基于系统审计日志的溯源图构建与剪枝方法、装置及介质

    公开(公告)号:CN116743556A

    公开(公告)日:2023-09-12

    申请号:CN202310669109.3

    申请日:2023-06-06

    申请人: 广州大学

    摘要: 本说明书实施例提供了一种基于系统审计日志的溯源图构建与剪枝方法、装置及介质,其中,该方法包括获取不同操作系统审计日志,根据各审计日志信息获取主体信息,事件信息及客体信息,分别构成三元信息组,其中,主体为进程,客体为程序、文件或套接字;根据各三元信息组信息及对应的事件类型,确定对应的处理方法,计算获取各事件的主客体的唯一标识;根据各主客体的唯一标识判断各实体是否存在节点集合中,如果不存在,在节点集合中创建实体节点,且在边集合中创建对应主客体实体之间的边;如果存在,进行剪枝操作获得溯源图。本发明对系统生成的统一格式溯源图进行剪枝处理,在保证因果语义完整性的前提下,大大减少溯源图所需的系统空间。

    一种3D点云攻击迭代中考虑不易察觉性的方法及装置

    公开(公告)号:CN116704161A

    公开(公告)日:2023-09-05

    申请号:CN202310680953.6

    申请日:2023-06-08

    申请人: 广州大学

    IPC分类号: G06T19/00 G06V10/74

    摘要: 本公开提供了一种3D点云攻击迭代中考虑不易察觉性的方法及装置,其中,方法包括:将3D点云中所有存在的点依次作为中心点,将除该中心点外其余所有点作为与该中心点相对的周围点;计算一个迭代周期内中心点与其周围点的欧式距离,根据欧式距离值与参数半径大小的比较结果得到中心点周围密度;计算一个迭代周期攻击后与攻击前的中心点周围密度的差值,将差值作为奇异度;根据奇异度的大小判断周围点向中心点的靠近程度;根据靠近程度选择中心点是否进入下一个迭代周期。本公开在原始点云迭代攻击过程中加入奇异度计算,能够在较少的计算消耗下考虑点云攻击的不易察觉性,同时不破坏原攻击算法的攻击能力。

    一种点云、体素和多视图融合的深度学习方法

    公开(公告)号:CN111951368B

    公开(公告)日:2023-08-08

    申请号:CN202010897101.9

    申请日:2020-08-31

    申请人: 广州大学

    摘要: 本发明提出一种点云、体素和多视图融合的深度学习方法,包括步骤一:设定输入为一帧的全部点云数据的集合;步骤二:提取在每个点上的单个点特征;步骤三:将点云进行归一化处理,然后进行体素化操作,生成体素网格,进而提取体素特征;步骤四:得到体素的多个2D视图放入ResNet网络中提取点云视图特征;步骤五:投影层将点云视图特征投影到原体素网格中;步骤六:将体素特征和投影到原体素网格的点云视图特征一起进行降体素操作,把体素特征和投影到原体素网格的点云视图特征返还给点云;步骤七:将点云的单个点特征、返还给点云的体素特征和点云视图特征进行融合。

    一种基于数字孪生的工控系统安全威胁响应处置方法

    公开(公告)号:CN116545656A

    公开(公告)日:2023-08-04

    申请号:CN202310395555.X

    申请日:2023-04-13

    IPC分类号: H04L9/40 H04L41/16

    摘要: 本发明公开了一种基于数字孪生的工控系统安全威胁响应处置方法,包括:当检测到工控系统受到网络攻击时,确定工控系统的当前状态以及网络攻击的攻击类型;从预设的策略库中查找与攻击类型对应的目标响应策略;若未查找到对应的目标响应策略,将预设的多个风险评估方法,由风险值从低到高在工控数字孪生系统进行网络信息安全检测与工控设备功能安全检测;将第一个通过网络信息安全检测与工控设备功能安全检测的风险评估方法作为应急响应策略,执行应急响应策略。本发明构建了覆盖网络空间和物理空间的孪生系统,实现了工控网络的数字孪生与工业现场的数字孪生,为工控响应处置提供了满足跨域检测和验证的高逼真场景,可广泛应用于网络安全领域。

    众包知识验证环境下众包工人可靠性模型建立方法及装置

    公开(公告)号:CN111444332B

    公开(公告)日:2023-04-18

    申请号:CN202010179259.2

    申请日:2020-03-13

    申请人: 广州大学

    IPC分类号: G06F16/335 G06F16/36

    摘要: 本发明公开了众包知识验证环境下众包工人可靠性模型建立方法及装置。所述方法包括:根据预存策略,对众包用户匹配知识领域集,并向众包用户分配知识领域集中的知识,使众包用户验证知识,得到知识标签;基于强化学习算法建立众包工人可靠性模型,并通过众包工人可靠性模型计算知识标签的奖励值,以根据奖励值更新预存策略;重复执行上述操作直至预存策略的更新次数达到预设次数,根据最新的预存策略对众包用户进行资格筛选;在知识验证完成后,将验证正确的知识加入对应的知识图谱。本发明能够基于强化学习,在众包验证环境下建立众包工人可靠性模型,实现对众包工人进行资格筛选,从而提高众包知识验证的效率。

    针对多轮次数据投毒攻击的Optimized TruthFinder方法

    公开(公告)号:CN115277039A

    公开(公告)日:2022-11-01

    申请号:CN202210271452.8

    申请日:2022-03-18

    申请人: 广州大学

    IPC分类号: H04L9/40

    摘要: 本发明涉及数据投毒技术领域,且公开了针对多轮次数据投毒攻击的Optimized TruthFinder方法,平台发布任务为24小时每个整点由N个工人对某个物体的M个属性进行观察,N个工人接受任务后,平台对N个工人的权重进行初始化,初始化方式为平均权重,每个工人的权重为当工人观测结束后,将观测数据提交到平台中去。该针对多轮次数据投毒攻击的Optimized TruthFinder方法,可以防御隐藏‑攻击策略的数据投毒攻击,缓解传统TruthFinder对于工人权重设置震荡过大的问题,本发明充分考虑了多轮次的数据投毒攻击场景,考虑了恶意工人可能会采取隐藏行为来获得高权重的情况,对传统TruthFinder的权重更新做了进一步限制,使得恶意工人很难在短时间获取高的权重。

    一种基于Apriori算法挖掘二维数据间关联规则的方法

    公开(公告)号:CN111309787B

    公开(公告)日:2021-10-19

    申请号:CN202010136449.6

    申请日:2020-03-02

    申请人: 广州大学

    IPC分类号: G06F16/2458 G06N5/02

    摘要: 本发明公开了一种基于Apriori算法挖掘二维数据间关联规则的方法,通过获取关系型数据库中的二维连续型数据表,对二维连续型数据表进行离散化处理,得到二维离散化数据表,然后通过Apriori算法挖掘出二维离散化数据表中各数据之间的频繁项集,并生成频繁项集的关联规则,同时计算每一条规则的置信度,最后根据亲密度计算公式、每一条规则的置信度以及频繁项集的关联规则,计算得到二层级数据的关联规则,可以挖掘二维数据表属性之间的关联规则,从而确定属性间的亲密关系。