-
公开(公告)号：CN114372530A
公开(公告)日：2022-04-19
申请号：CN202210024041.9
申请日：2022-01-11
Applicant: 北京邮电大学
Abstract: 本发明公开了一种基于深度自编码卷积网络的异常流量检测方法及系统，方法包括步骤：S1、使用预处理后的数据训练多个深度自编码器；S2、将预处理完的数据输入多个自编码器，得到多个不同的降维特征向量；S3、将得到的不同降维特征向量与预处理完的数据进行特征拼接，并用其训练卷积神经网络得到最优的分类网络模型；S4、将预处理后的未知数据和自编码器模块的输出拼接后输入到训练好的网络模型，使用softmax激活函数对卷积神经网络输出进行分类，得到预测结果。检测系统包括数据预处理模块、深度自编码器模块、卷积神经网络模块和系统管理模块。本发明解决了传统异常流量检测方案对于专家系统的依赖以及传统流量检测模型准确率较低且泛化能力差的问题。
-
-
公开(公告)号：CN111552855A
公开(公告)日：2020-08-18
申请号：CN202010364312.6
申请日：2020-04-30
Applicant: 北京邮电大学
IPC: G06F16/951 , G06F16/9535 , G06N3/08 , G06N3/04
Abstract: 本发明实施例提供了一种基于深度学习的网络威胁情报自动抽取方法，能够获取情报源数据，并判断情报源数据的数据结构类型；若数据结构类型为非结构化类型，则将情报源数据输入预先训练的情报实体识别模型，得到情报源数据中的各情报实体，情报实体识别模型为利用情报样本数据，基于预先设置的字与字的前后位置约束条件，训练得到的神经网络模型；按照预先设置的组合形式，将各情报实体组合得到网络威胁情报。应用本发明可以利用预先训练的情报实体识别模型进行网络威胁情报的自动抽取，而情报实体识别模型在训练时引入的位置约束条件限制情报实体中字与字的前后位置关系，因此减少情报实体乱序的结果出现，从而提高网络威胁情报识别的准确率。
-
公开(公告)号：CN108512846A
公开(公告)日：2018-09-07
申请号：CN201810276386.7
申请日：2018-03-30
Applicant: 北京邮电大学
IPC: H04L29/06
Abstract: 本发明实施例提供了一种终端与服务器之间的双向认证方法和装置，应用于终端，终端可以根据终端私钥和第一预设随机数，得到加密字符串，并发送至服务器，以使服务器对终端进行认证，根据与服务器对应的公钥，对服务器发送的验证字符串进行解密，得到服务器的认证结果；应用于服务器，服务器在接收到终端发送的加密字符串时，根据与终端对应的公钥，对加密字符串进行解密，如果解密失败，判定终端认证失败，否则，判定终端认证成功，根据解密结果、服务器私钥和第二预设随机数，生成验证字符串，并发送至终端，以使终端对服务器进行认证。基于上述处理，终端和服务器不需要下载和导入证书，且交互次数较少，适用于计算能力较低的终端。
-
公开(公告)号：CN119383002A
公开(公告)日：2025-01-28
申请号：CN202411654429.2
申请日：2024-11-19
Applicant: 北京邮电大学
Abstract: 一种基于零信任架构的四重端口隐藏方法及装置，属于计算机网络安全领域，包括：第一次敲门操作和基于时空矩阵融合多因子模型的终端信任评估方法；基于信任的多元身份认证；隧道端口敲门；业务端口敲门。本发明采用四重端口隐藏零信任访问控制方案，通过向零信任安全管理平台、身份认证端口、SDP网关中的VPN隧道端口以及业务端口进行敲门，实现了用户准入和业务服务的全面防护增强。本发明通过四重端口隐藏技术增加了额外的安全层，使得攻击者难以轻易找到有效的攻击入口点；同时基于信任的身份认证机制能够实现更加精细化的访问控制，并且能够适应复杂的网络环境，从而避免了传统SPA机制中存在的安全漏洞。
-
Patent Agency Ranking
公开(公告)号：CN118132841A
公开(公告)日：2024-06-04
申请号：CN202410251428.7
申请日：2024-03-05
Applicant: 北京邮电大学
IPC: G06F16/9535 , G06F21/62 , G06F17/16 , G06N20/00
Abstract: 本发明公开了一种基于自适应隐私预算的推荐方法。首先基于评分时间计算每个评分的总隐私预算，对不同时间段的数据根据其重要程度进行不同强度的隐私保护，避免引入不必要的噪声，导致推荐质量降低。然后改进了梯度下降中分配隐私预算的方式，提出一种自适应隐私预算梯度下降策略，在每次迭代更仔细地分配隐私预算，优化推荐算法结果。对于梯度较大的情况，分配较小的隐私预算以增加噪声，从而更好地保护用户隐私；而对于梯度较小的情况，则分配较大的隐私预算，以减少噪声的干扰，从而提高模型的精确性。本文发明在Movielens‑1M数据集上与现有算法进行比较，实验结果表明该算法保障了用户的隐私安全并且提高了推荐质量。
-
公开(公告)号：CN117792696A
公开(公告)日：2024-03-29
申请号：CN202311667780.0
申请日：2023-12-07
Applicant: 北京邮电大学
IPC: H04L9/40 , G06F11/07 , G06N3/0442 , G06N3/045 , G06N3/08
Abstract: 本发明公开了一种面向分布式系统的日志异常检测和定位的方法及装置，方案首先采用智能的日志解析器，无需繁琐的参数调整即可稳定解析不同格式的日志，引入了适应性强的ALBERT模型处理日志格式变化。通过构建组件实例森林和深度优先遍历算法，挖掘不同ID之间的依赖关系，实现了分布式系统中异常位置的准确定位，简化了开发人员工作，提高了问题解决速度。引入语义、时间和数量嵌入结合基于注意力的BiGRU模型，显著提高了日志异常检测的准确性，时间向量有助于及时识别性能异常，提高了系统可用性。
-
公开(公告)号：CN115334005B
公开(公告)日：2024-03-22
申请号：CN202210337870.2
申请日：2022-03-31
Applicant: 北京邮电大学 , 国网上海能源互联网研究院有限公司
IPC: H04L47/2441 , H04L47/2483 , H04L9/40 , G06N3/0464 , G06N3/082 , G06F18/2431
Abstract: 本发明公开了一种基于剪枝卷积神经网络和机器学习的加密流量识别方法，包括数据预处理、构建CNN模型、模型剪枝、使用CNN提取高级特征向量和使用LightGBM分类的步骤。本发明的基于剪枝卷积神经网络和机器学习的加密流量识别方法，无需手工提取特征，利用CNN模型自动从原始流量文件中自动提取高级特征并进行分类，同时构建了一种基于剪枝的卷积神经网络模型，减少模型参数量，降低了计算开销，使用LightGBM根据加密流量的高级特征进行分类，以弱分类器来达到强分类的效果，提高了准确率，最终的模型会达到比其他分类模型更高的性能和精准率。
-
公开(公告)号：CN111639696B
公开(公告)日：2023-08-01
申请号：CN202010456045.5
申请日：2020-05-26
Applicant: 北京邮电大学
IPC: G06F18/2415 , G06F18/214 , G06N3/042 , G06N3/0464 , G06N3/08
Abstract: 本发明实施例提供了一种用户分类方法及装置，涉及计算机技术领域，可以提高对用户分类的准确度，本发明实施例的技术方案包括：获取待识别用户的用户特征和邻接矩阵，其中，邻接矩阵中包括的元素用于表示用户数据集对应的各用户在异质信息网络中对应的节点之间是否存在关联关系，关联关系包括直接关系和间接关系，用户数据集包括待识别用户的用户特征，异质信息网络包括多种类型的节点；然后将待识别用户的用户特征和邻接矩阵输入用户图卷积网络GCN，得到卷积后的用户特征；再将卷积后的用户特征与标签矩阵相乘，得到待识别用户的类别，其中，标签矩阵用于针对用户数据集对应的每个用户，确定该用户属于各个类别的概率。
-
公开(公告)号：CN116484363A
公开(公告)日：2023-07-25
申请号：CN202211391970.X
申请日：2022-11-08
Applicant: 北京邮电大学
IPC: G06F21/55 , G06F18/241 , G06N3/042
Abstract: 本发明公开了一种基于双域图卷积神经网络的内部威胁异常检测方法，包括如下步骤：S1、基于用户之间的交互信息构建始邻接矩阵，根据原始特征矩阵和结构信息，通过加权特征相似度函数构建特征域的邻接矩阵和特征矩阵；S2、分别通过拓扑域卷积和特征域卷操作，在拓扑域和特征域上传播节点特征，以学习相应的图嵌入；S3、根据从拓扑域和特征域中提取的图嵌入，对用户行为和操作进行矢量化，利用注意力机制来学习这两个图嵌入中每个节点的重要性权重，并自适应地传播，生成最终的节点嵌入。本发明在传统的图卷积神经网络的基础上，提出双域图卷积神经网络模型，同时考虑到了节点的结构信息和特征信息，提高内部威胁检测的准确率，降低误报率。
-
-
-
-
-
-
-
-
-
Search Results
56
records
(took 0.026 seconds)
