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：CN108833462A

公开(公告)日：2018-11-16

申请号：CN201810330873.7

申请日：2018-04-13

Applicant: 中国科学院信息工程研究所

Inventor： 汤学海 ,  刘财宏 ,  董扬琛 ,  韩冀中

IPC: H04L29/08 ,  H04L29/12

Abstract: 本发明提供一种面向微服务的自注册服务发现的方法，包括以下步骤：通过前述系统使集群中的全部节点同步感知新发布的微服务；集群中的各节点的服务代理程序通过建立IPTABLES转发规则对微服务进行负载均衡调节。使得新服务发布后，集群中所有的节点都能够感知。为服务设定了统一的访问入口，在此基础之上，将负载均衡任务均摊到了集群各个节点，在保证服务后端实例负载均衡的基础之上又有效避免了负载均衡器成为性能瓶颈。同时提供实施上述方法的系统。

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：CN108712464A

公开(公告)日：2018-10-26

申请号：CN201810330549.5

申请日：2018-04-13

Applicant: 中国科学院信息工程研究所

Inventor： 汤学海 ,  刘财宏 ,  董扬琛 ,  韩冀中

IPC: H04L29/08

CPC classification number: H04L67/10 ,  H04L67/1004 ,  H04L67/1012 ,  H04L67/28 ,  H04L67/32

Abstract: 本发明提供一种面向集群微服务高可用的实现方法。包括以下步骤：通过部署服务架构使集群中的全部节点同步感知新发布的微服务；集群中的各节点的服务代理程序通过建立IPTABLES转发规则对微服务进行负载均衡调节；在集群中各节点运行服务负载监控程序，定时采集并整合各节点所有微服务的负载情况，据此进行动态的增加或删减微服务的后端实例的操作。可使新服务发布后，集群中所有的节点都能够感知，并在此基础上实施自适应负载均衡策略，进而在进行扩容缩容的时根据自适应负载均衡策略动态地调整本地IPTABLES转发规则，以保证扩容缩容之后的负载均衡。即从不同的阶段和角度为实现集群微服务的高可用性发挥作用。

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。