一种多步攻击模式挖掘方法

    公开(公告)号:CN113132414B

    公开(公告)日:2022-10-14

    申请号:CN202110500708.3

    申请日:2021-05-08

    摘要: 本发明公开一种多步攻击模式挖掘方法,实现基于少量先验知识的初始攻击模型启发式的生成新的攻击模型,并能够根据图匹配计算预测概率。包括:敏感信息与告警日志融合算法:针对告警日志的误报和漏报性质,将从流量数据中筛选出的敏感信息和告警日志通过IP相似度聚簇、攻击簇内合并和过滤、攻击簇间筛选三种算法进行融合。多步攻击模型:多步攻击模型定义如下其中N表示某类攻击的实际攻击过程步数,ABC代表多步攻击中每一个单步攻击的属性特征值。启发式多步攻击模型生成和攻击预测算法:通过图的概率匹配达到针对多步攻击的预测,步骤包括匹配对应点、计算概率值、生成多步攻击图模型、衡量转换。本发明通过启发式生成新攻击模型为攻击预测提供了新的思路。

    一种多步攻击模式挖掘方法

    公开(公告)号:CN113132414A

    公开(公告)日:2021-07-16

    申请号:CN202110500708.3

    申请日:2021-05-08

    IPC分类号: H04L29/06 H04L12/24

    摘要: 本发明公开一种多步攻击模式挖掘方法,实现基于少量先验知识的初始攻击模型启发式的生成新的攻击模型,并能够根据图匹配计算预测概率。包括:敏感信息与告警日志融合算法:针对告警日志的误报和漏报性质,将从流量数据中筛选出的敏感信息和告警日志通过IP相似度聚簇、攻击簇内合并和过滤、攻击簇间筛选三种算法进行融合。多步攻击模型:多步攻击模型定义如下其中N表示某类攻击的实际攻击过程步数,ABC代表多步攻击中每一个单步攻击的属性特征值。启发式多步攻击模型生成和攻击预测算法:通过图的概率匹配达到针对多步攻击的预测,步骤包括匹配对应点、计算概率值、生成多步攻击图模型、衡量转换。本发明通过启发式生成新攻击模型为攻击预测提供了新的思路。

    一种基于图像分块认证的可逆水印方法

    公开(公告)号:CN111861844A

    公开(公告)日:2020-10-30

    申请号:CN202010568588.6

    申请日:2020-06-19

    IPC分类号: G06T1/00

    摘要: 本发明公开一种基于图像分块认证的可逆水印方法,能够实现可逆水印与脆弱水印以双模的方式嵌入到图像载体,实现定位图像信息篡改并且对篡改区域的主要信息进行恢复,同时秘密信息得到正确提取的功能。包括:载体嵌入水印,负责将秘密信息和用于篡改定位和篡改还原的脆弱水印嵌入到载体图像;秘密图像提取信息可逆恢复,负责从还原的载密图像提取秘密信息,并且还原原始载体图像的内容。本发明通过构造基于图像分块认证的可逆水印方法,为图像可逆信息隐藏提供了新的设计思路。

    一种基于时空特征与双层注意力的加密恶意流量检测方法

    公开(公告)号:CN114239737A

    公开(公告)日:2022-03-25

    申请号:CN202111573050.5

    申请日:2021-12-21

    IPC分类号: G06K9/62 G06N3/04 G06N3/08

    摘要: 本发明公开一种基于时空特征与双层注意力的加密恶意流量检测方法,收集网卡节点处的原始流量,通过双层注意力机制结合时空特征对,采用端对端方法,直接输入原始加密流量,提取加密恶意特征,从而检测加密恶意流量,该过程包括:加密流量的提取与预处理、数据包内恶意特征提取层、数据流内恶意特征提取层。通过卷积神经网络提取数据包内空间特征,再基于数据包字段的注意力机制层提取包内重要恶意特征,通过循环神经网络提取数据流间的时间特征,再通过基于流中数据包的注意力机制层提取数据流中的重要恶意特征进行加密恶意流量检测模型的构建。本发明通过基于时空特征与双层注意力的加密恶意流量检测方法,结合时间空间特征,并且通过在数据包层面和数据流层面设置双层注意力机制,在多个层次上提取数据包和数据流中的恶意特征,能够有效检测加密恶意流量,提高了检测准确率。