-
公开(公告)号：CN105897774B
公开(公告)日：2018-11-27
申请号：CN201610479747.9
申请日：2016-06-27
Applicant: 华侨大学
IPC: H04L29/06
Abstract: 本发明公开了一种基于机器学习的网络用户安全状态评估方法，包括：基于确定的风险传播源u和其传播时间t，建立网络风险的微观传播模型；基于所述传播源，对所述微观传播模型进行多轮的模拟传播；传播结束后，提取指定的特征属性及其对应的特征值形成特征向量；将提取到的特征向量输入到分类器中进行分类训练，生成可以判定新输入特征向量类属的分类规则；实际传播事件发生t时间后，提取网络中所有未被监控用户对应的特征向量；将提取到的特征向量输入训练好的分类器进行分类，获得所有未被监控用户安全状态的估计值。本发明方法通过部分用户的安全状态信息来估计网络中其他用户的安全状态，从而迅速有效地对高风险用户进行处理，阻止风险的传播。
-
公开(公告)号：CN105915399A
公开(公告)日：2016-08-31
申请号：CN201610482278.6
申请日：2016-06-27
Applicant: 华侨大学
CPC classification number: H04L63/1408 , H04L41/12 , H04L63/1441
Abstract: 本发明公开了一种基于反向传播的网络风险源头追溯方法，包括:将网络中愿意被监控的用户设置为监控节点并进行监控；标记所有被感染监控节点，按照监控节点被感染时间差从被感染监控节点处向已提取的网络拓扑上洪泛式广播标记的风险，统计网络拓扑中能同时接收到所有标记风险的节点并将所述节点添加到潜在的风险源集合中；基于潜在的风险源集合和网络节点在风险传播过程中状态转化的动态性，建立网络风险的微观传播模型；基于所述微观传播模型，采用极大似然估计法从所述潜在的风险源集合中定位风险源头。本发明方法能够在保护绝大多数用户隐私的前提下，通过比较小的计算量来得到更为精确的网络风险溯源结果。
-
公开(公告)号：CN105915399B
公开(公告)日：2019-02-26
申请号：CN201610482278.6
申请日：2016-06-27
Applicant: 华侨大学
Abstract: 本发明公开了一种基于反向传播的网络风险源头追溯方法，包括:将网络中愿意被监控的用户设置为监控节点并进行监控；标记所有被感染监控节点，按照监控节点被感染时间差从被感染监控节点处向已提取的网络拓扑上洪泛式广播标记的风险，统计网络拓扑中能同时接收到所有标记风险的节点并将所述节点添加到潜在的风险源集合中；基于潜在的风险源集合和网络节点在风险传播过程中状态转化的动态性，建立网络风险的微观传播模型；基于所述微观传播模型，采用极大似然估计法从所述潜在的风险源集合中定位风险源头。本发明方法能够在保护绝大多数用户隐私的前提下，通过比较小的计算量来得到更为精确的网络风险溯源结果。
-
公开(公告)号：CN105897774A
公开(公告)日：2016-08-24
申请号：CN201610479747.9
申请日：2016-06-27
Applicant: 华侨大学
IPC: H04L29/06
CPC classification number: H04L63/1408
Abstract: 本发明公开了一种基于机器学习的网络用户安全状态评估方法，包括：基于确定的风险传播源u和其传播时间t，建立网络风险的微观传播模型；基于所述传播源，对所述微观传播模型进行多轮的模拟传播；传播结束后，提取指定的特征属性及其对应的特征值形成特征向量；将提取到的特征向量输入到分类器中进行分类训练，生成可以判定新输入特征向量类属的分类规则；实际传播事件发生t时间后，提取网络中所有未被监控用户对应的特征向量；将提取到的特征向量输入训练好的分类器进行分类，获得所有未被监控用户安全状态的估计值。本发明方法通过部分用户的安全状态信息来估计网络中其他用户的安全状态，从而迅速有效地对高风险用户进行处理，阻止风险的传播。
-
-
-
Search Results
4
records
(took 0.015 seconds)
