一种网络安全智能管理方法及系统

    公开(公告)号:CN117254967A

    公开(公告)日:2023-12-19

    申请号:CN202311309941.9

    申请日:2023-10-10

    IPC分类号: H04L9/40

    摘要: 本发明涉及网络安全智能管理方法技术领域,具体为一种网络安全智能管理方法及系统,包括以下步骤:S1:服务器通过用户管理平台对用户主机的登入与所做出操作进行授权管理;S2:通过云盾组件对上传或下载数据进行管理。本发明中,通过用户管理平台以集成式的管理手段,对于用户的身份信息以及操作权限进行集中式管理,确保用户登录和操作的合法性,通过数据管理单元对于所传输文件进行安全检测,通过随流检测单元对操作所产生的数据以及链接进行检测,确保数据的安全性并屏蔽恶性链接,通过云盾检测单元对云盾进行完善的自检以及安全评估工作,达成对于云盾的定期更新功能,以此全方位的确保网络安全。

    一种网络安全运维设备及其工作方法

    公开(公告)号:CN117879948A

    公开(公告)日:2024-04-12

    申请号:CN202410046967.7

    申请日:2024-01-11

    IPC分类号: H04L9/40

    摘要: 本发明涉及网络安全运维设备技术领域,具体为一种网络安全运维设备及其工作方法,一种网络安全运维设备是由服务器、网络站点、网络安全运维系统组成,服务器的输出端与网络站点、网络安全运维系统的输入端电性连接。本发明中,通过网络安全运维系统对服务器进行安全维护工作,并在ssh端口评估中进行端口号检测、ssh密码评估以及操作员管理工作,达成对于相关配置的检测以及修正功能,避免薄弱项,且通过系统时间轴加载启动程序,执行项目文件,达成对于云盾漏洞扫描功能,并基于此进行密码猜解以及程序模拟攻击,获得更加有效的系统安全报告,以此加固薄弱项,并对日常数据流进行实时监控管理工作,进而最大程度确保网络安全。

    一种接口安全防护方法及装置、电子设备、存储介质

    公开(公告)号:CN117407865A

    公开(公告)日:2024-01-16

    申请号:CN202311604277.0

    申请日:2023-11-28

    摘要: 本申请公开了一种接口安全防护方法及装置、电子设备、存储介质,所述方法包括:接收当前访问请求;基于当前访问请求的特征信息,计算当前访问请求与预先聚类得到的各个聚类簇的聚类中心的距离;基于当前访问请求的特征信息及与目标聚类簇的聚类中心的距离,计算得到当前访问请求的异常得分;其中,目标聚类簇为距离最近的聚类簇;判断当前访问请求与目标聚类簇的聚类中心的距离是否大于目标聚类簇对应的阈值;若大于,则将当前访问请求的检测结果确定为异常;若不大于,则将目标聚类簇对应的聚类标签确定为当前访问请求的检测结果;基于当前访问请求的检测结果及异常得分,对当前访问请求进行拦截或调用目标应用程序接口API进行路由转发。

    一种基于BoTNet融合时空特征的加密流量识别方法

    公开(公告)号:CN117240488A

    公开(公告)日:2023-12-15

    申请号:CN202210645552.2

    申请日:2022-06-08

    IPC分类号: H04L9/40 G06F18/25 G06N3/044

    摘要: 本发明公开一种基于BoTNet融合时空特征的加密流量识别方法,通过构建并行网络,利用BoTNet和BiLSTM两个子网络分别提取已经过预处理的加密流量图形式中的空间特征与时间特征,将两个子网络并行后通过早融合的方式结合,最后通过融合后的特征实现加密流量的分类与识别。包括:加密流量预处理模块,负责通过基于保留完整数据报的数据预处理方式,将原始加密流量转换为加密流量图像;加密流量识别网络架构,负责分别抽取空间与时间两个维度的特征,通过特征融合实现加密流量的分类与识别。本发明通过提取更深层次以及更丰富的加密流量特征,进一步提高了加密流量识别的准确率。

    一种基于决策大模型的智能网络机器人

    公开(公告)号:CN117773921A

    公开(公告)日:2024-03-29

    申请号:CN202311777032.8

    申请日:2023-12-22

    IPC分类号: B25J9/16 B25J11/00

    摘要: 本发明涉及智能网络机器人技术领域,具体涉及一种基于决策大模型的智能网络机器人,包括服务器、中央处理器和接口器;所述中央处理器用于获取所述目标机器组件的特征信息,并通过所述特征信息匹配相应的目标动作预测模型,生成控制指令输出给所述服务器,其中,所述目标动作预测模型由深度学习模型训练得到,所述目标动作预测模型包括状态信息以及与所述状态信息相匹配的真实动作;所述服务器获取所述控制指令,并基于所述控制指令控制所述目标机器组件。该智能网络机器人可以通过深度学习和大模型匹配不同的目标机器组件,实现不同功能,从而适应各种那个生产领域,具备广阔的应用前景和市场价值。