-
公开(公告)号：CN113780382B
公开(公告)日：2024-07-26
申请号：CN202110999372.X
申请日：2021-08-29
Applicant: 桂林电子科技大学
IPC: G06F18/214 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及通信控制领域，具体涉及一种基于AE和PMU的高效网络安全态势评估方法，包括初始化训练数据集和测试数据集；基于训练维度使用AE从训练数据集中提取训练态势评估要素；基于测试维度使用AE从测试数据集中提取测试态势评估要素；基于训练周期将训练态势评估要素输入到基于PMU的NSSA训练模型中进行训练，得到PMU模型；将测试态势评估要素输入PMU训练模型中得到评估态势值用以验证模型的有效性。使用AE进行数据降维以去除冗余数据，然后利用PMU提高模型的性能，与现有方法相比，我们提出的方法在效率、精度和拟合度上具有显著优势。
-
公开(公告)号：CN108833139B
公开(公告)日：2021-02-19
申请号：CN201810492657.2
申请日：2018-05-22
Applicant: 桂林电子科技大学
Abstract: 本发明提出一种基于类别属性划分的OSSEC报警数据聚合方法，该方法包括：S1.采集原始OSSEC报警数据；S2.对原始OSSEC报警数据进行标准化得到标准化OSSEC报警数据；S3.对步骤S1采集的报警数据进行预处理；S4.对步骤S2所述的OSSEC报警数据进行处理使得每条OSSEC报警数据升序逐层匹配；S5.计算每条OSSEC报警数据各属性的相似度。S6.计算每条OSSEC报警数据全局相似度以及计算每条OSSEC报警数据的各个属性的权重值；S7.根据步骤S5得到的各属性的相似度以及步骤S6得到的各属性的权重值计算每条OSSEC报警数据的全局相似度；并计聚合结果。本发明打破了常规的单一依赖时间属性聚合比较，引入嵌套从属关系的思想，采用类别属性划分算法实现报警数据类别属性逐层升序聚合从而灵活计算相邻报警数据的属性相似度。同时，有效地提高了OSSEC报警数据聚合率和系统检测率，以及降低了系统误报率。
-
公开(公告)号：CN110149333A
公开(公告)日：2019-08-20
申请号：CN201910432976.9
申请日：2019-05-23
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于SAE+BPNN的网络安全态势评估方法，包括：提取待评估网络安全态势感知指标数据；对提取到的指标数据进行归一化处理；将归一化处理后的指标数据输入训练完成的深度自编码神经网络，以对归一化后的指标数据进行降维处理；将降维处理后的指标数据输入至训练完成的BP神经网络，以对网络安全态势进行评估。本发明针对BP神经网络在处理稀疏高维度数据时，所需模型复杂度较高、模型计算时间较长、准确率无法提升的问题，利用深度自编码神经网络对数据进行降维处理，保证数据与标签间的非线性关系，并且可以优化模型、降低模型复杂度、降低模型训练时间、提高模型鲁棒性和泛化性。
-
公开(公告)号：CN109302410A
公开(公告)日：2019-02-01
申请号：CN201811293726.3
申请日：2018-11-01
Applicant: 桂林电子科技大学
IPC: H04L29/06
Abstract: 本发明提出一种内部用户异常行为检测方法，包括采集用户在Linux系统中的操作命令；对采集到的所述操作命令做预处理，得到有固定行数的矩阵；根据所述预处理后的数据生成词汇表；根据所述词汇表将操作命令由英文格式转换为有序的数值形式；按一定比例将采集到的样本数据划分为训练集和测试集；使用LSTM算法对所述训练集进行训练，得到训练模型；使用所述训练模型对测试集进行验证得到输出数据；使用双峰法对所述输出数据进行分析并确定判决阈值；通过所述判决阈值判断用户是否存在异常操作行为。本发明利用长短期记忆网络与双峰法结合，能够更加准确区分不同类型数据，全面的提升模型检测用户异常行为能力，提升用户异常行为检测的查全率，查准率。
-
-
Patent Agency Ranking
公开(公告)号：CN114153382A
公开(公告)日：2022-03-08
申请号：CN202111302542.0
申请日：2021-11-04
Applicant: 桂林电子科技大学
Abstract: 本发明属于云存储技术领域，公开了一种云存储中支持数据可验证删除的高效数据迁移方法、系统，完成数据拥有者在系统中的注册，并生成相关参数和公私钥对；实现外包数据加密，防止数据拥有者的隐私信息泄露；数据拥有者将外包数据集上传到云A，并删除相应的本地备份；数据拥有者更换云服务提供商，并安全地将外包数据从云A迁移到云B；外包数据迁移成功后，数据拥有者将云A上已被迁移的外包数据块永久性删除。本发明不依赖任何第三方，有效地避免了现有解决方案因第三方单点失效而导致的服务中断、隐私泄露等问题。通过形式化的安全性分析，证明了本发明能够满足所有预期的安全需求；实验结果表明本发明在实际应用中具有很高的实用性和普适性。
-
-
公开(公告)号：CN108833139A
公开(公告)日：2018-11-16
申请号：CN201810492657.2
申请日：2018-05-22
Applicant: 桂林电子科技大学
CPC classification number: H04L41/0604 , H04L41/0613 , H04L43/045 , H04L43/0823 , H04L43/106 , H04L63/1416
Abstract: 本发明提出一种基于类别属性划分的OSSEC报警数据聚合方法，该方法包括：S1.采集原始OSSEC报警数据；S2.对原始OSSEC报警数据进行标准化得到标准化OSSEC报警数据；S3.对步骤S1采集的报警数据进行预处理；S4.对步骤S2所述的OSSEC报警数据进行处理使得每条OSSEC报警数据升序逐层匹配；S5.计算每条OSSEC报警数据各属性的相似度。S6.计算每条OSSEC报警数据全局相似度以及计算每条OSSEC报警数据的各个属性的权重值；S7.根据步骤S5得到的各属性的相似度以及步骤S6得到的各属性的权重值计算每条OSSEC报警数据的全局相似度；并计聚合结果。本发明打破了常规的单一依赖时间属性聚合比较，引入嵌套从属关系的思想，采用类别属性划分算法实现报警数据类别属性逐层升序聚合从而灵活计算相邻报警数据的属性相似度。同时，有效地提高了OSSEC报警数据聚合率和系统检测率，以及降低了系统误报率。
-
公开(公告)号：CN114153382B
公开(公告)日：2023-09-26
申请号：CN202111302542.0
申请日：2021-11-04
Applicant: 桂林电子科技大学
Abstract: 本发明属于云存储技术领域，公开了一种云存储中支持数据可验证删除的高效数据迁移方法、系统，完成数据拥有者在系统中的注册，并生成相关参数和公私钥对；实现外包数据加密，防止数据拥有者的隐私信息泄露；数据拥有者将外包数据集上传到云A，并删除相应的本地备份；数据拥有者更换云服务提供商，并安全地将外包数据从云A迁移到云B；外包数据迁移成功后，数据拥有者将云A上已被迁移的外包数据块永久性删除。本发明不依赖任何第三方，有效地避免了现有解决方案因第三方单点失效而导致的服务中断、隐私泄露等问题。通过形式化的安全性分析，证明了本发明能够满足所有预期的安全需求；实验结果表明本发明在实际应用中具有很高的实用性和普适性。
-
公开(公告)号：CN111832073B
公开(公告)日：2023-07-18
申请号：CN202010637582.X
申请日：2020-07-05
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种云环境中支持外包数据动态插入的确定性删除方法，获取两个公私钥对，并得到外包文件的唯一的文件名；利用获取的私钥和文件名计算加密密钥并对所述外包文件加密，此后随机地插入获取的多个数据块，并将得到的数据集和所述文件名上传至云服务器，同时根据所述云服务器返回的存储证据和辅助验证信息，验证所述外包文件的存储结果，根据需要插入或删除的数据块的叶子节点序号、文件名和对应的时间戳，将得到的数据插入命令和第一数据块上传至云服务器，将所述第一数据块插入指定位置，并将得到的数据删除命令上传至云服务器，从所述外包文件中删除第二数据块，本发明提供的方法可以同时支持外包数据的动态插入和安全删除操作。
-
-
-
-
-
-
-
-
-
Search Results
18
records
(took 0.02 seconds)
