-
公开(公告)号：CN119449352A
公开(公告)日：2025-02-14
申请号：CN202411292721.4
申请日：2024-09-14
Applicant: 广州大学
IPC: H04L9/40 , G06F18/2431 , G06F18/25 , G06F18/213 , G06N3/045 , G06N3/0464 , G06N3/0442 , G06F18/211
Abstract: 本发明公开了一种基于多层深度神经网络模型结合时间注意力机制的入侵检测方法，方法包括：将数据集输入到时间滑动窗口算法，获得保留时间特征的数据；以捕捉数据中的时间动态和网络行为的持续相关性；通过结合1DCNN和Multi‑BIGRU的混合架构，模型能够同时从输入数据中提取出局部和全局的时间特征，引入时间注意力机制，自动关注对分类结果影响最大的关键时间节点。本发明从多个维度提取关键特征，实现对复杂攻击行为的准确识别，提高网络入侵的攻击检测效率。
-
Patent Agency Ranking
公开(公告)号：CN119341771A
公开(公告)日：2025-01-21
申请号：CN202411256729.5
申请日：2024-09-09
Applicant: 广州大学
Abstract: 本发明公开了一种内网环境下基于强化学习的蜜网部署策略生成方法，方法包括：随机生成多个节点，构建内网环境；构建攻击智能体，攻击智能体与内网环境进行分阶段交互预训练攻击智能体；为每个蜜罐智能体分配带有不同攻击意图的预训练攻击智能体，在网环境中预训练蜜罐智能体；初始化预训练蜜罐智能体，利用预训练蜜罐智能体构建蜜网环境；在蜜网环境中，预训练攻击智能体与预训练蜜罐智能体进行交互，预训练决策智能体；使用MADDPG算法对所有智能体进行训练，利用预训练蜜罐智能体和预训练决策智能体构建分层防御智能体，更新每个智能体的策略网络和价值网络。本发明通过动态部署策略提升了蜜网系统的自适应能力，并增强了内网环境的安全防护水平。
-
公开(公告)号：CN118839757A
公开(公告)日：2024-10-25
申请号：CN202410789161.7
申请日：2024-06-19
Applicant: 广州大学
Abstract: 本发明公开了一种轻量多语义层次的知识图谱链接感知预测方法及装置，方法包括将知识图谱同时嵌入至双曲空间和欧式空间，有效利用双曲空间特性建模层次结构，同时在欧式空间中捕获更丰富的关系语义，通过双曲嵌入和欧式嵌入的结合及决策边界的约束高效建模了知识图谱中的复杂信息。本发明在将知识图谱嵌入至低维空间的同时取得了较好的表示效果，有助于降低存储空间的消耗，并提高计算效率。
-
公开(公告)号：CN119416205A
公开(公告)日：2025-02-11
申请号：CN202411292720.X
申请日：2024-09-14
Applicant: 广州大学
IPC: G06F21/55 , G06F18/214 , G06F18/2431 , G06N3/09 , G06N3/0985
Abstract: 本发明公开了一种基于遗忘学习和隐式超梯度的后门防御方法，方法包括：假设后门标签，生成标签相应可能的后门触发器并进行参数搜索，获取静态后门触发器，添加扰动，令优化器向偏离正确标签方向优化后门标签，适配动态后门触发器；利用均衡样本进行概率叠加；根据静态触发器和动态触发器的参数、以及预测概率累加分布，计算后门标签的综合得分，计算目标标签；提取模型特征等信息为训练集，将训练后的后门检测模型用于模型后门检测；构造混合数据集，将混合数据集进行数据增强；利用增强数据集合对分类模型进行遗忘训练和多阶段的隐式超梯度训练，将分类模型的后门删除。本发明有效地从神经网络模型中删除后门，以确保模型的安全性和可靠性。
-
公开(公告)号：CN117040773A
公开(公告)日：2023-11-10
申请号：CN202310508275.5
申请日：2023-05-06
Applicant: 广州大学
Abstract: 本发明公开了一种结合改进模拟退火算法与优先级集成的入侵检测方法，包括：结合随机过采样、随机欠采样以及shuffle方法重构训练集。使用改进的模拟退火算法对流量数据做特征选择。使用基于规则与优先级的模型集成方式将LightGBM、XGBoost、CatBoost、随机森林等多种模型集成，包括使用多种模型基于训练集分别做训练，基于每个模型的表现选择一个整体性能最好的模型作为基模型，该模型具有全局把控能力并被赋予最低优先级。针对特定攻击类别Ai，从除基模型以外的模型中找两个识别Ai效果最好的通过逻辑与(&&)连接，两个模型判定结果一致才生效。最终以训练集不同攻击的隐蔽性(数量占比)为不同攻击制定判定优先级，若所有规则无法识别Ai最终由基模型做出决策。
-
公开(公告)号：CN116668112A
公开(公告)日：2023-08-29
申请号：CN202310624398.5
申请日：2023-05-29
Applicant: 广州大学
IPC: H04L9/40 , H04L41/16 , G06N3/0464 , G06N3/0442 , G06N3/094
Abstract: 本公开提供了一种生成流量对抗样本访问黑盒模型的方法及装置，其中，方法包括：从均衡流量样本的每一类中按比例抽取得到小样本，将小样本对黑盒模型进行访问得到预测结果，将预测结果与真实标签不一致的小样本保留为元学习样本；将元学习样本分为训练样本和测试样本，在经过预训练的替代模型上使用训练样本执行元学习的迭代训练，不断更新替代模型的网络参数，得到最终的优化替代模型，使用测试样本评估元学习的学习效果；使用均衡流量样本对优化替代模型进行白盒攻击，改变流量样本中的可微特征，在使用攻击方法对优化替代模块攻击成功后生成流量对抗样本；使用流量对抗样本攻击黑盒模型。本公开提升了黑盒攻击的攻击成功率。
-
-
-
-
-
Search Results
6
records
(took 0.018 seconds)
