一种针对隧道流量的关联方法和装置

    公开(公告)号:CN117768343B

    公开(公告)日:2024-08-30

    申请号:CN202311587718.0

    申请日:2023-11-24

    摘要: 本发明提供一种针对隧道流量的关联方法和装置,其中所述方法包括:获取预建立的网络隧道的多个入口节点流和多个出口节点流;确定与每个出口节点流对应的候选入口节点流,分别计算多个候选入口节点流的累计传输量距离;将每个出口节点流输入至自编码网络,输出对应的映射入口节点流,分别计算映射入口节点流和多个候选入口节点流的降噪距离;将多个候选入口节点流输入至优化表示生成器,分别输出多个候选入口节点流之间的优化表示距离;根据多个候选入口节点流的累计传输量距离、和映射入口节点流的降噪距离以及多个候选入口节点流之间的优化表示距离,对候选入口节点流进行筛选,确定每个出口节点流对应的目标入口节点流。

    面向网络安全可解释网络数据标记方法、系统、计算设备

    公开(公告)号:CN116684127A

    公开(公告)日:2023-09-01

    申请号:CN202310579956.0

    申请日:2023-05-23

    IPC分类号: H04L9/40 G06F18/23

    摘要: 本发明公开了一种面向网络安全可解释网络数据标记方法、系统、计算设备,所述方法包括:模拟器对每一种网络攻击进行模拟,通过抓包操作获得对应的网络数据包,并在此基础上对数据进行聚类操作获得最终数据集;异常检测器对所述最终数据集的网络流量特征信息和解释器提供的部分解释结果进行统一建模,在每次与网络分析人员的交互中,确定一个可疑流量;解释器基于最大线性分离对当前所检测出可疑流量进行解释,并且向网络分析人员查询判断其是否为异常流量。本发明的优点是:充分利用解释器的计算资源,并使异常检测器可以与网络分析人员进行交互,其中通过解释器确保交互质量,最终使异常检测器模型具有适应动态网络环境的能力。

    基于少样本几何深度学习的用户重识别系统及方法

    公开(公告)号:CN116561599A

    公开(公告)日:2023-08-08

    申请号:CN202310538213.9

    申请日:2023-05-12

    摘要: 本发明涉及社交网络技术领域,尤其为基于少样本几何深度学习的用户重识别系统及方法,包括:生成排序模块:用于生成候选实体,并对候选实体进行相应排序;向量转化模块:用于通过图卷积的方式将待链接实体和候选实体转换成含有语义信息的向量表示;深度训练模块:用于使用几何深度学习对所有的用户属性、内容、关系进行训练;身份重识别模块:用于计算两个实体之间的相似度,进行用户身份的重识别。本发明通过使用少样本几何深度学习实现用户身份重识别,通过图卷积的方式将待链接实体和候选实体转换成含有语义信息的向量表示,生成了有用的实体嵌入,并通过深度学习网络对所有的用户属性、内容、关系进行学习输出,获得更为准确的用户身份重识别信息。