开(公告)日：2022-08-30
申请号：CN202010362888.9
申请日：2020-04-30
申请人： 四川大学
摘要： 本发明公开了一种基于深度强化学习的恶意软件家族分类规避方法，采用强化学习算法，创建环境并构造智能体，通过不断地与目标恶意软件分类器交互，智能体修改待测恶意软件，最终达到规避分类的目的。本发明方法与其他的恶意软件检测/分类的对抗方法相比，更易于实现且开销更小；本发明中基于深度强化学习的恶意软件家族分类规避方法，对于各种利用不同特征构建的恶意软件分类模型，都能有效地修改恶意软件，同时不会破坏其恶意性功能，最终规避恶意软件家族分类；最终提升基于机器学习算法的恶意软件检测与分类模型的鲁棒性，提升杀毒引擎的防御能力。
-
-
-
-
-
-
-
-
-
搜索结果
168 条记录 (耗时 0.036 秒)
