-
公开(公告)号：CN114528195A
公开(公告)日：2022-05-24
申请号：CN202210033661.9
申请日：2022-01-12
申请人： 北京交通大学 , 中国国家铁路集团有限公司 , 中国铁道科学研究院集团有限公司电子计算技术研究所
摘要： 本发明实施属于铁路信息系统安全技术领域，具体涉及铁路系统开源软件的分层分类定量风险评估方法。该方法主要包括：扫描信息系统中开源软件源代码库；获取有依赖开源软件的风险评估值out1；获取无依赖开源软件的风险评估值out2；根据协议权重λ和代码权重μ对out1和out2进行加权平均化处理；加权平均化处理为val＝λ*out1+μ*out2；获取开源软件的风险评估值val。该值越大，在当前系统中使用该软件需面临的风险就越大。本发明基于树结构，采取分层分类的方式对铁路系统中所使用的开源软件进行定量风险评估，得到了比传统方法更可靠全面的评估结果。
-
公开(公告)号：CN118941848A
公开(公告)日：2024-11-12
申请号：CN202410967635.2
申请日：2024-07-18
IPC分类号： G06V10/764 , G06N20/00 , G06F21/55
摘要： 本发明涉及鲁棒性检测技术领域，涉及一种基于联邦学习的鲁棒性检测方法、装置、设备及介质，所述方法包括获取第一全局模型，所述第一全局模型为服务器端训练的模型；将所述第一全局模型发送至本地端，并利用本地端的数据集对所述全局模型进行更新训练，得到至少一个本地模型；根据至少一个所述本地模型生成第一恶意模型；将所述第一恶意模型发送至服务器端进行聚合并根据聚合后的全局模型进行鲁棒性检测，本发明通过在本地生成第一恶意模型再将第一恶意模型上传至服务器端干扰全局模型更新，继而通过观察测试前后全局模型性能表现来判断联邦学习系统的鲁棒性，有效的提高了联邦学习系统的鲁棒性检测效率和速度。
-
公开(公告)号：CN116702191A
公开(公告)日：2023-09-05
申请号：CN202310615878.5
申请日：2023-05-29
申请人： 北京交通大学 , 中国铁道科学研究院集团有限公司电子计算技术研究所
摘要： 本发明提供了一种联邦学习本地模型参数聚合方法。该方法包括：对可信机构进行初始化处理，获得系统公共参数和主私钥；客户端和中心服务器向可信机构请求注册，可信机构组建所有客户端的通信群；客户端使用本地数据对中心服务器下发的全局模型进行训练，获得本地模型参数；客户端使用签名密钥和中心服务器的公钥签名并加密本地模型参数，将本地模型参数的密文和签名以匿名方式上传给中心服务器；中心服务器解密各客户端上传的本地模型参数，验证本地模型参数的签名；聚合经过验证的本地模型参数，根据聚合结果更新全局模型，向通信群中的所有客户端广播更新后的全局模型。本发明方法强化了联邦学习的隐私保护能力，维护联邦学习系统的鲁棒性。
-
公开(公告)号：CN116070698A
公开(公告)日：2023-05-05
申请号：CN202211684648.6
申请日：2022-12-27
申请人： 北京交通大学 , 中国铁道科学研究院集团有限公司电子计算技术研究所
IPC分类号： G06N3/098 , G06N3/0455
摘要： 本发明提供一种基于自编码器的单分类联邦学习方法及系统，属于联邦学习技术领域，在数据预处理阶段，利用预训练模型进行原始数据的特征提取和分析；在训练阶段，客户端按照数据标签分别使用自编码器完成单分类模型的训练，服务器根据标签对单分类模型进行分类聚合，并将聚合后的模型按标签重新下发给客户端；在预测阶段，基于集成学习整合多个单分类专家模型和预训练模型的输出，以确定预测结果。本发明提取出不同标签数据的关键特征，对客户端本地的数据类别没有要求，并且可以抑制客户端模型间的离散程度，提高全局模型的性能，能够在保护客户端隐私的情况下有效应对各种Non‑IID情况。此外训练过程中的异步聚合更新还可以提高训练过程中的通信效率。
-
公开(公告)号：CN117312914A
公开(公告)日：2023-12-29
申请号：CN202311229285.1
申请日：2023-09-21
发明人： 姚洪磊 , 王瑞民 , 朱广劼 , 魏长水 , 王健 , 刘旭 , 商婧 , 李琪 , 司群 , 杨轶杰 , 傅一馨 , 张骁 , 付晓丹 , 卫婧 , 周泽岩 , 王张超 , 祝咏升 , 王佳宁
IPC分类号： G06F18/24 , G06F18/23213
摘要： 本申请公开了一种自动铁路网络数据风险等级分类方法和装置，其中方法包括：基于铁路网络数据中各个数据样本的数据重要等级、数据生命周期所处阶段、风险类型和风险影响程度，确定各个数据样本的有序属性和无序属性；基于各个数据样本的有序属性和无序属性，对各个数据样本进行K均值聚类，得到多个初始类簇；基于各个初始类簇的簇中心，以及各个初始类簇中各个数据样本对应的高斯分布，对各个数据样本进行高斯混合聚类，得到铁路网络数据对应的多个类簇；基于各个类簇中各个数据样本的数据重要等级和风险影响程度，确定各个类簇的数据风险等级。本申请提供的方法和装置，提高了对铁路网络数据进行风险等级分类的有效性和准确性。
-
公开(公告)号：CN116056043B
公开(公告)日：2024-02-23
申请号：CN202211644583.2
申请日：2022-12-20
摘要： 本发明提供一种融合多移动网络的安全可信接入平台和接入系统。该平台包括：SDN地面控制单元用于接收终端设备发送的认证请求信息，并将认证请求信息和获取的地面设备监控信息发送至策略管理单元和认证类型选择单元；SDN空间控制单元用于在接收到终端设备发送的认证请求信息后，将获取的空间设备监控信息发送至策略管理单元；认证类型选择单元在接收到认证请求信息后，根据接收到的认证请求信息判断是单用户接入还是多用户并发接入并输出接入类型；策略管理单元用于制定接入策略；SDN地面控制单元和SDN空间控制单元还将接入策略和认证请求信息下发至地面设备单元和空间设备单元。该平台为多网络接入提供统一的接入方案，安全性好。
-
公开(公告)号：CN116056043A
公开(公告)日：2023-05-02
申请号：CN202211644583.2
申请日：2022-12-20
摘要： 本发明提供一种融合多移动网络的安全可信接入平台和接入系统。该平台包括：SDN地面控制单元用于接收终端设备发送的认证请求信息，并将认证请求信息和获取的地面设备监控信息发送至策略管理单元和认证类型选择单元；SDN空间控制单元用于在接收到终端设备发送的认证请求信息后，将获取的空间设备监控信息发送至策略管理单元；认证类型选择单元在接收到认证请求信息后，根据接收到的认证请求信息判断是单用户接入还是多用户并发接入并输出接入类型；策略管理单元用于制定接入策略；SDN地面控制单元和SDN空间控制单元还将接入策略和认证请求信息下发至地面设备单元和空间设备单元。该平台为多网络接入提供统一的接入方案，安全性好。
-
公开(公告)号：CN118568309A
公开(公告)日：2024-08-30
申请号：CN202411038164.3
申请日：2024-07-31
申请人： 中南大学 , 中国铁道科学研究院集团有限公司 , 中国铁道科学研究院集团有限公司电子计算技术研究所 , 中国国家铁路集团有限公司
IPC分类号： G06F16/901 , G06F40/186 , G06F16/904 , G06F18/10 , G06F18/22 , G06F18/23 , G06F18/25
摘要： 本发明公开了一种基于日志审计的企业内部数据流通全流程追溯方法，包括：获取内部日志数据；对日志消息的时间戳、等级和组件信息进行提取并删除，完成预处理；基于树状框架构建不定长日志解析树，对日志数据进行解析，实现日志模板和日志参数的初步识别；设置组内相似度阈值，若初步识别的日志模板对应的组内相似度低于阈值，则将对应的日志组采用层次聚类重新解析；设置组间相似度阈值，若两个日志组之间的相似度高于阈值，则将两个日志组进行融合；提取关于数据流向的日志消息和日志消息对应的时间戳，根据数据传输流向形成有向溯源图。在保证正确率的基础上，实现了全自动非定长日志解析；通过生成有向溯源图确保了数据的流通过程清晰可见。
-
公开(公告)号：CN118568309B
公开(公告)日：2024-11-12
申请号：CN202411038164.3
申请日：2024-07-31
申请人： 中南大学 , 中国铁道科学研究院集团有限公司 , 中国铁道科学研究院集团有限公司电子计算技术研究所 , 中国国家铁路集团有限公司
IPC分类号： G06F16/901 , G06F40/186 , G06F16/904 , G06F18/10 , G06F18/22 , G06F18/23 , G06F18/25
摘要： 本发明公开了一种基于日志审计的企业内部数据流通全流程追溯方法，包括：获取内部日志数据；对日志消息的时间戳、等级和组件信息进行提取并删除，完成预处理；基于树状框架构建不定长日志解析树，对日志数据进行解析，实现日志模板和日志参数的初步识别；设置组内相似度阈值，若初步识别的日志模板对应的组内相似度低于阈值，则将对应的日志组采用层次聚类重新解析；设置组间相似度阈值，若两个日志组之间的相似度高于阈值，则将两个日志组进行融合；提取关于数据流向的日志消息和日志消息对应的时间戳，根据数据传输流向形成有向溯源图。在保证正确率的基础上，实现了全自动非定长日志解析；通过生成有向溯源图确保了数据的流通过程清晰可见。
-
公开(公告)号：CN116527393B
公开(公告)日：2024-01-16
申请号：CN202310662319.X
申请日：2023-06-06
申请人： 北京交通大学
IPC分类号： H04L9/40 , G06N20/00 , G06F18/214
摘要： 本发明提供了一种面向联邦学习投毒攻击的防御方法、装置、设备及介质，包括：从多个客户端中获取本地数据对应的第一特征嵌入信息，本地数据预存在客户端中，各个客户端中的本地数据为总训练样本的不相交的样本子集；对第一特征嵌入信息与预存的本地数据对应的数据标签进行互信息计算；根据计算得到的互信息对第一特征嵌入信息进行异常特征嵌入剔除，并将剔除后的第一特征嵌入信息作为正常特征嵌入信息；基于正常特征嵌入信息对预存的顶部模型进行训练，以优化顶部模型参数。本发明能够在不借助辅助数据以及不接触客户端底部模型的条件下实现对恶意样本的规避且不影响模型的可用性，适用于纵向联邦学习场景中。
-
-
-
-
-
-
-
-
-
搜索结果
25 条记录 (耗时 0.065 秒)
