-
公开(公告)号：CN118898288A
公开(公告)日：2024-11-05
申请号：CN202411022258.1
申请日：2024-07-29
申请人： 中国人民解放军国防科技大学
摘要： 本发明提供了一种基于多视图信息瓶颈的知识图谱几何表示方法，包括以下步骤：准备知识图谱数据、欧几里得、双曲和超球空间；在三种空间中进行实体表示学习，利用多视图学习，获取不同空间中的实体的多样性信息；利用注意机制，在欧几里得空间中的实体表示上进行加权处理；将非欧几里得空间中的实体通过映射投影到欧几里得空间中，实现跨空间整合和表示一致性；构建信息瓶颈模型，对新的统一表示空间中的实体进行优化。本发明充分结合并利用三种空间中的几何原理及优势，有效处理知识图谱中不同空间的信息，提高实体表示的多样性和准确性，增强知识图谱的建模效果，为处理和整合复杂的知识图谱信息提供了一种有效地几何表示学习方法。
-
公开(公告)号：CN115776401B
公开(公告)日：2024-04-19
申请号：CN202211471171.3
申请日：2022-11-23
申请人： 中国人民解放军国防科技大学 , 鹏城实验室
IPC分类号： H04L9/40 , G06F18/22 , G06F18/214 , G06F18/241 , G06N3/045 , G06N5/02
摘要： 本发明提供了基于少样本学习对网络攻击事件进行溯源的方法、装置，通过应用少样本学习技术处理APT组织的小规模数据，从而实现对网络攻击事件的APT组织溯源，基于已有的APT组织的数据构建APT组织攻击事件的表示矩阵；基于神经网络构建相似度匹配模型并进行训练；基于少样本学习技术，将已有完整的APT组织的数据构建为支撑集；使用预训练好的相似度匹配模型,计算由小规模的APT组织数据作为支撑集的每个组织的每个攻击事件的表示矩阵与目标攻击事件的表示矩阵之间相似度；将每个APT组织的多个攻击事件与目标攻击事件的相似度的平均值，作为目标攻击事件归属为对应APT组织时的关联紧密度数值，根据关联紧密度数值的大小，确定目标攻击事件的源头APT组织。
-
公开(公告)号：CN115858899A
公开(公告)日：2023-03-28
申请号：CN202211605375.1
申请日：2022-12-14
申请人： 中国人民解放军国防科技大学
IPC分类号： G06F16/951 , G06F16/9535 , G06F16/9538 , G06F16/9536 , G06N3/049 , G06N3/08
摘要： 本发明提供一种基于多标签影响的网络事件标签流行度预测方法，采集事件相关的事件标签传播数据与相关用户数据；构造标签传播关系网络，获取节点关系和节点属性，建立包含：特征聚合组件，包括静态语义特征聚合和动态群体传播特征聚合过程；局部聚合组件，由图胶囊网络组成，学习标签局部聚集的特征表示；动态时序表示组件，学习标签传播演化的时序过程；三个组件模拟标签之间传播影响过程的传播流行度预测模型，训练模型；将需要预测的事件标签和标签相关的传播影响网络数据输入训练好的模型，输出关注的社交网络事件标签在未来可能产生的流行度指标。本发明可以预测关注的社交网络事件标签未来在社交媒体的流行程度。
-
公开(公告)号：CN115858806A
公开(公告)日：2023-03-28
申请号：CN202211471180.2
申请日：2022-11-23
申请人： 中国人民解放军国防科技大学 , 鹏城实验室
IPC分类号： G06F16/36 , G06F16/28 , G06F18/214 , G06F40/295 , G06F21/55
摘要： 本发明提供了基于双曲面嵌入表示技术的网络攻击事件溯源方法及装置，能够提升对于攻击事件的攻击组织溯源的准确性，包括步骤：从未知晓发起攻击者的网络攻击事件中抽取出与APT组织相关的知识图谱三元组；通过预训练的欧式空间内的嵌入向量矩阵将三元组中的实体和关系进行向量化表示；使用黎曼流形变换技术将实体和关系的嵌入向量转换成流行空间中的双曲面；更新已获得的三元组中实体和关系的双曲面；基于更新的三元组的双曲面构建答复空间的双曲面；计算已有三元组中APT组织实体的双曲面与答复空间的双曲面的距离；取距离最小的APT组织实体作为推理得到的APT组织，将推理得到的APT组织作为发起网络攻击事件的APT组织。
-
公开(公告)号：CN115827889A
公开(公告)日：2023-03-21
申请号：CN202211471177.0
申请日：2022-11-23
申请人： 中国人民解放军国防科技大学 , 鹏城实验室
摘要： 本发明提供了一种基于参数生成器推理网络攻击中APT组织信息的方法、装置，其实现了更准确的知识图谱的推理补全，有助于网络空间安全行业的APT组织信息的检测、追踪与溯源工作，包括对已有的满足APT组织知识图谱的三元组的文本数据进行向量化表示；提取APT组织的三元组的嵌入向量数据中的关系嵌入向量，训练用于生成推理缺失实体的上下文参数的参数生成器；构建APT组织知识图谱推理模型，从最新的攻击数据中提取出三元组数据，对于缺失实体的部分三元组数据，将关系数据向量化表示后输入到训练好的参数生成器中，输出上下文参数；将已知实体和上下文参数输入推理模型，输出三元组中的缺失实体，作为APT组织信息。
-
公开(公告)号：CN115776401A
公开(公告)日：2023-03-10
申请号：CN202211471171.3
申请日：2022-11-23
申请人： 中国人民解放军国防科技大学 , 鹏城实验室
IPC分类号： H04L9/40 , G06F18/22 , G06F18/214 , G06F18/241 , G06N3/045 , G06N5/02
摘要： 本发明提供了基于少样本学习对网络攻击事件进行溯源的方法、装置，通过应用少样本学习技术处理APT组织的小规模数据，从而实现对网络攻击事件的APT组织溯源，基于已有的APT组织的数据构建APT组织攻击事件的表示矩阵；基于神经网络构建相似度匹配模型并进行训练；基于少样本学习技术，将已有完整的APT组织的数据构建为支撑集；使用预训练好的相似度匹配模型,计算由小规模的APT组织数据作为支撑集的每个组织的每个攻击事件的表示矩阵与目标攻击事件的表示矩阵之间相似度；将每个APT组织的多个攻击事件与目标攻击事件的相似度的平均值，作为目标攻击事件归属为对应APT组织时的关联紧密度数值，根据关联紧密度数值的大小，确定目标攻击事件的源头APT组织。
-
-
-
-
-
搜索结果
6 条记录 (耗时 0.036 秒)
