基于滑动窗口群的网络异常流量检测方法及装置

    公开(公告)号:CN112751869B

    公开(公告)日:2023-07-14

    申请号:CN202011624472.6

    申请日:2020-12-31

    Abstract: 本发明涉及一种基于滑动窗口群的网络异常流量检测方法及装置,采集检测时间段TZ内的网络流量数据,将所述网络流量数据按照时序切割成多个数据单元,所述每个数据单元与1个基本时间窗口相对应,各个基本时间窗口的时间长度T0相同;将基本时间窗口划分成多个类型,数据单元相应划分为多个类型;计算每个所述数据单元的网络流量特征值;设置多个滑动时间窗口;针对检测时间段TZ内的网络流量数据,将所述多个滑动时间窗口同步按时序进行滑动;计算各滑动窗口内网络流量特征值,进行网络异常流量检测。本发明能够有效检测时空分布碎片化的异常网络流量。

    一种基于增量自编码器的网络异常检测方法

    公开(公告)号:CN115242556A

    公开(公告)日:2022-10-25

    申请号:CN202211154263.9

    申请日:2022-09-22

    Abstract: 本发明涉及网络与信息安全技术领域,提供了一种基于增量自编码器的网络异常检测方法。该方法包括:采集网络流量数据,得到无标签样本集;输出神经元集合N和连接关系集合C;基于初始化增量自编码器,并采用增量学习方法,基于神经元集合N和连接关系集合C训练增量自编码器,得到异常检测模型;基于将接收到的样本数据输入异常检测模型,计算重构误差得分,并将重构误差得分与异常阈值相比较,根据判定结果获得正常样本,并将该正常样本输入至改进的SOINN网络进行增量学习。本发明解决了遗忘灾难问题,节约了计算和存储开销,使得模型不断学习新的样本特征,实现适应新的网络环境的目的。

    基于改进D3QN算法的SDN下自适应威胁缓解方法及系统

    公开(公告)号:CN115118532A

    公开(公告)日:2022-09-27

    申请号:CN202211050159.5

    申请日:2022-08-31

    Abstract: 本发明涉及网络安全技术领域,具体公开了基于改进D3QN算法的SDN下自适应威胁缓解方法及系统,包括架设SDN下自适应威胁缓解架构,SDN下自适应威胁缓解架构包括深度强化学习代理、SDN基础设施和主机配置;深度强化学习代理为基于改进D3QN算法搭建的深度神经网络,SDN基础设施用于获取网络观测状态,主机配置用于反馈服务质量和攻击进度;训练基于改进D3QN算法搭建的深度神经网络,以获得自适应威胁缓解代理;基于自适应威胁缓解代理输出最优自适应网络威胁缓解策略,基于最优自适应网络威胁缓解策略来改变网络安全部署;该方法对D3QN算法进行改进,使改进后的D3QN算法对于长序列、不完全信息的观测环境效果更好,产生更好网络威胁缓解策略。

    基于自定义语义块识别恶意代码恶意意图并构建攻击链的方法与系统

    公开(公告)号:CN117009964A

    公开(公告)日:2023-11-07

    申请号:CN202310658149.8

    申请日:2023-06-05

    Abstract: 本发明提出了一种基于自定义语义块识别恶意代码恶意意图并构建攻击链的方法与系统。本发明在系统分析攻击过程所包含各攻击阶段特点的基础上,自定义恶意代码恶意行为语义块来表征攻击过程中不同攻击阶段的主要行为,从恶意代码的API序列中提取行为语义块来分析恶意代码的真实恶意意图,并进一步地将恶意代码的恶意行为映射到网络攻击的不同攻击阶段,由此构建攻击行为背后的攻击链,复现攻击者的整个攻击过程,为总体研究攻击者和制定防护策略提供支撑。

Patent Agency Ranking