-
公开(公告)号：CN113544704A
公开(公告)日：2021-10-22
申请号：CN202080018178.2
申请日：2020-03-11
Applicant: 日本电信电话株式会社
IPC: G06N3/02
Abstract: 评价装置接受变分自编码器的隐变量的输入，对所输入的隐变量进行聚类，按每个聚类对属于该聚类的隐变量赋予表示上述聚类的标签。然后，评价装置进行分类器的学习，以按照所赋予的标签正确地对隐变量进行分类，对学习后的分类器进行Adversarial Attack的耐性评价，输出耐性评价的结果。由此，评价装置即使是使用无标签数据作为输入数据的变分自编码器，也能够进行Adversarial Attack的耐性评价。
-
公开(公告)号：CN117546454A
公开(公告)日：2024-02-09
申请号：CN202180099042.3
申请日：2021-06-07
Applicant: 日本电信电话株式会社
IPC: H04L61/5007 , H04L61/5046 , H04L101/622
Abstract: 分析服务器(10)从各个感测装置(2)取得包含通信中的发送源IP地址、发送源MAC地址、发送目的地IP地址以及发送目的地MAC地址在内的观测信息。然后，分析服务器(10)基于取得的观测信息来估计网络的拓扑。分析服务器(10)基于估计出的拓扑，针对每个感测装置(2)生成示出了被当作观测信息的发送对象的通信的监视列表，并发送给感测装置(2)，使得在网络中的每个通信中，该通信的路径上的任意1个感测装置(2)发送该通信的观测信息。然后，各感测装置(2)基于监视列表将通信的观测信息发送到分析服务器(10)。
-
公开(公告)号：CN117546183A
公开(公告)日：2024-02-09
申请号：CN202180099182.0
申请日：2021-06-17
Applicant: 日本电信电话株式会社
Inventor： 山田真德
IPC: G06N20/00
Abstract: 训练装置(10)取得用于对包含对抗样本的输入数据的标签进行预测的模型的训练数据。并且，训练装置(10)使用如下的损失函数和包含对抗样本的训练数据来对模型进行训练，该损失函数是在对模型的参数添加了噪声的情况下和未添加噪声的情况下，对该模型的参数添加使该模型中的损失值的KL散度成为最大的噪声，并使针对该参数的损失曲面变得平坦的损失函数。
-
公开(公告)号：CN116458119B
公开(公告)日：2024-09-10
申请号：CN202080107106.5
申请日：2020-11-19
Applicant: 日本电信电话株式会社
IPC: H04L9/40
Abstract: 估计装置(10)针对被判定为异常或正常的各个数据包，通过对该数据包的有效载荷逐个字符地进行可逆变换来生成特征量，并对生成的特征量赋予该数据包是异常或正常的判定结果。估计装置(10)将上述数据包的有效载荷的特征量以及该数据包是异常或正常的判定结果作为训练数据，通过机器学习来进行模型的学习。估计装置(10)提取学习后的模型中的对分类的贡献度为预定值以上的特征量的维数。并且，估计装置(10)使用提取出的特征量的维数，估计被判定为异常的数据包的有效载荷中的异常的原因部位，并输出该估计的结果。
-
公开(公告)号：CN113544704B
公开(公告)日：2024-07-19
申请号：CN202080018178.2
申请日：2020-03-11
Applicant: 日本电信电话株式会社
IPC: G06N3/02
Abstract: 评价装置接受变分自编码器的隐变量的输入，对所输入的隐变量进行聚类，按每个聚类对属于该聚类的隐变量赋予表示上述聚类的标签。然后，评价装置进行分类器的学习，以按照所赋予的标签正确地对隐变量进行分类，对学习后的分类器进行Adversarial Attack的耐性评价，输出耐性评价的结果。由此，评价装置即使是使用无标签数据作为输入数据的变分自编码器，也能够进行Adversarial Attack的耐性评价。
-
Patent Agency Ranking
公开(公告)号：CN117280357A
公开(公告)日：2023-12-22
申请号：CN202180098115.7
申请日：2021-05-28
Applicant: 日本电信电话株式会社
IPC: G06N20/00
Abstract: 取得部(15a)取得作为检测对象的数据和正常的基准数据。计算部(15b)计算取得的所述数据与所述基准数据之间的LPIPS(Learned Perceptual Image Patch Similarity：学习感知图像块相似度)距离。分类部(15d)使用如下模型来取得要分类的数据，该模型使用计算出的所述LPIPS距离来将取得的所述数据分类为干净样本(Clean Sample)或对抗样本(Adversarial Example)。
-
公开(公告)号：CN117441321A
公开(公告)日：2024-01-23
申请号：CN202180098971.2
申请日：2021-06-07
Applicant: 日本电信电话株式会社
IPC: H04L9/40
Abstract: 检测装置(10)具有：特征量数据库(16)，其预先存储数据包的特征量、对各数据包的特征量赋予的标签、以及在判定中使用的阈值；编码部(12)，其使用以正常通信的数据包作为训练数据预训练完毕的第1自然语言处理模型，将作为处理对象的数据包转换为特征量；以及判定部(14)，其基于使用第1自然语言处理模型转换出的特征量和在特征量数据库(16)中存储的数据，对使用第1自然语言处理模型转换出的特征量赋予标签，并基于所赋予的标签判定作为处理对象的数据包有无异常。
-
公开(公告)号：CN116458119A
公开(公告)日：2023-07-18
申请号：CN202080107106.5
申请日：2020-11-19
Applicant: 日本电信电话株式会社
IPC: H04L9/40
Abstract: 估计装置(10)针对被判定为异常或正常的各个数据包，通过对该数据包的有效载荷逐个字符地进行可逆变换来生成特征量，并对生成的特征量赋予该数据包是异常或正常的判定结果。估计装置(10)将上述数据包的有效载荷的特征量以及该数据包是异常或正常的判定结果作为训练数据，通过机器学习来进行模型的学习。估计装置(10)提取学习后的模型中的对分类的贡献度为预定值以上的特征量的维数。并且，估计装置(10)使用提取出的特征量的维数，估计被判定为异常的数据包的有效载荷中的异常的原因部位，并输出该估计的结果。
-
公开(公告)号：CN113874888A
公开(公告)日：2021-12-31
申请号：CN201980096519.5
申请日：2019-05-20
Applicant: 日本电信电话株式会社
Inventor： 山田真德
IPC: G06N20/00
Abstract: 信息处理装置(10)计算针对利用标签进行分割的数据集的、利用各标签时的分割方法各自的信息量，其中所述标签是分割数据时的指标的候选。然后，信息处理装置(10)基于计算出的信息量中的最高信息量的分割方法，将数据分割为多个数据集，使用分割后的数据集，按照每个数据集分别生成已学习模型。
-
公开(公告)号：CN112262387A
公开(公告)日：2021-01-22
申请号：CN201980038762.1
申请日：2019-06-07
Applicant: 日本电信电话株式会社
Abstract: 检测装置(10)取得设备的网络日志以及主机日志。此外，检测装置(10)将网络日志转换为能够输入到多模态的生成模型的形式的网络特征量，该生成模型基于由概率变量表示的多个潜在变量生成输出数据。另外，检测装置(10)将主机日志转换为能够输入到生成模型的形式的主机特征量。此外，检测装置(10)将网络特征量和主机特征量中的至少一方输入到生成模型，计算输出数据。此外，检测装置(10)使用基于输出数据计算出的异常得分，进行设备的异常的检测。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.021 seconds)
