-
公开(公告)号：CN115580445B
公开(公告)日：2024-06-28
申请号：CN202211159011.5
申请日：2022-09-22
Applicant: 东北大学 , 国网辽宁省电力有限公司 , 国网辽宁省电力有限公司信息通信分公司
IPC: H04L9/40 , G06N3/045 , G06N3/0442 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/084
Abstract: 本发明属于网络安全技术领域，提出了一种未知攻击入侵检测方法、装置和计算机可读存储介质，该方法通过使用卷积神经网络和长短期记忆人工神经网络实现对基础分类器的搭建。同时，为了能够使模型更好的应用于未知攻击入侵检测领域，本发明在训练阶段提出了一种新的损失函数即距离度量函数，它能够使得相同类别的样本的空间向量分布更加紧凑，并使不同类别的样本更加稀疏，增强了基础分类器的分类能力。在检测阶段使用Openmax层替换常规的Softmax层，并与距离度量函数相互作用，以增大样本深层特征的类间间距和减少类内间距，实现对未知类别的有效检测。
-
公开(公告)号：CN117896095A
公开(公告)日：2024-04-16
申请号：CN202311658897.2
申请日：2023-12-05
Applicant: 东北大学 , 国家电网有限公司 , 国网辽宁省电力有限公司信息通信分公司
IPC: H04L9/40 , G06N3/049 , G06N3/0455
Abstract: 本发明属于工业网络安全领域，提出一种轻量化通用异常检测方法与装置。获取工业网络流量会话的频域特征表示并进行变换获得模型输入序列；结合深度卷积自编码器CAE和对抗网络GAN，构建轻量化异常检测模型并通过输入模型输入序列进行训练，通过梯度下降算法最小化损失函数，使得模型达到收敛状态；轻量化异常检测模型作为基线评估模型，将待检序列样本输入至基线评估模型计算异常分数和异常阈值，根据异常分数与异常阈值的对比情况，完成对未知攻击行为的有效判别。本发明避免以往依赖专家知识忽略重要判别特征的问题，有效降低正常样本在潜在分布空间的重构损失，实现对未知攻击的有效检测。
-
公开(公告)号：CN117459299A
公开(公告)日：2024-01-26
申请号：CN202311521246.9
申请日：2023-11-15
Applicant: 东北大学 , 国家电网有限公司 , 国网辽宁省电力有限公司信息通信分公司
Abstract: 本发明属于网络安全领域，提出一种工业物联网入侵检测的联邦学习方法及装置。针对工业物联网各客户端数据存在异质性的特点，通过联邦学习为众多客户端训练适用于自身数据的个性化入侵检测模型。通过提出新的用于工业物联网网络流量的特征提取方式，能够从不同粒度反映网络流量特征，该方法比其他网络流量特征提取方法获得了更高的准确率。通过对客户端模型相似度的计算来促进具有相似数据分布客户端的协同合作，为客户端生成性能更好的个性化入侵检测模型。本发明既能够保证模型的快速收敛，又防止低质量模型对联邦学习的干扰，有效的抑制中毒攻击的影响。
-
公开(公告)号：CN116938771A
公开(公告)日：2023-10-24
申请号：CN202310688574.1
申请日：2023-06-12
Applicant: 东北大学 , 国网辽宁省电力有限公司信息通信分公司
Inventor： 姚羽 , 王嘉璇 , 许超 , 王博 , 杨巍 , 刘颖 , 王磊 , 单垚 , 王丹妮 , 冉子用 , 吕阳 , 方宇珊 , 滕子贻 , 杨利成 , 刘倩 , 翟浩 , 胡非 , 刘莹 , 周毅 , 刘思宇
IPC: H04L43/0894 , G06F18/2415 , G06N3/0442 , G06N3/084 , G06N3/006
Abstract: 本发明属于网络安全检测领域，提出了一种网络异常流量检测方法及装置。该方法通过改进的灰狼算法IGWO对GRU网络的隐层神经元个数和学习率进行自动学习，针对网络流量周期性、时序性的特点，采用门控循环单元与本发明提出的自适应灰狼优化算法相结合的异常检测模型来对异常流量进行分类。使用改进后的灰狼优化算法对神经网络的参数以及网络的结构进行优化，不仅能提高检测的速度还能提高检测的准确率；将原本参数a的线性衰减修改为了非线性衰减，以提高全局搜索次数的占比。全局搜索次数越多，算法的全局搜索能力越强，越不容易陷入局部最优解。
-
公开(公告)号：CN114528546A
公开(公告)日：2022-05-24
申请号：CN202111654168.0
申请日：2021-12-30
Applicant: 国网辽宁省电力有限公司 , 东北大学 , 国网辽宁省电力有限公司信息通信分公司
Abstract: 本发明属于网络安全技术领域，尤其涉及一种基于蜜网的电力信息网络防御系统和方法。本发明是在耦合网络中建立含有蜜网的双层耦合网络的恶意软件传播模型，并根据模型建立基于蜜网的电力信息网络防御系统；即根据实际网络结构，构建非均匀分布的双层耦合网络；所述构建非均匀分布的双层耦合网络，为含有工控蜜罐的双层耦合网络的恶意软件传播模型，包含：电力信息网和蜜网。本发明在构建网络结构时，考虑非均匀网络结构更符合真实的电力信息网络，利用蜜网技术，既能有针对性、有效地对抗在电力信息网中大肆传播的恶意软件，还能够利用可视化技术直观地展示模型的预测结果，同时研究结果也有利于提高蜜罐的部署效率。
-
Patent Agency Ranking
公开(公告)号：CN112565186A
公开(公告)日：2021-03-26
申请号：CN202011204956.5
申请日：2020-11-02
Applicant: 东北大学
IPC: H04L29/06
Abstract: 本发明属于网络安全技术领域，基于缓冲池的分布式工业控制蜜网流量采集系统及方法。在所述的系统中包含：输入缓冲池、转换缓冲池、输出缓冲池、输入组件、解析组件、转换组件和输出组件。该系统为不同的应用场景和目的提供不同的运行模式，不仅可以收集和保存网络流量，还可以将其解析为可读数据，并将其转换为所需的格式。不仅可以以不同的输入输出模式组合运行，还可以将捕获的网络流量解析和转换为各种格式，满足网络管理员和安全防御方法的要求。
-
公开(公告)号：CN109067778B
公开(公告)日：2020-07-24
申请号：CN201811083267.6
申请日：2018-09-18
Applicant: 东北大学
Abstract: 本发明提出一种基于蜜网数据的工控扫描器指纹识别方法，包括：对工业控制网络中通过蜜罐网络系统捕获的扫描数据和已有的工控扫描器进行分析，获得指纹信息并构建基于CART决策树的扫描数据多分类分类器模型。多分类分类器模型能够有效识别发起扫描流量的特定扫描工具，并输出各类扫描器标签的判断概率。之后，多分类分类器模型的输出结果将作为聚类算法的输入数据，聚类算法可以发现不同扫描实体间更深层次的关联关系，形成聚簇。同时，聚类算法还可以有效提取不同聚簇的扫描特征，形成新的扫描器标签，并更新到之前的多分类决策树中，提高了本发明对于新型扫描器数据的判断能力。
-
公开(公告)号：CN114493246B
公开(公告)日：2024-11-26
申请号：CN202210080296.7
申请日：2022-01-24
Applicant: 东北大学 , 国网辽宁省电力有限公司
IPC: G06Q10/0635 , G06Q50/06 , G06Q10/0631
Abstract: 一种基于DW‑Degree度中心性的电力信息网络节点风险评估方法，包含以下步骤：选取影响电力信息网络节点安全的关键因素，表征节点的攻击状态；基于电力信息网络攻击日志，形成攻击状态数据；根据受害IP，生成具有风险的训练数据；通过节点风险评估方法计算节点的初始风险系数；基于攻击状态数据计算节点间的威胁系数，把电力信息网络抽象成有向加权网络；通过计算有向加网络中节点的重要性；融合节点的初始风险系数和重要指数，计算出节点的最终风险系数。本发明提出的电力信息网络节点风险评估方法具有更高的准确率，与电力信息网络的契合度更高。本发明综合考虑多个因素，计算节点的初始风险系数，使节点风险评估方法与电力信息网络的契合度更高。
-
公开(公告)号：CN118348948A
公开(公告)日：2024-07-16
申请号：CN202410311721.8
申请日：2024-03-19
Applicant: 东北大学
IPC: G05B23/02
Abstract: 本发明属于网络安全技术领域，公开了一种基于多元时间序列预测的工业控制网络异常检测方法。利用格兰杰因果检验方法得到多元时间序列各时间序列之间的统计因果关系，生成有向图；通过季节分解算法对每个时间序列进行分解，得到趋势分量，周期分量和残差分量，将多元时间序列分解成3倍的时间序列；图卷积算法对各传感器的时间序列进行图嵌入，得到图嵌入后的向量；将图嵌入向量输入到Transformer编码器与解码器，生成预测值；利用MSE损失函数对模型进行优化，最终得到基于多元时间序列预测的工业控制网络异常检测模型。本发明所提算法相比于现有算法，检测的精确率，召回率和F1值均有提升，并能发现异常的原因，定位到异常元件。
-
公开(公告)号：CN115580445A
公开(公告)日：2023-01-06
申请号：CN202211159011.5
申请日：2022-09-22
Applicant: 东北大学 , 国网辽宁省电力有限公司 , 国网辽宁省电力有限公司信息通信分公司
Abstract: 本发明属于网络安全技术领域，提出了一种未知攻击入侵检测方法、装置和计算机可读存储介质，该方法通过使用卷积神经网络和长短期记忆人工神经网络实现对基础分类器的搭建。同时，为了能够使模型更好的应用于未知攻击入侵检测领域，本发明在训练阶段提出了一种新的损失函数即距离度量函数，它能够使得相同类别的样本的空间向量分布更加紧凑，并使不同类别的样本更加稀疏，增强了基础分类器的分类能力。在检测阶段使用Openmax层替换常规的Softmax层，并与距离度量函数相互作用，以增大样本深层特征的类间间距和减少类内间距，实现对未知类别的有效检测。
-
-
-
-
-
-
-
-
-
Search Results
54
records
(took 0.035 seconds)
