-
公开(公告)号:CN112596984B
公开(公告)日:2023-07-21
申请号:CN202011613436.X
申请日:2020-12-30
Applicant: 国家电网有限公司大数据中心
Abstract: 本申请实施例提供一种业务弱隔离环境下的数据安全态势感知系统,包括:获取装置、预判趋势装置和可视化展示装置,预判趋势装置与获取装置、可视化展示装置分别连接,并通过获取装置,获取用户访问不同业务系统的过程中产生的安全数据,预判趋势装置对安全数据进行数据预测和关联分析,确定不同业务系统的安全性评估结果,可视化展示装置对各业务系统的安全性评估结果进行可视化展示,实现了基于异构数据对业务弱隔离环境下的数据安全态势感知,有助于及早发现业务系统中的存在的安全隐患,提高业务系统的数据安全。
-
公开(公告)号:CN112422767B
公开(公告)日:2022-07-22
申请号:CN202011188063.6
申请日:2020-10-30
Applicant: 国家电网有限公司大数据中心
IPC: H04N1/44
Abstract: 本发明提供的一种基于视觉效果秘密共享方法及系统,包括:将原始图像拆分为多个秘密图像;将每个秘密图像映射为秘密块;基于秘密块的大小逐块生成多个共享图像块;采用循环堆叠的方式移动各共享图像块实现对共享图像块的加密;解密时将所有共享图像块按次序叠加,获得与原始图像质量相同的解密图像;其中,秘密块具有多个像素,通过逐块加密图像,使共享图像的大小与秘密影像相同,消除了像素扩展,提高了恢复图像的性能,实现几乎无损的视觉加密;通过对加密前后像素块的映射关系进行处理,获得了更高的对比度,同时本发明不需要像传统加解密过程那样需要借助电子设备,本发明可以将共享图像块直接打印到纸上将多张纸垂直排列即可得进行解密。
-
公开(公告)号:CN114925369A
公开(公告)日:2022-08-19
申请号:CN202210255021.2
申请日:2022-03-15
Applicant: 国家电网有限公司大数据中心
Abstract: 本发明公开了一种针对业务系统容器安全的静态分析方法与系统,主要对docker容器中的已知漏洞、木马、病毒、恶意软件和其他恶意威胁进行静态分析,具体包括从待检验容器中获取业务系统软件信息;基于所述业务系统软件信息与预先存储于漏洞数据库中的软件信息进行比对确定漏洞;使用防病毒引擎对所述业务系统软件进行扫描,判断所述业务系统软件是否感染木马、病毒、恶意软件和其他威胁,并对扫描结果进行分析,生成整改建议。实现了对业务软件容器安全性的监测。
-
公开(公告)号:CN114863243A
公开(公告)日:2022-08-05
申请号:CN202210463318.8
申请日:2022-04-28
Applicant: 国家电网有限公司大数据中心
Abstract: 本发明公开了一种模型的数据遗忘方法、装置、设备及存储介质。该方法包括:采用预先训练好的图像识别模型,对获取到的待遗忘图像数据进行图像识别,确定所述待遗忘图像数据的掩码结果,其中,所述图像识别模型包含至少两个卷积网络通道,所述卷积网络通道用于确定通道输入数据的掩码信息和输出特征图,所述掩码结果包括各所述卷积网络通道针对所述待遗忘图像数据输出的掩码信息;获取预设的模型剪枝参数,结合所述掩码结果,从各所述卷积网络通道中确定待剪枝通道,并对所述待剪枝通道进行参数调整,得到参数更新后的图像识别模型。本发明在保持模型识别准确度的同时,实现对部分训练数据的完全遗忘,使被删除的训练数据无法恢复,保护用户隐私。
-
公开(公告)号:CN112966957A
公开(公告)日:2021-06-15
申请号:CN202110302423.9
申请日:2021-03-22
Applicant: 国家电网有限公司大数据中心
Abstract: 本发明实施例公开了一种数据链路异常定位方法、装置、电子设备及存储介质。该方法包括:根据数据链路的传输方式,确定异常定位指标,并获取与各异常定位指标对应的异常定位数据;对各异常定位指标对应的异常定位数据进行处理,确定各异常定位指标对应的数据特征;将数据特征输入至预设机器学习分类模型中,得到异常分类结果。该方法可以确定数据链路的异常分类结果,从而便于确定异常定位,提升数据链路监测效率,便于数据链路的维护,并降低人工成本。
-
公开(公告)号:CN112734004A
公开(公告)日:2021-04-30
申请号:CN202011622912.4
申请日:2020-12-31
Applicant: 国家电网有限公司大数据中心
Abstract: 本发明提供了一种同态加密下神经网络构建方法、图像处理方法和系统,包括:获取预先训练的卷积神经网络模型输出所述卷积神经网络模型的网络参数;根据所述网络参数,在同态加密下对所述卷积神经网络模型进行转换,得到可识别多类型数据的卷积神经网络;其中,所述卷积神经网络模型是由用户层多个图像数据及其对应的分类结果训练得到的。本发明构建了一个可同时处理原始数据和同态加密的数据的可识别多类型数据的卷积神经网络,改善现有机器学习的弊端,提高预测准确率。
-
-
-
-
-