网络入侵检测的协同推演方法及装置、存储介质

    公开(公告)号:CN116614263A

    公开(公告)日:2023-08-18

    申请号:CN202310481049.2

    申请日:2023-04-27

    Abstract: 本申请实施例提供了一种网络入侵检测的协同推演方法及装置、存储介质,根据不同主机之间的通信关系图构建目标元胞自动机,相比于传统的元胞自动机,目标元胞自动机的每个元胞配置有元胞数据属性,因此能够根据元胞数据属性对目标元胞自动机的所有元胞进行入侵检测,并且结合了模式匹配算法和隐马尔可夫模型基于元胞自身状态的时序关系和邻居元胞状态的空间关系进行协同推理预测,可以基于对目标元胞自动机上进行的状态计算和状态推理演化而实现入侵检测协同推演,不仅能够检测入侵攻击还能够预测入侵攻击的发展趋势,有利于提高网络入侵的攻击检测效率,从而为防御方的防御工作提供帮助。

    一种重构联邦学习中输入数据的方法

    公开(公告)号:CN115527081A

    公开(公告)日:2022-12-27

    申请号:CN202211115836.7

    申请日:2022-09-14

    Applicant: 广州大学

    Abstract: 本发明涉及人工智能技术领域,公开了一种重构联邦学习中输入数据的方法,其包括如下步骤:S1:随机初始化N组伪样本,初始化梯度反演的超参;S2:执行动超参探索模块,获得合适的超参;S3:运行分布式梯度反演算法模块;S4:执行伪样本组的初始梯度反演模块,在指定的初始迭代次数Tinit后停止;S5:执行最小损失组合优化模块,构成群一致正则项,反复次数Ttotal‑in后,最终选择一组最小损失组合样本;S6:执行最小损失组合最终梯度反演,最小损失组合样本迭代次数Tend后结束,形成最终的重构目标样本。本发明采用端对端梯度反演E2EGI方法,可实现分布式模型梯度重构输入,重构出批大小不低于256的样本。

    内网环境下基于强化学习的蜜网部署策略生成方法

    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。

    基于深度强化学习和结构化数据Transformer的入侵检测方法

    公开(公告)号:CN118740475A

    公开(公告)日:2024-10-01

    申请号:CN202410963060.7

    申请日:2024-07-18

    Applicant: 广州大学

    Abstract: 本发明公开了一种基于深度强化学习和结构化数据Transformer的入侵检测方法,方法包括:S1、采集流量数据,将数据集输入至智能体;S2、智能体利用分类器对当前输入的流量数据进行分类;S3、环境根据智能体选择的类别和真实的类别进行判定,将奖励反馈结果与新采样的流量数据输入至智能体;S4、当存储的数据达到数据更新的批量大小,进行各类样本分布权重自适应更新;S5、使用改进的DQN算法更新价值函数,使智能体能够从经验中学习并改进决策;S6、当到达设定的学习轮次终止训练;S7、在新的流量数据上进行测试,并评估入侵检测分类性能指标。本发明有效防止少数类别样本被多数类别样本淹没的情况,改善了入侵检测任务中数据样本分布不平衡的问题。

    多蜜罐场景下基于强化学习高攻防交互的欺骗防御方法及装置

    公开(公告)号:CN117938473A

    公开(公告)日:2024-04-26

    申请号:CN202410010321.3

    申请日:2024-01-04

    Applicant: 广州大学

    Abstract: 本发明公开了一种多蜜罐场景下基于强化学习高攻防交互的欺骗防御方法及装置,方法包括:利用流量判别模块采集外部流量数据获取实时的访问流量,筛选访问流量中的恶意流量;利用攻击预测模块提取恶意流量的攻击特征并进行分类;形成蜜罐防御智能体的观测状态,在改进的PPO‑P模型中预测防御响应策略;基于防御响应策略选择做出反应的蜜罐以及蜜罐需要做出的相应的响应动作类型;利用奖励函数对蜜罐进行奖惩处理,将奖励值不断反馈改进的PPO‑P模型;经过迭代预测后,获取最佳的防御响应策略。本发明在提高攻防交互性的基础上,对攻击者进行诱捕分析和溯源反制,能够达到更高效的欺骗防御效果。

    一种知识图谱嵌入模型数据投毒效果评估方法

    公开(公告)号:CN116050518A

    公开(公告)日:2023-05-02

    申请号:CN202211426092.0

    申请日:2022-11-14

    Applicant: 广州大学

    Abstract: 本发明涉及知识图谱嵌入数据投毒领域,且公开了一种知识图谱嵌入模型数据投毒效果评估方法,在MRR的基础上兼顾了数据投毒的毒化性和隐蔽性,可以更好地衡量不同数据投毒攻击对于知识图谱的影响程度,可以更好地衡量对知识图谱嵌入数据投毒的效果;本发明提出的指标使得不同的数据投毒攻击在同一个模型上可以互相比较,通过调整参数a,指标可以偏向毒化性或者隐蔽性。

Patent Agency Ranking