基于改进麻雀算法优化SVM参数的入侵检测方法

    公开(公告)号:CN114881192A

    公开(公告)日:2022-08-09

    申请号:CN202210306812.3

    申请日:2022-03-25

    摘要: 本发明提供了基于改进麻雀算法优化SVM参数的入侵检测方法,在麻雀算法基础上,提出基于Levy飞行、模拟退火、改进因子、正余弦算法的四种改进方法,进而提高麻雀算法的性能,使其跳出局部最优并稳定收敛。本发明麻雀搜索算法的发现者更新过程中加入正余弦算法和改进因子减小陷入局部极值的可能性,避免发现者与整个群体停滞不前的现象;在加入者更新过程中加入模拟退火算法和Levy飞行,提高全局和局部寻优能力,进而为SVM提供更好的参数,达到更好的分类效果,解决入侵检测系统精度不够问题。

    一种面向云存储的多机构加权准则加密方法

    公开(公告)号:CN111953482B

    公开(公告)日:2022-06-17

    申请号:CN202010743443.5

    申请日:2020-07-29

    IPC分类号: H04L9/08 H04L9/40 H04L67/1097

    摘要: 本发明属于网络与信息安全中的数据加密技术领域,具体涉及一种面向云存储的多机构加权准则加密方法。本发明采用多个属性机构共同管理全局准则域,并为用户生成解密密钥。解决了传统属性加密方案用户密钥仅由单一机构生成而带来的安全问题。同时,降低了密钥生成机构服务器的计算资源消耗。本发明在传统属性加密方案的基础上,在访问策略中引入准则的概念。该方法将每个准则表示为多项式形式,而多项式的根对应于一个属性。用户满足准则的条件为用户至少拥有多项式的一个根。与此同时,用户可以为每个准则赋予不同的权重,使得访问策略更加符合实际应用需求。

    一种基于准则的多授权机构访问控制方法

    公开(公告)号:CN111953483B

    公开(公告)日:2022-07-15

    申请号:CN202010743453.9

    申请日:2020-07-29

    IPC分类号: H04L9/08 H04L9/40 H04L67/1097

    摘要: 本发明属于网络与信息安全中的数据加密技术领域,具体涉及一种基于准则的多授权机构访问控制方法。本发明解决了单一权威机构负载过量及访问策略的灵活表达问题,采用基于准则的加密方法,将准则表示为多项式形式,每个准则所对应多项式的根表示用户满足该准则的情况集合,当用户拥有多项式的所有根时可以重构多项式从而进行解密,实现了比属性基加密更为细粒度的访问控制机制;同时支持对准则进行加权,提升了访问策略的灵活性;此外,多个授权机构间进行(t,n)‑门限秘密共享,使得系统中不存在单一授权机构模式下所谓的性能瓶颈,同时提高了方案的安全性。

    一种基于小样本学习的知识图谱实体链接预测方法

    公开(公告)号:CN114153985A

    公开(公告)日:2022-03-08

    申请号:CN202111424146.5

    申请日:2021-11-26

    摘要: 本发明属于元学习与知识表示学习技术领域,具体涉及一种基于小样本学习的知识图谱实体链接预测方法。本发明利用元学习的方式在一个任务中只利用少数三元组信息完成关系信息的提取以及快速更新;考虑数据集中的三元组会存在复杂的头尾实体数量对应关系,通过预先统计出完整三元组中的头尾实体数量,根据头尾实体所占比例确定负样本的生成方式;通过知识表示学习的传统评分函数将实体向量和关系向量以共处同一平面的方式进行数学计算。本发明通过将更新后的关系信息向量映射到超平面,并将实体向量进行超平面投影分解,使得模型能够有效缓解训练过程中过度收敛的情况。

    基于改进灰狼优化算法的入侵检测特征选择方法

    公开(公告)号:CN114897124B

    公开(公告)日:2024-10-18

    申请号:CN202210321742.9

    申请日:2022-03-25

    摘要: 本发明提供了一种基于改进灰狼优化算法的入侵检测特征选择方法,利用柯西变异和Levy飞行对狼群进行扰动,跳出局部最优,提高全局搜索的能力,进而得到最佳特征子集,提高入侵检测的准确率。本发明在灰狼种群初始化时,使用Logistic混沌映射,提高初始灰狼种群的质量,提高算法挖掘能力;在灰狼种群更新时进行扰动,一定程度上弥补了陷入局部最优的缺点,提升全局搜索能力;最终训练出特征数较少的最佳特征子集,带入测试集后,得到的检测准确率更高。

    基于改进麻雀算法优化SVM参数的入侵检测方法

    公开(公告)号:CN114881192B

    公开(公告)日:2024-10-18

    申请号:CN202210306812.3

    申请日:2022-03-25

    摘要: 本发明提供了基于改进麻雀算法优化SVM参数的入侵检测方法,在麻雀算法基础上,提出基于Levy飞行、模拟退火、改进因子、正余弦算法的四种改进方法,进而提高麻雀算法的性能,使其跳出局部最优并稳定收敛。本发明麻雀搜索算法的发现者更新过程中加入正余弦算法和改进因子减小陷入局部极值的可能性,避免发现者与整个群体停滞不前的现象;在加入者更新过程中加入模拟退火算法和Levy飞行,提高全局和局部寻优能力,进而为SVM提供更好的参数,达到更好的分类效果,解决入侵检测系统精度不够问题。

    一种基于GAN的联邦学习入侵检测的数据保护方法

    公开(公告)号:CN113468521A

    公开(公告)日:2021-10-01

    申请号:CN202110745417.0

    申请日:2021-07-01

    摘要: 本发明属于入侵检测技术领域,具体涉及一种基于GAN的联邦学习入侵检测的数据保护方法。本发明将宽松的差分隐私保护技术与对抗生成神经网络结合,降低联邦学习框架内各终端的通信损耗,提高学习效率,可以很好的解决联邦各终端算力较低的情况,提高机器的利用效率。本发明所使用的对抗生成神经网络产生的动态模糊数据,能够实现让攻击者无法判断攻击成功的情况同时扩充本地训练数据集,解决可能存在的小样本问题。本发明可以有效的降低联邦学习框架中的通讯损耗,能够有效的提高训练效率,同时解决少终端联邦学习存在的易受到推理攻击的问题、入侵检测终端的小样本数据及非独立同分布数据问题,可以实现抵御推理攻击的联邦学习入侵检测。