一种电力物联网网络安全风险预测方法

    公开(公告)号:CN113872942B

    公开(公告)日:2023-11-14

    申请号:CN202111035535.9

    申请日:2021-09-03

    IPC分类号: H04L9/40 H04L67/12

    摘要: 本发明涉及网络安全预测领域,具体是一种电力物联网网络安全风险预测方法,包括获取模块、过滤模块、预测模块和显示模块,具体包括如下步骤:首先,将单个告警事件中的攻击源IP、攻击行为、攻击目标IP作为一条有效告警信息,通过获取模块获取所有告警信息,针对每条告警信息,以当前告警事件为果,寻找该告警事件发生时间之前最相近的六个告警事件作为因,由此构建一条因果数据,将因果数据存入数据库中形成因果数据库;其次,通过过滤模块对因果数据库中对低频的因果数据进行过滤;再其次,通过采用Levenshtein距离算法的预测模块对告警事件进行预测;最后,通过显示模块实时显示预测的告警事件的有效告警信息以及所述预测的告警事件发生的风险大小和风险程度。解决了现有技术对于系统中长期预测效果差的问题。

    基于关联规则的电力物联网数据融合方法

    公开(公告)号:CN112395605B

    公开(公告)日:2022-10-11

    申请号:CN202011326341.X

    申请日:2020-11-23

    IPC分类号: G06F21/55 G06F11/34 G06F11/30

    摘要: 本发明涉及数据处理技术领域,提出了一种基于关联规则的电力物联网数据融合方法。主要解决现有的以支持度和置信度作为度量来对规则强度进行判定的不全面性问题,并在此基础之上提出了一种基于关联规则的电力物联网数据融合方法。本发明主要方案包括,提出以不平衡比来代替支持度,然后与置信度共同来对规则的强度进行更加全面的判定,并将在此度量准则下挖掘到的top‑k平衡关联规则应用到泛在电力物联网的健康状况判定中,给出了一套可行和完整的解决方案,达到数据融合的目的。

    一种基于多通道SAE-AdaBoost的电力物联网网络安全态势评估方法

    公开(公告)号:CN112615843A

    公开(公告)日:2021-04-06

    申请号:CN202011461351.4

    申请日:2020-12-08

    IPC分类号: H04L29/06 H04L29/08

    摘要: 本发明涉及信息系统网络安全态势的评价领域,提供了一种基于多通道SAE‑AdaBoost的电力物联网网络安全态势评估方法,目的在于解决现有方法评估方法精度差,泛化误差大的问题。主要方案包括步骤1:网络安全态势指标划分为多个通道T1,T2,Λ,Tn;步骤2:对于每一个通道,SAE通过隐含层将每一个无标签训练样本k维矢量x′映射成m维的编码矢量xh,以得到高维数据的低维表示xh;步骤3:AdaBoost算法从训练数据中不断改变样本的权重,串行学习到一系列的弱学习器,并将这些弱学习器线性组合为一个强学习器,使用这个强学习器对其对应的通道进行评估;步骤4:AHP综合考虑通道之间的相对重要性,融合多个通道的评估结果,得到整体网络安全态势。

    基于关联规则的电力物联网数据融合方法

    公开(公告)号:CN112395605A

    公开(公告)日:2021-02-23

    申请号:CN202011326341.X

    申请日:2020-11-23

    IPC分类号: G06F21/55 G06F11/34 G06F11/30

    摘要: 本发明涉及数据处理技术领域,提出了一种基于关联规则的电力物联网数据融合方法。主要解决现有的以支持度和置信度作为度量来对规则强度进行判定的不全面性问题,并在此基础之上提出了一种基于关联规则的电力物联网数据融合方法。本发明主要方案包括,提出以不平衡比来代替支持度,然后与置信度共同来对规则的强度进行更加全面的判定,并将在此度量准则下挖掘到的top‑k平衡关联规则应用到泛在电力物联网的健康状况判定中,给出了一套可行和完整的解决方案,达到数据融合的目的。

    基于机器学习的实时攻击溯源的方法和系统

    公开(公告)号:CN118158002B

    公开(公告)日:2024-07-02

    申请号:CN202410584710.7

    申请日:2024-05-13

    IPC分类号: H04L9/40 G06N20/00

    摘要: 本发明涉及网络安全的技术领域,提供了基于机器学习的实时攻击溯源的方法和系统,对采样监听得到的网络内部所有网关节点的数据流进行机器学习,预测所有网关节点的异常数据成分传输特征信息,对网络进行攻击范围识别,得到网络内部会受到攻击的所有局域网区域,准确标定攻击行为涉及区域,缩小后续攻击溯源追踪的范围;识别处于风险运作状态的所有用户终端,得到相应用户终端的风险运作数据,通过机器学习得到相应用户终端受到实时攻击的发生位置信息,实现对用户终端的实时攻击流量状态的定向识别;对受到实时攻击的用户终端进行攻击溯源识别,确定与实时攻击关联的所有网关节点和所有用户终端并进行工作调整,保证网络运行安全性和可靠性。

    一种基于Cookie和DR身份密码体制的多重身份认证方法及装置

    公开(公告)号:CN113726523A

    公开(公告)日:2021-11-30

    申请号:CN202111023305.0

    申请日:2021-09-01

    摘要: 本发明涉及身份认证领域,具体来说是一种基于Cookie和DR身份密码体制的多重身份认证方法及装置。目的在于解决现有的密钥托管问题即可信第三方掌控所有用户的私钥,一旦被恶意者攻击,所有用户的私钥都将被泄露,其安全性较低。主要方案包括以下步骤:步骤1:用户使用用户账号和PIN码进行第一身份认证,在通过第一身份认证之后,可以访问到系统的公开资源;步骤2:客户端通过Cookie文件信息建立安全信道,此后用户的认证过程中上传的所有信息都会通过该安全信道传输;第二身份认证通过后,用户可以访问到系统的核心资源;步骤3:用户根据需求使用设备信息进行第三身份认证,通过后用户可以访问到系统的敏感资源。

    基于机器学习的实时攻击溯源的方法和系统

    公开(公告)号:CN118158002A

    公开(公告)日:2024-06-07

    申请号:CN202410584710.7

    申请日:2024-05-13

    IPC分类号: H04L9/40 G06N20/00

    摘要: 本发明涉及网络安全的技术领域,提供了基于机器学习的实时攻击溯源的方法和系统,对采样监听得到的网络内部所有网关节点的数据流进行机器学习,预测所有网关节点的异常数据成分传输特征信息,对网络进行攻击范围识别,得到网络内部会受到攻击的所有局域网区域,准确标定攻击行为涉及区域,缩小后续攻击溯源追踪的范围;识别处于风险运作状态的所有用户终端,得到相应用户终端的风险运作数据,通过机器学习得到相应用户终端受到实时攻击的发生位置信息,实现对用户终端的实时攻击流量状态的定向识别;对受到实时攻击的用户终端进行攻击溯源识别,确定与实时攻击关联的所有网关节点和所有用户终端并进行工作调整,保证网络运行安全性和可靠性。