-
公开(公告)号：CN118282722A
公开(公告)日：2024-07-02
申请号：CN202410354177.5
申请日：2024-03-26
Applicant: 紫金山实验室 , 中国人民解放军战略支援部队信息工程大学
IPC: H04L9/40
Abstract: 本申请公开了一种动态异构冗余架构的异构度检测方法、系统、设备及介质，所属的技术领域为网络安全技术领域。所述动态异构冗余架构的异构度检测方法包括：对动态异构冗余架构中的所有执行体进行攻击测试，得到运行日志；根据所述运行日志将存在重合因素的执行体标记为目标执行体；若所述目标执行体的数量大于预设值，则根据所述重合因素的重合比例和权重值计算所述动态异构冗余架构的异构度。本申请能够准确检测动态异构冗余架构的异构度。
-
公开(公告)号：CN118114260A
公开(公告)日：2024-05-31
申请号：CN202410392261.6
申请日：2024-04-02
Applicant: 紫金山实验室 , 中国人民解放军战略支援部队信息工程大学
Abstract: 本申请在计算机安全技术领域公开了一种性能测试方法、装置、程序产品、设备及可读存储介质，该方法包括：获取动态异构冗余架构的执行体组集合、执行体组异构度集合、执行体组稳定性集合、执行体组抗攻击性集合；确定执行体组集合中执行体组与完美执行体的有界概率分布；其中，完美执行体为假设的没有漏洞后门且输出永远正确的执行体；基于有界概率分布，并结合执行体组异构度集合、执行体组稳定性集合和执行体组抗攻击性集合，得到各执行体组对应的噪声分布界值；利用若干个噪声分布界值，确定系统动态性指标值。技术效果：能够对DHR架构的动态性进行有效测试，进一步可有效保障计算机资源的安全性。
-
公开(公告)号：CN117972696A
公开(公告)日：2024-05-03
申请号：CN202410166844.7
申请日：2024-02-05
Applicant: 网络通信与安全紫金山实验室 , 中国人民解放军战略支援部队信息工程大学
Abstract: 本申请公开了一种DHR架构中非确定性输出评估方法、装置、设备及介质，涉及数据处理领域，包括：确定DHR架构系统中的在线执行体个数和全部执行体个数；基于在线执行体个数和全部执行体个数确定用于表征DHR架构系统中非确定性输出的动态伪随机性的高斯噪声方差，并确定用于表征DHR架构系统中非确定性输出的正确性的高斯噪声均值；基于高斯噪声方差和高斯噪声均值确定动态伪随机性评估参数，并基于动态伪随机性评估参数与预设阈值的对比结果评估DHR架构系统中非确定性输出的动态伪随机性。本申请通过高斯噪声对DHR架构系统中非确定性输出的衡量指标进行归纳，并构建对非确定性输出的动态伪随机性进行评估的规则，保证评估合理性。
-
公开(公告)号：CN113132352A
公开(公告)日：2021-07-16
申请号：CN202110286007.4
申请日：2021-03-17
Applicant: 中国人民解放军战略支援部队信息工程大学 , 网络通信与安全紫金山实验室
Abstract: 本发明属于网络信息安全技术领域，特别涉及一种基于流量统计特征的路由器威胁感知方法及系统，该方法包含：采集路由器软件系统中各路由执行体流量特征；对采集到的流量特征进行数据预处理，获取用于聚类分析的特征数据；基于Conopy算法对特征数据进行一级聚类，并基于轮廓系数选取最佳K值；根据最佳K值对多个路由执行体进行二级聚类分析，依据聚类中心点和聚类簇获取两两路由执行体的聚类中心点距离；通过聚类中心点距离判定存在威胁的路由执行体为异常路由执行体。本发明从路由器的流量信息为出发点，基于流量统计特征实现路由器威胁感知检测，拓宽拟态路由器异常检测的维度，提升网络安全防御性能，具有较好的应用前景。
-
公开(公告)号：CN110650065A
公开(公告)日：2020-01-03
申请号：CN201910904769.9
申请日：2019-09-24
Applicant: 中国人民解放军战略支援部队信息工程大学 , 网络通信与安全紫金山实验室
Abstract: 本发明涉及网络安全技术领域，特别涉及一种面向互联网的网络设备众测系统及测试方法，该系统包括：用户管理模块，用于对用户进行身份认证；资源分配模块，用于向用户分配众测设备资源；安全防护模块，用于向众测设备模块提供安全防护和访问控制；以及众测设备模块，作为众测目标供用户测试。本发明通过用户管理模块将用户与众测系统建立联系，通过安全防护模块对众测系统进行安全保护，为网络设备厂商提供了一个安全、可靠、具有公信力的安全测试平台。
-
Patent Agency Ranking
公开(公告)号：CN118138336A
公开(公告)日：2024-06-04
申请号：CN202410354157.8
申请日：2024-03-26
Applicant: 紫金山实验室 , 中国人民解放军战略支援部队信息工程大学
IPC: H04L9/40
Abstract: 本申请公开了一种网络弹性测评方法、系统、设备、计算机介质及产品，涉及网络安全技术领域，应用于渗透测试工具，收集目标对象的攻防信息，目标对象包括部署在渗透测试工具上且被测试的对象；基于攻防信息对目标对象进行分析，并根据分析结果构建网络攻防场景；设定目标对象的网络安全弹性指标；确定用于对目标对象施加扰动的扰动数据；在网络攻防场景中，根据扰动数据对目标对象实施攻击和扰动，并按照网络安全弹性指标采集相应的网络安全弹性数据；对网络安全弹性数据进行分析，确定目标对象的网络弹性能力。本申请中，渗透测试工具实现了在无需人工参与的情况下自动对目标对象进行网络弹性测评，排除了测评过程中的认为干扰因素，准确性好。
-
公开(公告)号：CN117651007A
公开(公告)日：2024-03-05
申请号：CN202311619943.8
申请日：2023-11-29
Applicant: 网络通信与安全紫金山实验室 , 中国人民解放军战略支援部队信息工程大学
IPC: H04L43/0876 , H04L9/40
Abstract: 本申请公开了一种网络弹性评估方法，包括：按照内生安全特性指标对目标系统进行信息采集，获得各所述内生安全特性指标对应的指标值；根据第一映射关系确定各类网络弹性能力对应的内生安全特性指标，所述第一映射关系为所述网络弹性能力和所述内生安全特性指标之间的映射关系；根据各所述内生安全特性指标对应的指标值计算相应所述网络弹性能力的能力值；根据各所述网络弹性能力的能力值计算获得所述目标系统的网络弹性综合能力值。应用本申请所提供的技术方案，可以实现系统设备的网络弹性评估，从而有效保证系统安全。本申请还提供了一种网络弹性评估装置、电子设备以及计算机可读存储介质，同样具有上述技术效果。
-
公开(公告)号：CN115563532A
公开(公告)日：2023-01-03
申请号：CN202211123213.4
申请日：2022-09-15
Applicant: 中国人民解放军战略支援部队信息工程大学 , 网络通信与安全紫金山实验室
IPC: G06F18/241 , G06F18/2415 , G06F18/214 , G06N3/0464 , G06N3/047 , G06N3/088 , G06N3/08
Abstract: 本发明提供一种基于联邦半监督学习的流量分类方法及系统。该方法包括：构建无标签流量数据集和有标签流量数据集；中心服务器将全局模型分解为有监督学习参数与无监督学习参数并进行初始化；将参数和辅助代理发送至各客户端；客户端基于有监督学习参数、无监督学习参数和辅助代理利用本地的无标签流量数据集进行无监督训练，将无监督学习参数差异上传至中心服务器；中心服务器聚合更新各无监督学习参数；利用本地的有标签流量数据集进行有监督训练，将有监督学习参数差异、无监督学习参数差异发送至各客户端；基于最近邻搜索得到新的辅助代理，并在满足设定发送条件时，向各客户端发送新的辅助代理；迭代执行前述的2个步骤，直至满足停止条件。
-
公开(公告)号：CN113037730A
公开(公告)日：2021-06-25
申请号：CN202110221394.3
申请日：2021-02-27
Applicant: 中国人民解放军战略支援部队信息工程大学 , 网络通信与安全紫金山实验室
IPC: H04L29/06 , H04L12/851 , G06N3/08 , G06N3/04
Abstract: 本发明属于网络安全技术领域，特别涉及一种基于多特征学习的网络加密流量分类方法及系统，包含：通过对原始流量数据集进行预处理来获取用于作为深度学习模型输入的流量数据包向量；将流量数据包向量分别输入到已训练的多通道CNN模型和LSTM模型中进行并行学习，通过多通道CNN模型提取数据包空间特征，通过LSTM模型提取流量时序特征；将数据包空间特征和流量时序特征进行向量拼接，得到全方位流量特征向量；将全方位流量特征向量输入到神经网络全连接层，通过流量类型概率来获取加密流量分类类型。本发明能够从空间特征和时间特征的角度全方位自动提取和利用流量特征，提升加密流量的分类能力，具有较好的应用价值。
-
公开(公告)号：CN113011163B
公开(公告)日：2024-10-29
申请号：CN202110222535.3
申请日：2021-02-27
Applicant: 中国人民解放军战略支援部队信息工程大学 , 网络通信与安全紫金山实验室
IPC: G06F40/216 , G06F40/242 , G06F40/284 , G06F40/30 , G06F16/35 , G06F18/241 , G06N3/0464 , G06N3/0442 , G06N3/047 , G06N3/08
Abstract: 本发明属于自然语言处理技术领域，特别涉及一种基于深度学习模型的复合文本多分类方法及系统，包含：将复合文本转换至词语粒度级的文本表示，对转换后的词语粒度级文本表示进行预处理，并通过词嵌入方法表示为词向量；将词向量作为深度学习模型输入，通过模型CNN卷积层提取文本特征，选取卷积后向量，并保留全局部分序列关联信息，通过模型self‑attention层为文本特征向量附加权重并进行等长向量序列拼接，利用模型LSTM循环层提取文本特征向量；通过模型池化层对文本特征向量进行平均化操作，并利用softmax分类器获取输入的文本类别概率，依据概率大小来获取文本分类结果。本发明可解决复合文本精确多分类问题，满足自然语言文本多分类预测识别的实际应用。
-
-
-
-
-
-
-
-
-
Search Results
53
records
(took 0.058 seconds)
