-
公开(公告)号：CN116055108A
公开(公告)日：2023-05-02
申请号：CN202211603865.8
申请日：2022-12-13
Applicant: 四川大学
Abstract: 本发明涉及信息安全技术领域，公开了一种未知网络威胁的风险控制方法、装置、设备及存储介质，所述方法包括：在检测到网络威胁的设备类型为目标设备类型时，确定所述网络威胁为未知网络威胁；根据所述未知网络威胁计算目标基因片段相似的已知网络威胁；根据所述目标基因片段相似的已知网络威胁确定目标威胁特异性免疫策略；根据所述目标未知威胁特异性免疫策略对所述未知网络威胁进行风险控制；通过上述方式，在检测到未知网络威胁时，根据目标基因片段相似的已知网络威胁确定目标威胁特异性免疫策略，然后利用目标未知威胁特异性免疫策略对未知网络威胁进行风险控制，从而能够有效提高防御未知网络攻击的准确性，以及降低未知网络威胁的危害。
-
Patent Agency Ranking
公开(公告)号：CN113568786B
公开(公告)日：2021-12-31
申请号：CN202111110656.5
申请日：2021-09-23
Applicant: 四川大学
Abstract: 本发明公开了一种数据恢复方法、装置、设备及存储介质，该方法包括：发送第三请求至云存储平台，获取原始数据对应的冗余块；其中，所述云存储平台存储有编码块，所述编码块包括数据块和所述冗余块，所述编码块由所述原始数据编码生成，第一云存储数据由所述数据块解码生成；发送第二请求至服务器，获取所述原始数据的原始数据长度；其中，所述服务器包含区块链网络，所述区块链网络中存储有所述原始数据长度；基于所述原始数据长度，对所述数据块和冗余块进行解码，以获取第二云存储数据。通过获取冗余块和区块链网络中的原始数据长度，对数据块和冗余块进行解码，获得第二云存储数据，提高了数据恢复能力。
-
公开(公告)号：CN116055108B
公开(公告)日：2024-02-20
申请号：CN202211603865.8
申请日：2022-12-13
Applicant: 四川大学
Abstract: 本发明涉及信息安全技术领域，公开了一种未知网络威胁的风险控制方法、装置、设备及存储介质，所述方法包括：在检测到网络威胁的设备类型为目标设备类型时，确定所述网络威胁为未知网络威胁；根据所述未知网络威胁计算目标基因片段相似的已知网络威胁；根据所述目标基因片段相似的已知网络威胁确定目标威胁特异性免疫策略；根据所述目标未知威胁特异性免疫策略对所述未知网络威胁进行风险控制；通过上述方式，在检测到未知网络威胁时，根据目标基因片段相似的已知网络威胁确定目标威胁特异性免疫策略，然后利用目标未知威胁特异性免疫策略对未知网络威胁进行风险控制，从而能够有效提高防御未知网络攻击的准确性，以及降低未知网络威胁的危害。
-
公开(公告)号：CN113568786A
公开(公告)日：2021-10-29
申请号：CN202111110656.5
申请日：2021-09-23
Applicant: 四川大学
Abstract: 本发明公开了一种数据恢复方法、装置、设备及存储介质，该方法包括：发送第三请求至云存储平台，获取原始数据对应的冗余块；其中，所述云存储平台存储有编码块，所述编码块包括数据块和所述冗余块，所述编码块由所述原始数据编码生成，第一云存储数据由所述数据块解码生成；发送第二请求至服务器，获取所述原始数据的原始数据长度；其中，所述服务器包含区块链网络，所述区块链网络中存储有所述原始数据长度；基于所述原始数据长度，对所述数据块和冗余块进行解码，以获取第二云存储数据。通过获取冗余块和区块链网络中的原始数据长度，对数据块和冗余块进行解码，获得第二云存储数据，提高了数据恢复能力。
-
公开(公告)号：CN116366303B
公开(公告)日：2025-03-07
申请号：CN202310207251.6
申请日：2023-03-06
Applicant: 四川大学
IPC: H04L9/40 , G06F40/194 , G06N3/0464 , G06N3/049 , G06N3/045 , G06N3/0499 , G06N3/047 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于深度学习的网络异常检测方法、装置、设备及介质，该方法包括：响应接收到的初始日志数据，根据预设常量事件模板，对初始日志数据进行特征提取，以生成模板符序列，根据预设滑动窗口通过设定滑动规则，对模板符序列进行分割，以生成目标日志序列和标签模板符，根据预设异常检测模型对目标日志序列进行检测，以生成目标日志序列对应的目标模板符，在目标模板符与标签模板符不匹配的情况下，确定初始日志数据对应的网络行为异常。从而通过对日志数据进行解析和特征提取，根据异常检测模型确定日志数据异常，进而对网络攻击引发的网络异常行为进行检测，提升网络异常检测的效率。
-
公开(公告)号：CN116366303A
公开(公告)日：2023-06-30
申请号：CN202310207251.6
申请日：2023-03-06
Applicant: 四川大学
IPC: H04L9/40 , G06F40/194 , G06N3/0464 , G06N3/049 , G06N3/045 , G06N3/0499 , G06N3/047 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于深度学习的网络异常检测方法、装置、设备及介质，该方法包括：响应接收到的初始日志数据，根据预设常量事件模板，对初始日志数据进行特征提取，以生成模板符序列，根据预设滑动窗口通过设定滑动规则，对模板符序列进行分割，以生成目标日志序列和标签模板符，根据预设异常检测模型对目标日志序列进行检测，以生成目标日志序列对应的目标模板符，在目标模板符与标签模板符不匹配的情况下，确定初始日志数据对应的网络行为异常。从而通过对日志数据进行解析和特征提取，根据异常检测模型确定日志数据异常，进而对网络攻击引发的网络异常行为进行检测，提升网络异常检测的效率。
-
-
-
-
-
Search Results
6
records
(took 0.019 seconds)
