-
公开(公告)号：CN114513533B
公开(公告)日：2023-06-27
申请号：CN202111609681.8
申请日：2021-12-24
IPC: H04L67/12 , H04L67/1097 , H04L9/40 , G06F18/2431
Abstract: 本发明提供一种分类分级健身健康大数据共享系统及方法，所述系统包括用户管理模块、数据管理模块、访问控制模块、数据共享模块、区块链、分布式文件系统；所述用户管理模块用于管理用户；所述数据管理模块用于根据数据敏感程度等级，采用不同加密等级进行加密；所述访问控制模块管理数据拥有者产生的个人数据的访问策略，同时实现所述个人数据的访问控制，所述数据共享模块用于对所述数据访问者进行权限验证；所述区块链接用于存储访问控制策略及作为访问控制服务器；所述分布式文件系统用于存储加密后的个人数据。本发明的系统基于区块链进行了从数据存储到数据共享的构建与优化，在保证数据分类分级隐私保护的同时实现了访问控制记录的可审计。
-
公开(公告)号：CN108769042B
公开(公告)日：2020-07-10
申请号：CN201810574225.6
申请日：2018-06-06
Applicant: 北京理工大学
Abstract: 本发明公开了一种基于微分流形的网络安全风险评估的方法。使用本发明能够客观、全面地对网络安全风险进行评估。本发明首先根据各设备自身的指标对其安全性进行度量，较为客观，且指标选取涉及网络的可靠性、可用性和连通性，覆盖范围全面，指标的值可由采集工具自动采集并量化，数据采集方便、并避免了指标量化困难的问题。然后，利用网络系统的拓扑不变性和指标之间的特征关系将网络拓扑图映射为高维的微分流形，以微分流形的光滑映射函数作为相邻节点的距离，对网络系统风险特征的刻画更为细致，且能够对网络系统的动态变化进行刻画，从而实时地动态地监控网络系统的安全性。
-
-
公开(公告)号：CN109697361A
公开(公告)日：2019-04-30
申请号：CN201710984746.4
申请日：2017-10-20
Applicant: 北京理工大学
IPC: G06F21/56
Abstract: 本发明提出一种基于木马特征的木马分类方法，解决木马特征序列过长且存在大量的无效信息的技术问题。步骤一、针对木马程序进行静态分析和动态分析；步骤二、分析步骤一得到的PE文件和动态分析报告，得到PE文件的静态特征和动态分析报告的动态特征；步骤三、构建特征模型：包括特征处理和特征降维；特征处理是指将步骤二得到的静态特征和动态特征转化为定量特征，并将所有的定量特征合并，构成特征模型；特征降维是指降低所述特征模型的维度，包括去掉冗余特征和低贡献度特征；步骤四、采用分类学习软件对步骤三构建的特征模型进行分类学习，最后输出分类结果。
-
公开(公告)号：CN107180192A
公开(公告)日：2017-09-19
申请号：CN201710324102.2
申请日：2017-05-09
Applicant: 北京理工大学
Abstract: 本发明公开了一种基于多特征融合的安卓恶意应用程序检测方法和系统，该方法对安卓应用样本进行反编译，获得反编译文件；从反编译文件中提取静态特征；通过在安卓模拟器中运行安卓应用样本提取动态特征；对静态特征和动态特征，使用局部敏感哈希算法的文本哈希映射部分进行特征映射，映射到低维特征空间，从而得到融合后的特征向量；基于融合后的特征向量，利用机器学习分类算法训练得到分类器，利用该分类器进行分类检测。使用本发明能够解决恶意代码稀有样本家族的高维特征分析问题，而且提高了检测准确度。
-
Patent Agency Ranking
公开(公告)号：CN114254386B
公开(公告)日：2024-06-07
申请号：CN202111537078.3
申请日：2021-12-13
Abstract: 本发明提供一种基于层次聚合和区块链的联邦学习隐私保护系统及方法，所述系统包括可信机构、区块链、联邦学习模块、以及IPFS分布式存储系统；所述区块链用于记录联邦学习模块产生的各项数据以及训练过程中历次迭代的各个版本的训练模型对应的模型地址；所述联邦学习模块用于实现联邦学习训练；所述用户终端获取当前全局模型作为本地模型，并在本地数据集上，对所述本地模型进行训练，以获取新一轮的本地模型；所述IPFS分布式存储系统用于存储本地模型参数和全局模型参数。基于本发明的系统，解决现有技术中联邦学习隐私保护机制效率低、降低模型准确率、存储开销大的技术问题，能够提高联邦学习效率、提高全局模型准确率。
-
公开(公告)号：CN115378626A
公开(公告)日：2022-11-22
申请号：CN202210434874.2
申请日：2022-04-24
Abstract: 本发明提出一种流数据高效细粒度安全共享方法，通过从数据加密到数据共享的构建与优化，能够在保证安全高效的数据存储同时支持细粒度的访问控制。包括：将数据生产者的流数据进行数据分块，并预聚合计算每个数据块的统计值，同时密钥管理模块产生密钥流，二者经数据加密后将密文上传至服务提供商；所述服务提供商将所述密文分为两个部分存储，所述统计值密文存储到内存缓存中，原始值密文存储到磁盘中；数据拥有者基于资源路径、时间范围、时间粒度生成访问控制模板，并利用模板加密数据生产者的密钥流；数据访问者经数据拥有者授权后，查询数据并解密授权范围内的数据。
-
公开(公告)号：CN111131069B
公开(公告)日：2021-06-08
申请号：CN201911164936.7
申请日：2019-11-25
Applicant: 北京理工大学
Abstract: 本发明提出了一种基于深度学习策略的异常加密流量检测与分类方法，既能对使用公有加密协议的已知类型异常加密流量进行在线快速识别，又能对使用私有加密协议的未知类型异常加密流量进行检测与分类。该方法利用相邻做差法对原始数据进行特征加强，利用加强后的数据集中带有协议标签的数据训练1dCNN(一维卷积神经网络)模型来对已知类型异常加密流量进行检测与分类，利用k‑means算法(k‑均值算法)对加强后的数据集中没有协议标签的未知类型异常加密流量进行分类。
-
公开(公告)号：CN107832611B
公开(公告)日：2020-12-08
申请号：CN201710987829.9
申请日：2017-10-21
Applicant: 北京理工大学
Abstract: 本发明公开了一种动静态特征结合的僵尸程序检测与分类方法，基于静态特征信息，进行僵尸程序检测；检测过程中的特征选择采用了采用改进的TF‑IDF算法，改进的TF‑IDF算法是在TF‑IDF算法计算TF‑IDF权重时加入类区分度因子GF，用于表征特征项在某一类别中的出现程度与在其他所有类别中出现程度的比例；运行检测的僵尸程序，提取僵尸程序运行的API序列和网路流量信息，处理获得僵尸程序家族分类特征；基于僵尸程序家族分类特征，对僵尸程序进行分类。本发明能够自动进行分类，降低耗时，提高分类效率。
-
公开(公告)号：CN111090858A
公开(公告)日：2020-05-01
申请号：CN201911164905.1
申请日：2019-11-25
Applicant: 北京理工大学
Abstract: 本发明针对现有技术中特征表达不足、漏报率和误报率高、攻击树节点权重设置不合理等问题，提出一种基于拓展攻击树模型的木马检测方法。该方法包括：通过对木马程序进行静态特征分析，获取操作码OPCode序列，从所述操作码OPCode序列中提取木马特征OPCode短序列；通过对木马程序进行动态特征分析，获取API调用序列，从所述API调用序列中提取木马特征API短序列；根据所述OPCode短序列和API短序列构建原始拓展攻击树，并将所述原始拓展攻击树的节点的权重参数初始化，作为第一个攻击树基本学习器；动态更新所述权重参数得到若干个攻击树基本学习器，通过集成学习构建强学习器，进行木马检测。
-
-
-
-
-
-
-
-
-
Search Results
36
records
(took 0.028 seconds)
