公开(公告)号：CN115021981A

公开(公告)日：2022-09-06

申请号：CN202210550617.5

申请日：2022-05-18

Applicant: 桂林电子科技大学

Inventor： 丁勇 ,  唐呈俊 ,  李振宇 ,  杨炳年

IPC: H04L9/40 ,  H04L41/147 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及工控安全技术领域，尤其涉及一种工业控制系统入侵检测及溯源的方法，利用多尺度特征融合与辅助分类器技术，将入侵检测和溯源整合至一个神经网络模型，并通过采集获取的数据对神经网络进行训练，最后使用训练好的神经网络进行检测以及溯源，与传统基于入侵图等方法相比，减少了入侵检测和溯源之间的信息损失，可以使得溯源的效率和精度上得到提升，并且对完全由正常操作构成的高隐蔽未知威胁有检测能力，同时在数据收集时利用神经网络的特性，使各种不同的数据都能够输入至模型。

公开(公告)号：CN115358382A

公开(公告)日：2022-11-18

申请号：CN202210644774.2

申请日：2022-06-08

Applicant: 桂林电子科技大学

Inventor： 丁勇 ,  唐呈俊 ,  李振宇 ,  杨炳年

IPC: G06N3/08 ,  G06N20/20 ,  G06F21/50

Abstract: 本发明涉及人工智能安全技术领域，具体涉及一种程序化噪声对抗样本攻击的防御方法，包括使用训练数据集对神经网络模型进行训练，得到预训练模型；使用程序性噪声对抗样本对训练数据集进行扰动，得到扰动数据集；使用扰动数据集对得到预训练模型进行训练，得到对抗样本微调模型；在对抗样本微调模型中添加程序性造成扰动，得到噪声扰动模型，利用集成学习算法模型将噪声扰动模型与原始对抗模型结合，得到防御方法，解决了现有的对抗训练方法无法对程序性噪声对抗样本进行防御的问题。

公开(公告)号：CN115021981B

公开(公告)日：2024-06-18

申请号：CN202210550617.5

申请日：2022-05-18

Applicant: 桂林电子科技大学

Inventor： 丁勇 ,  唐呈俊 ,  李振宇 ,  杨炳年

IPC: H04L9/40 ,  H04L41/147 ,  G06F18/214 ,  G06F18/24 ,  G06N3/044 ,  G06N3/08

Abstract: 本发明涉及工控安全技术领域，尤其涉及一种工业控制系统入侵检测及溯源的方法，利用多尺度特征融合与辅助分类器技术，将入侵检测和溯源整合至一个神经网络模型，并通过采集获取的数据对神经网络进行训练，最后使用训练好的神经网络进行检测以及溯源，与传统基于入侵图等方法相比，减少了入侵检测和溯源之间的信息损失，可以使得溯源的效率和精度上得到提升，并且对完全由正常操作构成的高隐蔽未知威胁有检测能力，同时在数据收集时利用神经网络的特性，使各种不同的数据都能够输入至模型。