一种基于BoTNet融合时空特征的加密流量识别方法

    公开(公告)号:CN117240488A

    公开(公告)日:2023-12-15

    申请号:CN202210645552.2

    申请日:2022-06-08

    Abstract: 本发明公开一种基于BoTNet融合时空特征的加密流量识别方法,通过构建并行网络,利用BoTNet和BiLSTM两个子网络分别提取已经过预处理的加密流量图形式中的空间特征与时间特征,将两个子网络并行后通过早融合的方式结合,最后通过融合后的特征实现加密流量的分类与识别。包括:加密流量预处理模块,负责通过基于保留完整数据报的数据预处理方式,将原始加密流量转换为加密流量图像;加密流量识别网络架构,负责分别抽取空间与时间两个维度的特征,通过特征融合实现加密流量的分类与识别。本发明通过提取更深层次以及更丰富的加密流量特征,进一步提高了加密流量识别的准确率。

    一种多步攻击模式挖掘方法

    公开(公告)号:CN113132414B

    公开(公告)日:2022-10-14

    申请号:CN202110500708.3

    申请日:2021-05-08

    Abstract: 本发明公开一种多步攻击模式挖掘方法,实现基于少量先验知识的初始攻击模型启发式的生成新的攻击模型,并能够根据图匹配计算预测概率。包括:敏感信息与告警日志融合算法:针对告警日志的误报和漏报性质,将从流量数据中筛选出的敏感信息和告警日志通过IP相似度聚簇、攻击簇内合并和过滤、攻击簇间筛选三种算法进行融合。多步攻击模型:多步攻击模型定义如下其中N表示某类攻击的实际攻击过程步数,ABC代表多步攻击中每一个单步攻击的属性特征值。启发式多步攻击模型生成和攻击预测算法:通过图的概率匹配达到针对多步攻击的预测,步骤包括匹配对应点、计算概率值、生成多步攻击图模型、衡量转换。本发明通过启发式生成新攻击模型为攻击预测提供了新的思路。

    一种多步攻击模式挖掘方法

    公开(公告)号:CN113132414A

    公开(公告)日:2021-07-16

    申请号:CN202110500708.3

    申请日:2021-05-08

    Abstract: 本发明公开一种多步攻击模式挖掘方法,实现基于少量先验知识的初始攻击模型启发式的生成新的攻击模型,并能够根据图匹配计算预测概率。包括:敏感信息与告警日志融合算法:针对告警日志的误报和漏报性质,将从流量数据中筛选出的敏感信息和告警日志通过IP相似度聚簇、攻击簇内合并和过滤、攻击簇间筛选三种算法进行融合。多步攻击模型:多步攻击模型定义如下其中N表示某类攻击的实际攻击过程步数,ABC代表多步攻击中每一个单步攻击的属性特征值。启发式多步攻击模型生成和攻击预测算法:通过图的概率匹配达到针对多步攻击的预测,步骤包括匹配对应点、计算概率值、生成多步攻击图模型、衡量转换。本发明通过启发式生成新攻击模型为攻击预测提供了新的思路。

    一种网络安全智能管理方法及系统

    公开(公告)号:CN117254967A

    公开(公告)日:2023-12-19

    申请号:CN202311309941.9

    申请日:2023-10-10

    Abstract: 本发明涉及网络安全智能管理方法技术领域,具体为一种网络安全智能管理方法及系统,包括以下步骤:S1:服务器通过用户管理平台对用户主机的登入与所做出操作进行授权管理;S2:通过云盾组件对上传或下载数据进行管理。本发明中,通过用户管理平台以集成式的管理手段,对于用户的身份信息以及操作权限进行集中式管理,确保用户登录和操作的合法性,通过数据管理单元对于所传输文件进行安全检测,通过随流检测单元对操作所产生的数据以及链接进行检测,确保数据的安全性并屏蔽恶性链接,通过云盾检测单元对云盾进行完善的自检以及安全评估工作,达成对于云盾的定期更新功能,以此全方位的确保网络安全。

    一种基于决策大模型的智能网络机器人

    公开(公告)号:CN117773921A

    公开(公告)日:2024-03-29

    申请号:CN202311777032.8

    申请日:2023-12-22

    Abstract: 本发明涉及智能网络机器人技术领域,具体涉及一种基于决策大模型的智能网络机器人,包括服务器、中央处理器和接口器;所述中央处理器用于获取所述目标机器组件的特征信息,并通过所述特征信息匹配相应的目标动作预测模型,生成控制指令输出给所述服务器,其中,所述目标动作预测模型由深度学习模型训练得到,所述目标动作预测模型包括状态信息以及与所述状态信息相匹配的真实动作;所述服务器获取所述控制指令,并基于所述控制指令控制所述目标机器组件。该智能网络机器人可以通过深度学习和大模型匹配不同的目标机器组件,实现不同功能,从而适应各种那个生产领域,具备广阔的应用前景和市场价值。

Patent Agency Ranking