-
公开(公告)号：CN119520029A
公开(公告)日：2025-02-25
申请号：CN202411481491.6
申请日：2024-10-22
Applicant: 广州大学
IPC: H04L9/40 , G06F40/295 , G06F40/30 , G06N20/00
Abstract: 本发明公开了基于提示增强和联合学习的网络威胁情报三元组抽取模型的训练方法及三元组抽取方法，包括：S1：构建问题模板；S2：构建解码器；S3：建立由标签答案词向关系标签的第一映射、由关系标签向答案语义词的第二映射；预测实体对的关系为某答案词的概率；S4：输入隐藏层表示和可学习答案语义词的嵌入向量至关系预测层，得到预测头；S5：选择概率最高的答案词根据第一映射映射至关系标签得到预测关系；S6：计算总损失；S7：进行预训练；S8：使用训练数据集训练模型得到三元组联合提取模型。通过输入网络威胁情报数据至所述模型，即可得到关系三元组。本发明采用联合提取框架，有效解决了实体和关系任务间缺乏交互的问题。
-
公开(公告)号：CN118152068A
公开(公告)日：2024-06-07
申请号：CN202410169217.9
申请日：2024-02-06
Applicant: 广州大学
Abstract: 本发明公开了一种多级容器安全缓解方法、系统、装置及存储介质，包括：通过集群状态监测器扫描获取目标集群的节点事件、工作负载事件以及网络策略事件；通过规则引擎获取预设的风险规则和多级环节策略；根据风险规则对节点事件、工作负载事件以及网络策略事件进行动态风险评估，得到目标集群的总体风险得分；根据多级缓解策略和总体风险得分确定对应的容器安全策略，并通过安全执行器执行容器安全策略；其中，多级缓解策略包括用户自定义策略、集群默认策略以及横向攻击防止策略。本发明在保证系统性能的同时提高了集群系统的安全性，可广泛应用于容器安全技术领域。
-
公开(公告)号：CN118138300A
公开(公告)日：2024-06-04
申请号：CN202410242657.2
申请日：2024-03-04
Applicant: 广州大学
IPC: H04L9/40
Abstract: 本发明公开了一种基于请求混淆的渗透测试方法、系统、装置及存储介质，包括：获取客户端的第一渗透测试请求，对第一渗透测试请求进行请求混淆，得到第二渗透测试请求，进而将第二渗透测试请求发送至代理服务器；通过代理服务器接收第二渗透测试请求，并根据第二渗透测试请求确定请求协议和目标服务器；通过代理服务器对第二渗透测试请求进行流量打盹，并向目标服务器发送预设的无效数据包；通过代理服务器根据请求协议确定目标代理模式，进而根据目标代理模式将第二渗透测试请求转发至目标服务器。本发明有效地增强了渗透测试的隐蔽性，降低了安全产品对渗透测试的拦截影响，保证了渗透测试的稳定进行，可广泛应用于渗透测试技术领域。
-
公开(公告)号：CN118054968A
公开(公告)日：2024-05-17
申请号：CN202410389153.3
申请日：2024-04-01
Applicant: 广州大学
IPC: H04L9/40
Abstract: 本申请是基于GAN模型的入侵检测方法、设备、存储介质及程序产品，包括：S1、获取类不平衡训练集；S2、对所述类不平衡训练集进行预处理；S3、GAN模型根据所述类不平衡训练集中的攻击流量样本生成类平衡训练集；S4、根据所述类平衡训练集对神经网络模型进行训练，得到训练完成的入侵检测模型；S5、根据所述入侵检测模型对网络流量进行入侵检测。本申请的入侵检测方法的GAN模型，能够提高IDS模型对攻击流量的识别能力，通过生成对抗网络生成类平衡训练集，用类平衡训练集来进行IDS模型训练，能够提高IDS对攻击流量的检测能力。
-
公开(公告)号：CN117294488A
公开(公告)日：2023-12-26
申请号：CN202311215877.8
申请日：2023-09-19
Applicant: 广州大学
IPC: H04L9/40 , H04L12/40 , G06N3/045 , G06N3/0464 , G06N3/048
Abstract: 本说明书实施例提供了一种一种基于生物学特征的CAN总线入侵检测方法及系统，其中，方法包括：采集不同状态下汽车CAN总线的行车数据；对所述行车数据进行预处理，从预处理后的行车数据中提取驾驶员生物学特征相关度较高的数据构成行车数据集；通过VGG与SVDD的组合神经网络提取所述行车数据集中的生物学特征，构建身份认证模型，对所述行车数据进行身份认证；其中，所述驾驶员生物学特征包括驾驶员驾驶行为习惯；基于身份认证结果与攻击检测结果进行与运算，判断所述行车数据是否为正常数据。本发明利用个人驾驶行为生物学特征作为数据依据，进行入侵检测，使得入侵检测模型具备更强的针对性和实际应用价值。
-
Patent Agency Ranking
公开(公告)号：CN116884079A
公开(公告)日：2023-10-13
申请号：CN202310495192.7
申请日：2023-05-04
Applicant: 广州大学
Abstract: 本发明公开了一种轻量级动态手势识别方法及系统，该方法包括如下步骤：S1：将待测图片输入到左右手检测网络、由其输出目标框；S2：通过非极大值算法输出每张图片中得分最高的目标框；S3：将得分最高的目标框作为先验特征输入到KCF滤波跟踪线程，对每一帧图片输出一个位置预测；S4：判断S3是否有输出位置预测，若有则对图片进行调正、裁剪和翻折后得到全是左手姿态的图片，并将左手姿态图片发送至手姿态估计网络；S5：通过手姿态估计网络将图片中每只手的位置各生成21个关键点坐标；S6：将关键点坐标作为输入，经过手势检测器，输出手势类别和位置。本发明能够突破网络对图片背景的依赖，不易受角度，背景等环境因素的影响。
-
公开(公告)号：CN116846597A
公开(公告)日：2023-10-03
申请号：CN202310645989.0
申请日：2023-06-01
Applicant: 广州大学
Abstract: 本发明提供一种用于工业互联网场景的入侵检测方法与系统，对多个物联网设备的数据集进行合成，形成IOT数据集；对联网数据的Network数据集，与上述IOT数据集进行合成，形成IOT‑NET数据集；将时间特征采用正余弦分量的方式进行循环编码；采用多种机器学习与深度学习算法训练模型；对生成模型进行交叉验证优化，得到二类分类器与多类分类器；部署二类分类器与多类分类器，得到用于工业互联网场景的二类分类入侵检测系统以及多类分类入侵检测系统。
-
公开(公告)号：CN116827644A
公开(公告)日：2023-09-29
申请号：CN202310800685.7
申请日：2023-06-30
Applicant: 广州大学
IPC: H04L9/40 , H04L12/40 , G06N3/0464 , G06N3/08
Abstract: 本说明书实施例提供了一种轻量级车载网络入侵检测方法及系统，其中，方法包括：采集公开的控制器局域网CAN流量数据集，提取CAN流量数据集的相关特征，合并得到新数据集；所述相关特征包括拓展特征和基础特征；对所述新数据集进行预处理，将处理后的新数据集按照一定比例划分为训练集、验证集和测试集；设计轻量级神经网络，通过训练集对轻量级卷积神经网络进行训练，并通过验证集和测试集进行验证和测试，得到最优检测模型；利用最优检测模型对车载网络流量数据进行检测，识别攻击信号及系统。本发明能够增大攻击类别的可检测范围，提高检测精度。
-
公开(公告)号：CN116389053A
公开(公告)日：2023-07-04
申请号：CN202310176112.1
申请日：2023-02-24
Applicant: 广州大学
IPC: H04L9/40 , G06F9/455 , H04L67/02 , H04L67/133
Abstract: 本发明涉及自动化渗透分析技术领域，且公开了一种基于RPC和虚拟化技术的分布式攻击框架技术，包括以下步骤：S1：利用虚拟化技术构建攻击武器的运行环境，组装形成单个原子武器，原子武器与调用方之间使用HTTP协议进行通信，传输攻击参数和攻击载荷，实现原子武器的RPC调用，基于此架构，最终整个系统会是一个分布式的攻击系统；S2：采用原子武器种类，采用基于利用攻击记录的方式，基于某次历史的黑客攻击行为，依据次行为分析其使用的攻击手法和攻击工具，将攻击作为攻击武器封装为攻击原子。本发明通过使用虚拟化运行环境，解决了多个不同原子武器在不同的运行平台下的运行环境冲突问题，扩大的攻击的种类。
-
公开(公告)号：CN115051852A
公开(公告)日：2022-09-13
申请号：CN202210653683.5
申请日：2022-06-10
Applicant: 广州大学
Abstract: 本发明涉及深度学习技术领域，公开了一种基于深度学习的车载CAN总线入侵检测算法，包括以下步骤：首先将九组数据集的CAN ID和与其相应的flag标签分离出来，得到九个数据子集，将分离出来的CAN ID转化为十进制浮点数，然后以步长为64对数据集进行分割，将分割后的CAN ID序列使用GAF编码转化成二维图像，图像分类后划分训练集与测试集，再进行模型训练。本发明将CAN ID这种一维时间序列通过格拉姆角场转化为二维图像，然后使用深度学习中的VGG网络训练数据，提高对攻击报文的检测效率，不对CAN总线中的报文提出特定要求，不管网络处于任何状态，入侵检测系统都能及时地检测到攻击。
-
-
-
-
-
-
-
-
-
Search Results
70
records
(took 0.032 seconds)
