公开(公告)号：CN113268733B

公开(公告)日：2022-05-03

申请号：CN202110436719.X

申请日：2021-04-22

Applicant: 中国科学院信息工程研究所

Inventor： 汤学海 ,  杜凤洋 ,  董扬琛 ,  肖文杰 ,  韩冀中 ,  虎嵩林

IPC: G06F21/56 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提出一种基于神经网络的容器挖矿异常检测方法及系统，属于容器入侵检测领域，通过构建挖矿容器的运行环境，采集挖矿容器的系统调用数据，对其中的系统调用序列进行分析，获得挖矿行为模式数据集，并与已公开的或自行采集的系统调用数据集进行整合形成一全量数据集，利用全量数据集训练基于神经网络的挖矿行为检测模型，利用训练好的模型进行挖矿容器的异常行为检测，能够解决现有容器挖矿数据缺失和异常检测精度低的不足的问题，实现云环境的安全防护。

公开(公告)号：CN113268733A

公开(公告)日：2021-08-17

申请号：CN202110436719.X

申请日：2021-04-22

Applicant: 中国科学院信息工程研究所

Inventor： 汤学海 ,  杜凤洋 ,  董扬琛 ,  肖文杰 ,  韩冀中 ,  虎嵩林

IPC: G06F21/56 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提出一种基于神经网络的容器挖矿异常检测方法及系统，属于容器入侵检测领域，通过构建挖矿容器的运行环境，采集挖矿容器的系统调用数据，对其中的系统调用序列进行分析，获得挖矿行为模式数据集，并与已公开的或自行采集的系统调用数据集进行整合形成一全量数据集，利用全量数据集训练基于神经网络的挖矿行为检测模型，利用训练好的模型进行挖矿容器的异常行为检测，能够解决现有容器挖矿数据缺失和异常检测精度低的不足的问题，实现云环境的安全防护。

公开(公告)号：CN116796830A

公开(公告)日：2023-09-22

申请号：CN202310514953.9

申请日：2023-05-09

Applicant: 中国科学院信息工程研究所

Inventor： 肖文杰 ,  程涛 ,  汤学海 ,  董扬琛 ,  冯远航 ,  张潇丹 ,  韩冀中 ,  虎嵩林

IPC: G06N3/098 ,  G06F3/06 ,  G06F21/62

Abstract: 本公开涉及一种基于区块链的拜占庭鲁棒联邦学习方法及系统，所述方法不仅基于反馈机制的委员会聚合算法，通过在每一轮的学习过程中选出一个委员会节点进行模型更新的贡献度计算，且依据每个节点的贡献度决定聚合策略从而降低恶意模型更新对全局模型的影响，还在聚合阶段完成后会增加一轮反馈验证，只有大部分节点验证认可了本次聚合的全局模型，训练才会正式进入下一轮。本发明解决了中央服务器的不可信问题，并可以用于抵御恶意客户端的中毒攻击。

公开(公告)号：CN117689386A

公开(公告)日：2024-03-12

申请号：CN202311521280.6

申请日：2023-11-15

Applicant: 中国科学院信息工程研究所

Inventor： 姚忠将 ,  汤学海 ,  肖文杰 ,  张潇丹 ,  韩冀中 ,  虎嵩林

IPC: G06Q20/40 ,  G06F18/241 ,  G06F18/213 ,  G06N3/045 ,  G06N3/0442 ,  G06N3/0475 ,  G06N3/094 ,  G06F123/02

Abstract: 本发明公开了一种基于数据增强的以太坊账户身份识别方法及系统。本方法为：1)根据以太坊网络中的账户交易信息以及以太坊网络中各节点的标签信息，构建全局账户交易图；2)获取每一节点的统计特征、时序交易特征和交易结构特征，并将每一节点及其邻居节点的信息进行聚合得到对应节点的多维融合特征；3)通过生成对抗网络根据各节点的多维融合特征学习得到少样本节点类别的完整特征潜在分布；根据样本的实际分布与完整特征潜在分布之间的差异优化生成对抗网络；然后利用优化后的生成器生成少样本节点类别的多维融合特征；4)利用增强后的样本集训练得到分类器；5)将待识别的以太坊账户的多维融合特征输入到分类器中，得到对应的身份类别。

公开(公告)号：CN116127484A

公开(公告)日：2023-05-16

申请号：CN202211664951.X

申请日：2022-12-23

Applicant: 中国科学院信息工程研究所

Inventor： 肖文杰

IPC: G06F21/60 ,  G06F21/62 ,  G06F21/64 ,  G06N5/04

Abstract: 本发明公开一种基于区块链与容器的推理模型云边可信协同方法与系统，属于云边协同领域。本发明通过将推理模型装载至容器镜像，利用区块链的不可篡改、强共识的去中心化可信机制，设计基于数字签名的容器镜像完整性验证方法，设计基于加密算法的容器镜像机密性保护方法，设计基于智能合约的细粒度密钥管控机制，提供完整性验证和端到端机密性保护的能力，实现推理模型的云边可信协同。

公开(公告)号：CN115906153A

公开(公告)日：2023-04-04

申请号：CN202211357345.3

申请日：2022-11-01

Applicant: 中国科学院信息工程研究所

Inventor： 肖文杰 ,  汤学海 ,  董扬琛 ,  赵序光 ,  冯远航 ,  张潇丹 ,  韩冀中 ,  虎嵩林

IPC: G06F21/62 ,  G06F18/241 ,  G06N20/00

Abstract: 本发明公开了一种面向样本不均衡场景下的联邦学习优化方法、装置及系统。所述方法包括：获取各参与者的本地训练样本集中的样本数量；生成业务初始模型；基于各参与者的本地训练样本集对所述业务初始模型进行联合学习训练，得到一全局模型；将所述全局模型分发各参与者，以使所述样本数量不小于一阈值的参与者将所述全局模型作为最终模型，以及所述样本数量小于所述阈值的参与者基于本地数据对所述全局模型进行迭代优化，并将训练后的模型作为最终模型。本发明更好的实现了参与者在样本不均衡场景下的数据安全共享和高效合作建模。