公开(公告)号：CN115022194A

公开(公告)日：2022-09-06

申请号：CN202210571016.2

申请日：2022-05-24

Applicant: 桂林电子科技大学

Inventor： 陶晓玲 ,  刘梓毅 ,  欧阳逸夫 ,  符廉铕 ,  刘润蓉 ,  乔运铎 ,  崔滋铄 ,  武守一

IPC: H04L41/147 ,  H04L41/14 ,  H04L9/40 ,  G06N3/04 ,  G06K9/62

Abstract: 本发明涉及网络安全态势感知技术领域，具体涉及一种基于SA‑GRU的网络安全态势预测方法，利用Self‑Attention机制能有效学习当前候选集与过去隐藏状态信息间的关系，从而代替GRU神经网络中原有的更新门，使得改进GRU能充分保留当前时刻信息内容，而合理去除过去隐藏信息中冗余部分，并突出候选集中的关键信息，同时改进现有的网络安全态势预测方法无法充分考虑这些时序关系使得现有的态势预测方法难以实现高精度预测的问题，有效提升了网络安全态势预测的精度。

公开(公告)号：CN118713885A

公开(公告)日：2024-09-27

申请号：CN202410818895.3

申请日：2024-06-24

Applicant: 桂林电子科技大学 ,  广西昊华科技股份有限公司 ,  广西君安网络信息技术有限公司

Inventor： 陶晓玲 ,  黄勇 ,  杨昌松 ,  崔滋铄 ,  蒙曦明 ,  黄莹

IPC: H04L9/40 ,  G06F18/214 ,  G06F18/10 ,  G06F18/213 ,  G06N3/045 ,  G06N3/0475 ,  G06N3/094 ,  G06F123/02

Abstract: 本发明涉及深度学习技术领域，具体涉及一种数据增强的内部威胁行为检测方法，包括获取内部用户的原始数据，对原始数据清洗，并将原始数据处理为时序特征；构建时间序列生成对抗网络；将处理好的时序数据输入对抗网络进行数据增强训练，输出生产数据，该方法首先将原始数据按时间戳或事件序列重新排列，转化为时间序列数据格式，接着使用TimeGAN网络实现对威胁样本的数据增强，增加训练数据特征的多样性和可鉴别性，提升了内部威胁行为检测的准确率，充分利用内部用户行为数据的多周期性和周期关联性，并改善原始数据样本的特征与多样性，使得识别模型具有更强的泛化能力和检测性能。

公开(公告)号：CN115022194B

公开(公告)日：2023-09-26

申请号：CN202210571016.2

申请日：2022-05-24

Applicant: 桂林电子科技大学

Inventor： 陶晓玲 ,  刘梓毅 ,  欧阳逸夫 ,  符廉铕 ,  刘润蓉 ,  乔运铎 ,  崔滋铄 ,  武守一

IPC: H04L41/147 ,  H04L41/14 ,  H04L9/40 ,  G06N3/04 ,  G06F18/214

Abstract: 本发明涉及网络安全态势感知技术领域，具体涉及一种基于SA‑GRU的网络安全态势预测方法，利用Self‑Attention机制能有效学习当前候选集与过去隐藏状态信息间的关系，从而代替GRU神经网络中原有的更新门，使得改进GRU能充分保留当前时刻信息内容，而合理去除过去隐藏信息中冗余部分，并突出候选集中的关键信息，同时改进现有的网络安全态势预测方法无法充分考虑这些时序关系使得现有的态势预测方法难以实现高精度预测的问题，有效提升了网络安全态势预测的精度。

公开(公告)号：CN116668134A

公开(公告)日：2023-08-29

申请号：CN202310663704.6

申请日：2023-06-06

Applicant: 桂林电子科技大学 ,  四川极客智享教育科技有限公司

Inventor： 陶晓玲 ,  崔滋铄 ,  贾如春 ,  傅强 ,  余玥琳 ,  符廉铕

IPC: H04L9/40 ,  G06F18/214

Abstract: 本发明涉及行为检测技术领域，具体涉及基于在线学习的内部威胁行为检测方法，包括对采集到的用户行为数据进行数据处理，得到处理数据；内部威胁行为检测基于被动攻击算法对所述处理数据进行检测，得到检测结果；将所述检测结果转换为内部用户行为数据标签，并将所述数据标签更新检测模型，该方法可以适应新数据，并根据最新的威胁场景调整其检测标准，对于从未遇过的威胁场景检测模型能够及时学习其特征，而不需要重新训练整个模型，完善了检测模型的部署从实验环境到实际生产环境的转换，解决现有批量学习算法进行内部威胁行为检测，无法适应新数据的问题。

公开(公告)号：CN115203687A

公开(公告)日：2022-10-18

申请号：CN202210817988.5

申请日：2022-07-12

Applicant: 桂林电子科技大学

Inventor： 陶晓玲 ,  符廉铕 ,  卢深 ,  乔运铎 ,  崔滋铄 ,  余玥琳 ,  丁得轩 ,  杨昌松

IPC: G06F21/55 ,  G06K9/62

Abstract: 本发明涉及异常检测技术领域，具体涉及基于改进GMM聚类的内部用户画像构建方法，包括获取内部数据并进行处理，得到内部用户标签；基于内部用户标签进行划分，得到数据集；使用赤池信息准则确定变分贝叶斯高斯混合模型的最优参数；基于最优参数，使用变分贝叶斯高斯混合模型对数据集进行聚类，得到威胁分组；基于威胁分组建立用户画像，通过用户画像对对应的威胁成员进行安全监管，通过收集内部用户资料进行清洗去伪和推理整合得到内部用户标签，再进行聚类，得到威胁分组，并进行管理，从而解决了现有的内部用户画像构建方法表现力不足，不能对相应的群体实施共同监管的问题。