-
公开(公告)号:CN118211709A
公开(公告)日:2024-06-18
申请号:CN202410337861.2
申请日:2024-03-24
Applicant: 北京工业大学
IPC: G06Q10/04 , G06Q50/20 , G06N3/0464 , G06F18/24 , G06F18/213 , G06N3/094 , G06N3/0475 , G06N3/045 , G06N3/0442 , G06F18/23 , G06F16/21
Abstract: 本发明公开了一种基于空洞因果卷积的学生成绩预测分析方法,通过使用GAN生成符合学生的原始行为数据分布的新样本达到平衡数据集的目的,并提出了一种基于空洞因果卷积的成绩预测模型,提高了模型对长时间序列数据的处理能力,最后使用SHAP方法结合三因素理论对影响学生成绩的因素进行重要性分析和解释。通过在公开数据集上的实验验证了所提方法在学生成绩预测任务上的有效性,对比现有的其他学生成绩预测方法,在各指标上均有提升。
-
公开(公告)号:CN113992388B
公开(公告)日:2024-06-07
申请号:CN202111244232.8
申请日:2021-10-26
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于RSU实现车辆身份条件隐私保护的方法。首先,在车辆入网前期准备阶段完成系统初始化及车辆与RSU注册,并为RSU颁发公钥证书;然后,在车辆入网时,基于RSU为车辆提供假名实现车辆通信过程中身份隐私保护功能;最后当发现违规车辆时,TA与RSU将通过假名与车辆撤销表实现对违规车辆身份的溯源与合法性撤销,从而实现了车辆身份的条件隐私保护功能。与现有技术相比,本方法可以降低TA侧的计算验证开销以及TA与RSU之间的通信开销。此外,本方法在通信次数上较现有方法得到了改善,提高了通信效率。
-
公开(公告)号:CN114157469B
公开(公告)日:2024-04-02
申请号:CN202111426704.1
申请日:2021-11-27
Applicant: 北京工业大学
IPC: H04L9/40 , H04L12/40 , G06N3/0464 , G06N3/094 , G06N3/09
Abstract: 本发明公开了基于域对抗神经网络的车载网络变种攻击入侵检测方法,利用USB‑CAN TOOL软件获取真实车辆上的正常数据,挑选注入攻击的ID和数据段。按照攻击方式的不同针对挑选的ID构造攻击并注入到真实车辆中进行攻击,将采集到的数据集划分为源域数据集、目标域数据集以及测试数据集。提取连续的25条CAN消息的数据段,通过三个不同卷积核大小的模块得到的特征经过拼接后输出最终的特征,作为后续工作的输入。将已知攻击的特征作为输入,判断攻击类型进行输出。通过梯度反转层乘以负数进行转换后再反向更新权值,达到对抗的效果。本发明在没有变种攻击数据训练的情况下,学习到攻击的本质特征,避免对于已知数据的特征依赖性,增加了模型的鲁棒性。
-
公开(公告)号:CN114339766B
公开(公告)日:2024-02-09
申请号:CN202111426702.2
申请日:2021-11-27
Applicant: 北京工业大学
IPC: H04W12/122 , G06N3/0442 , H04W4/44
Abstract: 本发明公开了一种基于粗细粒度轨迹的深度学习城市车联网女巫攻击检测方法,包括:步骤1,按照固定时间窗采集粗、细粒度轨迹,当达到一个检测时间周期,执行步骤2。步骤2,采用lcs算法对粗粒度轨迹两两计算轨迹重合比例,形成轨迹关联序列,根据此关联序列找出相应的细粒度轨迹,作为检测模型的输入,执行步骤3。步骤3,对于输入的多条细粒度轨迹,利用LSTM进行单轨迹特征提取,用Transformer捕捉轨迹间关系,最后用softmax做分类,判断目标轨迹是否为女巫轨迹。实验结果证明,本发明所提出的女巫攻击检测方法具有较高的检测性能,且在不同应用场景下表现出较强的适应性。
-
公开(公告)号:CN113806734B
公开(公告)日:2024-02-09
申请号:CN202110958434.2
申请日:2021-08-20
Applicant: 北京工业大学
Abstract: 本发明公开了一种级联式基于条件的能量生成对抗网络的网络攻击恢复方法,将流量数据中表示为传感器测量值作为输入,用训练好的模型生成特征数据;训练好的基于条件的生成对抗网络生成的特征数据作为额外信息与随机噪声拼接作为输入;统计恢复数据和真实数据之间的绝对误差,以及不同模型训练所需的时间以及所需占用的空间,并利用这些指标衡量不同模型之间的性能差异。本发明所使用的基于条件的生成对抗网络模型,能够快速模拟出系统征程运行时的行为特征,所提出的基于条件的能量生成式对抗网络可以有效提高测量值的恢复精度,所设计的自适应决策策略可以提高测量值恢复的稳定性,减少生成异常点的可能性。
-
公开(公告)号:CN112437440B
公开(公告)日:2024-02-02
申请号:CN202011056403.X
申请日:2020-09-30
Applicant: 北京工业大学
IPC: H04W12/122 , H04W16/22 , H04W84/18
Abstract: 本发明公开了无线传感器网络中基于相关性理论的恶意共谋攻击抵抗方法,本发明首先基于时间相关性,利用二阶离差差分滤波获取同类传感器数据异常情况的时间序列。然后,基于空间相关性检测恶意节点,该方案包括两个主要阶段,基于近距离的各属性传感器的D‑S检测和基于远距离的簇内节点间行为序列贴近度检测。最后,基于事件相关性验证恶意节点。本发明利用WSN中共谋FDI攻击的攻击范围有限的缺点,发挥其全面挖掘各节点间相关性的优势,该发明在WSN恶意节点检测方面具有较好的性能。
-
公开(公告)号:CN117294515A
公开(公告)日:2023-12-26
申请号:CN202311354807.0
申请日:2023-10-19
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于生成对抗网络的工控网络协议模糊测试方法,包括:步骤1:使用训练数据集对SeqGAN模型进行训练。步骤2:使用经过训练的模型生成测试用例并根据模型输出概率的信息熵决定突变位置从而进行个性化突变。步骤3:使用组合的方式对测试用例进行分组发送,与此同时使用预期回复验证的方式实时监测被测目标的状态以及时定位触发的漏洞。对应该方法,本基于生成对抗网络的工控网络协议模糊测试系统包括基于生成对抗网络的测试用例生成模块,基于信息熵以及协议规约的突变模块,基于汉明距离的测试用例分组模块以及基于心跳存活检测以及期望报文验证的漏洞定位模块。本发明提高了漏洞挖掘的效率。
-
公开(公告)号:CN113821793B
公开(公告)日:2023-12-19
申请号:CN202110992620.8
申请日:2021-08-27
Applicant: 北京工业大学
IPC: G06F21/55 , G06F18/214 , G06F18/241 , G06N3/0464
Abstract: 本发明公开了基于图卷积神经网络的多阶段攻击场景构建方法及系统,从网络流量中匹配IDS警报对应的可疑攻击流。利用匹配到的可疑攻击流提取特征并计算流之间的相似度用于构建相似关系矩阵,将流的特征转化为节点属性,相似关系矩阵转换为邻接矩阵构建可疑流图。利用图卷积神经网络对步骤2构建的可疑流图进行半监督分类,将可疑流划分为不同攻击阶段。并对每个攻击阶段建立带权重的阶段通信图,并从阶段通信图中提取高质量场景子图,得到完整攻击场景。本发明对比多个模型的检测效果。实验结果证明,本发明可以提高精度的同时降低误报的出现。还可以准确划分攻击阶段效果并可以构建完整多步攻击场景,方便安全管理员对于检测信息的直接利用。
-
公开(公告)号:CN116545680A
公开(公告)日:2023-08-04
申请号:CN202310479057.3
申请日:2023-04-28
Applicant: 北京工业大学
Abstract: 本发明公开了基于多层联盟链的工业跨域可信网络连接方法,基于此架构设计联盟链模型CertChain、五元可信跨域连接架构以及基于多层联盟链的跨域可信网络连接协议TCA‑MLB。联盟链CertChain将TCA的网络访问层与完整性评估层进行绑定,来抵御中间人攻击以及将可信第三方进行去中心化。五元可信跨域连接架构通过横向扩展可信连接架构TCA,使其适用于跨域认证,以及充分融合了联盟链的去中心化、防篡改等安全特性。TCA‑MLB协议在设备进行域内访问或跨域访问时进行用户身份信息认证、平台身份信息认证以及平台完整性度量值校验,能够抵御各种安全问题,保证工业控制网络的多控制域的互联互通下,确保设备的可靠性和安全性。
-
公开(公告)号:CN116415144A
公开(公告)日:2023-07-11
申请号:CN202211492202.3
申请日:2022-11-25
Applicant: 北京工业大学
IPC: G06F18/214 , G06N3/08 , G06N3/0464
Abstract: 本发明公开了一种基于循环神经网络的模型压缩和加速方法,包括:对目标数据集进行数据预处理作为模型输入,选定合适的循环神经网络进行训练,并用测试集对训练后的模型进行检测,保存表现良好的模型参数。对模型输入到全连接层的参数进行权重计算,依此选择合适的参数数量,并对除全连接层外的所有网络层进行参数维度的更新,输入到全连接层的其余参数取平均值,进而实现模型的压缩。将更新后的模型中的矩阵乘法计算使用优化的Maddness方法进行近似矩阵乘法计算,进而实现模型的加速。本发明所提出的压缩和加速方法,能在保持模型检测性能的同时压缩模型参数加快模型运算。
-
-
-
-
-
-
-
-
-