一种基于时空统计的IP地址画像方法

    公开(公告)号:CN114037009A

    公开(公告)日:2022-02-11

    申请号:CN202111308488.0

    申请日:2021-11-05

    IPC分类号: G06K9/62 H04L69/22

    摘要: 本发明公开了一种基于时空统计的IP地址画像方法,该方法包括:使用Count‑Min Sketch和最小堆这两种数据结构来保存网络中每个IP的访问与被访问情况;利用每个IP地址的Sketch生成一组时空矩阵,从而得到每个IP地址的特征信息;在此基础上对IP地址进行层次式聚类,并根据聚类结果为每个IP地址打上伪标签,形成群体IP地址画像,再根据同一标签下IP地址的频繁访问与被访问记录形成对该类IP地址的解析,完成个体IP地址画像。本发明方法使用基于Count‑Min Sketch与最小堆的概率数据结构,大大减少存储空间的同时,也能保证面对实时海量流数据时数据记录的准确性,并配合基于时空统计的IP地址画像算法,分别利用网络流全局信息和IP访问模式信息完成群体IP地址画像和个体IP地址画像。

    电力系统中异常数据的辨识方法、辨识装置

    公开(公告)号:CN116881746B

    公开(公告)日:2023-11-14

    申请号:CN202311152729.6

    申请日:2023-09-08

    IPC分类号: G06F18/23 G06F17/16 G06Q50/06

    摘要: 本发明涉及电力系统技术领域,提供一种电力系统中异常数据的辨识方法、辨识装置,所述方法包括以下步骤:获取电力系统中的各节点的量测数据,将量测数据变换到频域中,并计算量测数据在频域中的幅值;根据量测数据在频域中的幅值计算各节点量测数据间的相关性矩阵,基于相关性矩阵的节点数据聚类方法,并通过迭代方式逐步聚合预设距离内的数据簇,生成聚类结果;基于聚类后的数据簇和数据簇的相关性矩阵,计算数据簇构成的聚类树的表型相关;根据表型相关辨识量测数据是否为异常数据。本发明利用电力系统中物理特性和节点间的相关性对异常数据进行辨识,能够有效搜索出可能被攻击者入侵用于注入攻击向量的节点,提升电力系统安全性和可靠性。

    基于在线深度神经网络非遗忘入侵检测方法、介质及设备

    公开(公告)号:CN118337459A

    公开(公告)日:2024-07-12

    申请号:CN202410497307.0

    申请日:2024-04-24

    IPC分类号: H04L9/40 G06N3/045 G06N3/08

    摘要: 本发明涉及网络安全技术领域,具体涉及一种基于在线深度神经网络非遗忘入侵检测方法、介质及设备。本发明包括以下步骤:S1、深度神经网络模型初始化;S2、保存训练好的模型,修改算法的损失函数;S3、在流量经过设备时,使用流量捕获软件抓取数据;S4、将抓取的数据流转化成csv文件C;S5、使用模型检测文件C是否存在攻击数据;S6、将文件C与代表性样本集E混合形成训练集D;S7、用训练集D训练模型;S8、计算Fisher信息矩阵,并更改费雪数组的数据;S9、对代表性样本集E进行增减;通过给深度神经网络加入遗忘对抗机制,可以让神经网络在不断学习新数据的同时仍然具备对旧数据的检测能力。