一种基于信息熵的数据填充方法及装置

    公开(公告)号:CN109460775A

    公开(公告)日:2019-03-12

    申请号:CN201811102220.X

    申请日:2018-09-20

    IPC分类号: G06K9/62

    摘要: 本发明实施例提供了一种基于信息熵的数据填充方法及装置,其中,方法包括:对已有数据中属性值完整的完整数据的属性值进行求均值或求众数,得到已有数据中缺少属性值的缺失数据中的预填充属性值;将预填充属性值预填充在缺失数据中,获得预填充后缺失数据;采用硬聚类算法K-means,对预填充后缺失数据以及完整数据进行聚类,获得与预填充后缺失数据处于同一簇内,且与预填充后缺失数据相似度达到预设条件的完整数据,作为相似完整数据;计算相似完整数据的信息熵;基于信息熵,计算相似完整数据中的属性值对缺失数据的属性值所作贡献的权重;利用权重与相似完整数据的属性值,计算缺失属性值;将缺失属性值填充在缺失数据中。

    一种基于信息熵的数据填充方法及装置

    公开(公告)号:CN109460775B

    公开(公告)日:2020-09-11

    申请号:CN201811102220.X

    申请日:2018-09-20

    IPC分类号: G06K9/62

    摘要: 本发明实施例提供了一种基于信息熵的数据填充方法及装置,其中,方法包括:对已有数据中属性值完整的完整数据的属性值进行求均值或求众数,得到已有数据中缺少属性值的缺失数据中的预填充属性值;将预填充属性值预填充在缺失数据中,获得预填充后缺失数据;采用硬聚类算法K‑means,对预填充后缺失数据以及完整数据进行聚类,获得与预填充后缺失数据处于同一簇内,且与预填充后缺失数据相似度达到预设条件的完整数据,作为相似完整数据;计算相似完整数据的信息熵;基于信息熵,计算相似完整数据中的属性值对缺失数据的属性值所作贡献的权重;利用权重与相似完整数据的属性值,计算缺失属性值;将缺失属性值填充在缺失数据中。

    工业互联网的安全风险预测方法、装置、设备及存储介质

    公开(公告)号:CN110572409A

    公开(公告)日:2019-12-13

    申请号:CN201910870521.5

    申请日:2019-09-16

    IPC分类号: H04L29/06

    摘要: 本发明实施例提供了一种工业互联网的安全风险预测的方法、装置、电子设备及存储介质,方法包括:基于预先设置的主机探查方法,生成主机探查列表;在已有的漏洞库中,查找各个主机存在的服务和/或通信协议的漏洞和漏洞描述信息;基于各个主机存在的漏洞,在已有的漏洞评分系统中获取对应的漏洞基本分数;建立攻击规则库;以重要主机对应的待预测漏洞为起始漏洞攻击节点,逆向生成攻击图;根据各个漏洞的基本攻击概率和攻击图,获取累计攻击概率最大的漏洞攻击节点和攻击概率最大的攻击路径。可见,应用本发明实施例,不像相关技术使用传统漏洞扫描工具对互联网中的设备进行漏洞检测,可以在不影响网络运行的基础上,预测工业互联网的安全风险。

    工业互联网的安全风险预测方法、装置、设备及存储介质

    公开(公告)号:CN110572409B

    公开(公告)日:2021-10-12

    申请号:CN201910870521.5

    申请日:2019-09-16

    IPC分类号: H04L29/06

    摘要: 本发明实施例提供了一种工业互联网的安全风险预测的方法、装置、电子设备及存储介质,方法包括:基于预先设置的主机探查方法,生成主机探查列表;在已有的漏洞库中,查找各个主机存在的服务和/或通信协议的漏洞和漏洞描述信息;基于各个主机存在的漏洞,在已有的漏洞评分系统中获取对应的漏洞基本分数;建立攻击规则库;以重要主机对应的待预测漏洞为起始漏洞攻击节点,逆向生成攻击图;根据各个漏洞的基本攻击概率和攻击图,获取累计攻击概率最大的漏洞攻击节点和攻击概率最大的攻击路径。可见,应用本发明实施例,不像相关技术使用传统漏洞扫描工具对互联网中的设备进行漏洞检测,可以在不影响网络运行的基础上,预测工业互联网的安全风险。

    一种基于深度学习的网络加密流量识别方法及装置

    公开(公告)号:CN112003870B

    公开(公告)日:2022-10-14

    申请号:CN202010886949.1

    申请日:2020-08-28

    发明人: 王进

    IPC分类号: H04L9/40 G06N3/04 G06N3/08

    摘要: 本发明实施例提供了一种基于深度学习的网络加密流量识别方法及装置,涉及网络安全技术领域,可以提高网络加密流量识别的准确率和效率。包括:获得待识别网络流量内属于通信建立阶段的前预设数量个数据包的报文信息和通信行为信息;然后根据报文信息,构建报文二维数据矩阵,并根据通信行为信息,构建行为二维数据矩阵。再将报文二维数据矩阵和行为二维数据矩阵输入网络流量识别模型,确定待识别网络流量的协议类型。其中,网络流量识别模型为经过样本网络流量的样本二维数据矩阵以及样本网络流量对应的协议类型标签,对深度学习网络进行训练后得到的模型,样本二维数据矩阵包括样本网络流量对应的样本报文二维数据矩阵和样本行为二维数据矩阵。

    一种基于深度学习的网络加密流量识别方法及装置

    公开(公告)号:CN112003870A

    公开(公告)日:2020-11-27

    申请号:CN202010886949.1

    申请日:2020-08-28

    发明人: 王进

    IPC分类号: H04L29/06 G06N3/04 G06N3/08

    摘要: 本发明实施例提供了一种基于深度学习的网络加密流量识别方法及装置,涉及网络安全技术领域,可以提高网络加密流量识别的准确率和效率。包括:获得待识别网络流量内属于通信建立阶段的前预设数量个数据包的报文信息和通信行为信息;然后根据报文信息,构建报文二维数据矩阵,并根据通信行为信息,构建行为二维数据矩阵。再将报文二维数据矩阵和行为二维数据矩阵输入网络流量识别模型,确定待识别网络流量的协议类型。其中,网络流量识别模型为经过样本网络流量的样本二维数据矩阵以及样本网络流量对应的协议类型标签,对深度学习网络进行训练后得到的模型,样本二维数据矩阵包括样本网络流量对应的样本报文二维数据矩阵和样本行为二维数据矩阵。