基于时空特征的网络攻击检测与溯源方法

    公开(公告)号:CN117792742A

    公开(公告)日:2024-03-29

    申请号:CN202311823161.6

    申请日:2023-12-27

    IPC分类号: H04L9/40

    摘要: 基于时空特征的网络攻击检测与溯源方法,它属于网络信息安全技术领域。本发明解决了现有方法存在攻击检测困难、易出现误报漏报、对时间跨度长和实时攻击的溯源效果不佳的问题。本发明方法为:步骤1、对采集的全量日志数据进行预处理,再根据预处理结果得到每条日志数据对应的请求时间戳,根据时间戳得到时间间隔;步骤2、对时间间隔进行平滑处理,得到平滑处理后的时间间隔序列;步骤3、将平滑处理后的时间间隔序列转化为字符串;根据字符串构建后缀树,根据后缀树检测网络攻击;步骤4、获取网络威胁情报数据和网络攻击事件线索数据,对获得的数据清洗、标准化处理,根据标准化数据进行网络攻击溯源。本发明可以应用于网络攻击检测与溯源。

    基于行为特征分析的网络攻击检测及溯源方法

    公开(公告)号:CN117792741A

    公开(公告)日:2024-03-29

    申请号:CN202311823160.1

    申请日:2023-12-27

    摘要: 基于行为特征分析的网络攻击检测及溯源方法,它属于网络安全与攻击的检测与溯源技术领域。本发明解决了现有网络攻击检测及溯源方法的鲁棒性和可泛化能力差的问题。本发明方法为:步骤一、基于关键词和正则规则的静态攻击检测;步骤二、特征提取模型训练集构建;步骤三、网络流量数据的特征提取;步骤四、基于特征提取结果的动态攻击检测;步骤五、对检测到的攻击的关联分析,确定攻击链路;步骤六、基于层次化分析法的攻击溯源。本发明方法可以应用于对网络攻击进行检测与溯源。

    一种基于深度强化学习的系统容错策略方法

    公开(公告)号:CN114153640B

    公开(公告)日:2024-05-31

    申请号:CN202111421597.3

    申请日:2021-11-26

    摘要: 本发明属于分布式流处理系统容错技术领域,具体涉及一种基于深度强化学习的系统容错策略方法。本发明将深度强化学习技术应用于分布式流处理系统的容错问题中,能够将容错问题中数据备份的分配问题表述为资源分配问题,构建以任务和任务之间的联系为顶点和边的神经网络模型,并经过多层次的训练,有效的使当前系统容错问题处理效果更优秀,同时能够为分布式流处理系统容错问题提供一种基于深度强化学习的可行的方法。本发明所提供的技术方案可恰当分配备份资源,对系统容错开销进行评价,从而降低当前主要以上游备份为主要方案进行处理的复杂度,提高系统容错的效率,降低现有方法的容错开销。

    一种基于混合变异策略的网络协议漏洞挖掘方法

    公开(公告)号:CN115238822A

    公开(公告)日:2022-10-25

    申请号:CN202210998579.X

    申请日:2022-08-19

    摘要: 一种基于混合变异策略的网络协议漏洞挖掘方法,它属于网络协议的漏洞挖掘技术领域。本发明解决了现有网络协议漏洞挖掘方法对未知网络协议漏洞挖掘能力差,且现有网络协议漏洞挖掘方法仅仅针对于单个网络协议,无法适用于不同网络协议的漏洞挖掘问题。本发明基于改进的生成对抗网络模型和线下漏洞知识库指导生成样本数据变异以提高漏洞触发率,进而生成更有效、针对性更强的测试用例,减少对漏洞挖掘无效测试用例的生成,可以智能高效地挖掘出未知网络协议的漏洞。本发明方法适用于大部分不同网络协议,大大减少人工分析数据帧的时间,可以迁移应用在不同网络协议上。本发明方法可以应用于网络协议的漏洞挖掘。

    一种智能合约二进制函数的相似性分析方法

    公开(公告)号:CN113312058A

    公开(公告)日:2021-08-27

    申请号:CN202110690580.1

    申请日:2021-06-22

    IPC分类号: G06F8/53 G06N3/04 G06N3/08

    摘要: 本发明属于区块链智能合约安全检测技术领域,具体涉及一种智能合约二进制函数的相似性分析方法。本发明包括反编译的字节码,生成EVM指令及相应的参数;根据反编译后的EVM指令重建控制流图CFG;将一个合约的CFG划分为若干二进制函数,并且为CFG中的边确定时序关系;提取特征值和图结构;设计了一种基于时序聚合图结构的模型,比较聚合后的图结构可以得出两个二进制函数的相似性。本发明直接对合约的字节码进行研究,不仅能处理大部分缺少源代码的合约,也能使用一些源码层面没有的隐藏信息。

    一种基于深度强化学习的系统容错策略方法

    公开(公告)号:CN114153640A

    公开(公告)日:2022-03-08

    申请号:CN202111421597.3

    申请日:2021-11-26

    摘要: 本发明属于分布式流处理系统容错技术领域,具体涉及一种基于深度强化学习的系统容错策略方法。本发明将深度强化学习技术应用于分布式流处理系统的容错问题中,能够将容错问题中数据备份的分配问题表述为资源分配问题,构建以任务和任务之间的联系为顶点和边的神经网络模型,并经过多层次的训练,有效的使当前系统容错问题处理效果更优秀,同时能够为分布式流处理系统容错问题提供一种基于深度强化学习的可行的方法。本发明所提供的技术方案可恰当分配备份资源,对系统容错开销进行评价,从而降低当前主要以上游备份为主要方案进行处理的复杂度,提高系统容错的效率,降低现有方法的容错开销。