公开(公告)号：CN119316233B

公开(公告)日：2025-03-25

申请号：CN202411855149.8

申请日：2024-12-17

Applicant: 浙江大学 ,  杭州高新区(滨江)区块链与数据安全研究院

Inventor： 张伟业 ,  谭浩瀚 ,  刘振广 ,  陈建海 ,  任奎

IPC: H04L9/40 ,  H04L67/02 ,  H04L41/16 ,  G06N3/0455 ,  G06N3/08

Abstract: 本发明公开了一种基于增量学习的恶意加密流量检测方法及系统，属于网络安全技术领域。采用双层嵌套的数据组织结构将原始流量处理为标准化特征序列，构建样本集；利用样本集对恶意流量检测模型进行预训练；对预训练后的恶意流量检测模型采用增量学习方式优化模型参数，在增量学习过程中设有用于存储历史训练样本及其模型输出结果、样本标签的经验缓冲区，并随着模型参数优化过程不断更新；结合动态经验回放、稳定性约束和双层元更新机制，解决模型在持续学习过程中的灾难性遗忘问题；最后使用训练完毕的上述模型对待检测数据进行检测。本发明能够有效提升恶意加密流量的检测准确性，并通过增量学习保持模型的持续适应能力，具有良好的实用价值。

公开(公告)号：CN119316233A

公开(公告)日：2025-01-14

申请号：CN202411855149.8

申请日：2024-12-17

Applicant: 浙江大学 ,  杭州高新区(滨江)区块链与数据安全研究院

Inventor： 张伟业 ,  谭浩瀚 ,  刘振广 ,  陈建海 ,  任奎

IPC: H04L9/40 ,  H04L67/02 ,  H04L41/16 ,  G06N3/0455 ,  G06N3/08

Abstract: 本发明公开了一种基于增量学习的恶意加密流量检测方法及系统，属于网络安全技术领域。采用双层嵌套的数据组织结构将原始流量处理为标准化特征序列，构建样本集；利用样本集对恶意流量检测模型进行预训练；对预训练后的恶意流量检测模型采用增量学习方式优化模型参数，在增量学习过程中设有用于存储历史训练样本及其模型输出结果、样本标签的经验缓冲区，并随着模型参数优化过程不断更新；结合动态经验回放、稳定性约束和双层元更新机制，解决模型在持续学习过程中的灾难性遗忘问题；最后使用训练完毕的上述模型对待检测数据进行检测。本发明能够有效提升恶意加密流量的检测准确性，并通过增量学习保持模型的持续适应能力，具有良好的实用价值。

公开(公告)号：CN119766519A

公开(公告)日：2025-04-04

申请号：CN202411878595.0

申请日：2024-12-19

Applicant: 浙江大学 ,  杭州高新区(滨江)区块链与数据安全研究院

Inventor： 张伟业 ,  马立勋 ,  谭浩瀚 ,  温麒 ,  刘振广 ,  任奎

IPC: H04L9/40 ,  G06N3/08

Abstract: 本发明公开了一种基于增量学习的区块链电力系统恶意加密流量检测方法及系统，属于网络安全技术领域。方法包括：获取流量数据集，基于流量数据集获得多个特征向量组；构建以特征向量组作为输入，输出各流量的检测结果的检测模型；构建存储检测模型接收到的特征向量组中的特征向量的缓冲池；特征向量组输入至检测模型时，对缓冲池中历史的特征向量进行更新，再基于当前时刻缓冲池中的特征向量对检测模型进行训练；构建增量学习损失，基于增量学习损失对检测模型进行更新，最终获得训练后的检测模型；利用训练后的检测模型对待检测的流量进行检测。本发明提供了一种自动识别并应对新型恶意加密流量攻击的解决方案，提升了电力系统的安全性。

公开(公告)号：CN119996075A

公开(公告)日：2025-05-13

申请号：CN202510445330.X

申请日：2025-04-10

Applicant: 国网浙江省电力有限公司信息通信分公司 ,  浙江大学

Inventor： 周鹏 ,  张伟业 ,  郭亚琼 ,  刘振广 ,  戚伟强 ,  王以良 ,  沈思琪 ,  徐子超 ,  孙嘉赛 ,  马立勋 ,  陈婧楠 ,  黄佳凌 ,  孙望舒 ,  王臻 ,  杨帆 ,  赵依 ,  陈超

IPC: H04L9/40 ,  H04L43/04 ,  H04L43/0876 ,  G06F18/25 ,  G06F18/214 ,  G06N3/042 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种恶意加密流量检测方法及系统，方法包括利用会话重组算法对实时网络流量数据集进行关联，得到网络状态表；对由网络状态表进行特征提取的结果进行处理，分别得到时序特征向量、协议特征向量和主机行为特征向量；对多种特征向量进行融合，得到多模态特征向量；对多模态特征向量进行映射处理，得到语义特征向量，其中，映射处理过程被配置为至少由与修正线性激活函数结合的归一化处理中间层和残差网络层构建的语义空间映射网络模型对多模态特征向量进行处理；基于语义特征向量和典型恶意加密流量之间的分析结果，得到恶意加密流量的检测结果。本发明实施例提供的方法，通过提高泛化能力，从而提高检测方法的精度。