一种基于学习模型可触发性的代码语义冗余度量验证方法

    公开(公告)号:CN116301875A

    公开(公告)日:2023-06-23

    申请号:CN202211088884.1

    申请日:2022-09-07

    摘要: 本发明涉及一种基于学习模型可触发性的代码语义冗余度量验证方法,包括以下步骤:合成混合代码数据集,包含恶意代码和非恶意代码,将该混合代码数据集分为训练集和测试集;在训练集中插入触发器并作为第一训练集,对第一训练集进行代码语义表征,利用对抗扰动投毒,获取中毒的代码语义表征结果,并将中毒的代码语义表征结果处理为特征向量,将该特征向量输入良性神经网络模型进行训练,获取后门神经网络模型;在测试集中插入触发器,获取第一测试集,对第一测试集进行处理后,输入到后门神经网络模型中,根据后门神经网络模型的输出结果验证输入样本中是否包含语义冗余空间。与现有技术相比,该发明能够准确验证并度量代码数据的语义冗余空间。

    基于SDN和NFV的5G网络多级攻击缓解方法

    公开(公告)号:CN105516177B

    公开(公告)日:2019-02-22

    申请号:CN201511002737.8

    申请日:2015-12-28

    IPC分类号: H04L29/06

    摘要: 本发明提供了一种基于SDN和NFV的5G网络多级攻击缓解方法,包括如下步骤:步骤1:扩展SDN‑MN架构;步骤2:根据扩展的SDN‑MN架构,得到应用SDN‑MN和基于NFV检测的证据驱动安全评估机制;步骤3:通过所述证据驱动安全评估机制和产生的新概率的证据驱动攻击图来测量静态网络的安全级别;步骤4:通过证据驱动安全评估机制中的安全评估算法计算出攻击图中状态节点概率、动作节点概率和后验概率;步骤5:利用SDN控制和NFV部署攻击缓解机制,并通过证据驱动攻击图得到的安全级别部署相应的攻击缓解计划。本发明可以直接运用到5G网络中,能够及时根据当前网络环境来进行策略判定,并解决攻击缓解策略的部署问题。

    一种资源高效的安全数据分享方法及系统

    公开(公告)号:CN108540280A

    公开(公告)日:2018-09-14

    申请号:CN201810136222.4

    申请日:2018-02-09

    IPC分类号: H04L9/06 H04L9/08 H04L9/32

    摘要: 本发明提供了一种资源高效的安全数据分享方法及系统,包括:发布者端对原始数据进行预处理得到元数据M,元数据M通过雾节点对称加密方案加密,对称密钥由设定的访问结构保护,只有当订阅者端的属性集合S满足目标密文对应的访问结构时,通过解密服务端解密得到正确的对称密钥,进而恢复出元数据M;所述对称密钥以及所述属性由属性授权端管理;所述访问结构为由发布者端构建的访问树Γ,访问树Γ的非叶子节点是阈值门,叶子节点与所述属性的值关联,访问树Γ包括左子树Γu和右子树tc;所述左子树Γu由发布者端确定,对应于一条密文;所述右子树tc是用来描述时间戳的叶子节点。本发明能够在实现不同安全需求的同时,显著降低计算开销,实现高效的用户撤销。