移动通讯安全智能监测方法、系统及装置

    公开(公告)号:CN111542056B

    公开(公告)日:2021-06-15

    申请号:CN202010444049.1

    申请日:2020-05-22

    Abstract: 本发明移动通信领域,具体涉及移动通讯安全智能监测方法、系统及装置。所述系统包括:信道监听装置、信号分析装置、信号加密装置和控制装置;所述信道监听装置,在控制装置的时间/频率控制下,周期性地监听信道,复制截取信道传输的信号;信号分析装置,对截取的信号进行信号分析,判断当前信道是否被恶意监听/窃取;信号加密装置,在分析出当前信道被恶意监听/窃取的情况下,对信道中传输的信号进行加密。其通过周期性的对信号的传输信道进行监听,实现安全监测,提升了信号传输的安全性;具有信道监听准确率高和智能化程度高的优点。

    一种基于深度学习的差分隐私保护方法与装置

    公开(公告)号:CN118133332A

    公开(公告)日:2024-06-04

    申请号:CN202410009068.X

    申请日:2024-01-04

    Abstract: 本发明涉及隐私保护的技术领域,揭露了一种基于深度学习的差分隐私保护方法与装置,所述方法包括:对构建的深度神经网络模型进行权重初始化,根据初始化的网络参数对每个样本计算梯度并进行梯度裁剪得到更新后的样本梯度值,利用更新后的样本梯度值进行矩估计得到梯度值的一阶和二阶矩估计值,根据梯度值的一阶和二阶矩估计值计算梯度更新学习速率,对计算得到的梯度更新学习速率进行噪音添加,计算得到鲁棒梯度值,并根据鲁棒梯度值进行参数更新得到深度神经网络模型最终的模型参数,实现模型参数脱敏。

    网络安全漏洞检测系统及方法

    公开(公告)号:CN115695039B

    公开(公告)日:2023-08-18

    申请号:CN202211416662.8

    申请日:2022-11-13

    Abstract: 本发明提供了一种网络安全漏洞检测系统,包括采集模块、处理模块、分析矩阵、判断模块以及机器学习系统,本申请利用安全日志来获取一次接入请求事件对应的证书加载数据及请求验证数据,通过对证书加载数据及请求验证数据的挖掘,得到一次接入请求事件是否出现撞库行为、频繁的验证行为以及频繁的调用证书的行为,这些行为表明当前的一次接入请求可能存在较大可能的网络入侵。通过挖掘、分析这些数据,能够有效的判断是否存在漏洞。

    网络安全漏洞检测系统及方法

    公开(公告)号:CN115695039A

    公开(公告)日:2023-02-03

    申请号:CN202211416662.8

    申请日:2022-11-13

    Abstract: 本发明提供了一种网络安全漏洞检测系统,包括采集模块、处理模块、分析矩阵、判断模块以及机器学习系统,本申请利用安全日志来获取一次接入请求事件对应的证书加载数据及请求验证数据,通过对证书加载数据及请求验证数据的挖掘,得到一次接入请求事件是否出现撞库行为、频繁的验证行为以及频繁的调用证书的行为,这些行为表明当前的一次接入请求可能存在较大可能的网络入侵。通过挖掘、分析这些数据,能够有效的判断是否存在漏洞。

    移动通讯安全智能监测方法、系统及装置

    公开(公告)号:CN111542056A

    公开(公告)日:2020-08-14

    申请号:CN202010444049.1

    申请日:2020-05-22

    Abstract: 本发明移动通信领域,具体涉及移动通讯安全智能监测方法、系统及装置。所述系统包括:信道监听装置、信号分析装置、信号加密装置和控制装置;所述信道监听装置,在控制装置的时间/频率控制下,周期性地监听信道,复制截取信道传输的信号;信号分析装置,对截取的信号进行信号分析,判断当前信道是否被恶意监听/窃取;信号加密装置,在分析出当前信道被恶意监听/窃取的情况下,对信道中传输的信号进行加密。其通过周期性的对信号的传输信道进行监听,实现安全监测,提升了信号传输的安全性;具有信道监听准确率高和智能化程度高的优点。

    一种领域深度学习的数据差分隐私处置优选方法

    公开(公告)号:CN119760783A

    公开(公告)日:2025-04-04

    申请号:CN202510251936.X

    申请日:2025-03-05

    Abstract: 本发明涉及数据差分隐私处置的技术领域,公开了一种领域深度学习的数据差分隐私处置优选方法,所述方法包括:将领域隐私数据集构建为深度学习损失函数;初始化生成领域隐私数据的隐私预算;计算领域隐私数据在深度学习损失函数训练过程中的贡献梯度,基于贡献梯度对领域隐私数据的隐私预算进行动态优选调整;利用动态优选调整后的隐私预算对领域隐私数据进行隐私保护。本发明基基于深度学习模型参数在训练过程中的梯度,计算不同领域隐私数据的贡献梯度,进而基于贡献梯度以及领域隐私数据的差分隐私变化率对隐私预算进行动态优选调整,在保证模型训练效果的情况下,得到对领域隐私数据进行隐私保护的隐私预算,实现领域隐私数据的隐私保护。

    一种差分隐私保护方法及系统

    公开(公告)号:CN116992488A

    公开(公告)日:2023-11-03

    申请号:CN202311245211.7

    申请日:2023-09-26

    Abstract: 本发明提供了一种差分隐私保护方法及系统,涉及隐私保护技术领域,该方法包括:根据初始数据集建立多维特征集合;对多维特征集合进行特征赋值,建立初始特征系数,并提取数据的特征值;进行初始数据集的数据加密等级评价,生成第一扰动关联;设置聚类簇中心约束,并随机抓取聚类中心,以多维特征集合作为距离参考执行数据聚类,生成数据聚类结果并匹配第二扰动关联,执行初始数据集的本地差分扰动,生成加密数据集并传输至服务器。通过本发明可以解决现有技术中存在由于隐私保护的精确度和聚类效率较低,导致隐私保护的效率较低的技术问题,实现提高隐私保护的精确度和聚类效率的目标,达到隐私保护的效率较高的技术效果。

    一种基于Modbus的联邦学习威胁检测方法及系统

    公开(公告)号:CN119449467A

    公开(公告)日:2025-02-14

    申请号:CN202411778751.6

    申请日:2024-12-05

    Abstract: 本发明涉及联邦学习技术领域,尤其是涉及一种基于Modbus的联邦学习威胁检测方法及系统。方法,包括对获取的二进制网络流量数据进行预处理,得到Json文件数据;对Json文件数据进行特征提取;对联邦学习模型进行初始化,利用提取的特征进行模型训练,得到模型的若干重要参数;通过对模型的若干重要参数进行汇总,得到全局重要参数位置;基于全局重要参数位置对模型进行更新,得到个性化的联邦学习模型;利用个性化的联邦学习模型进行网络威胁检测。该方法能从多个维度表征网络流量,在为联邦学习框架实现多源输入提供支撑的同时,从数据层面提升了网络威胁检测效果。

Patent Agency Ranking