-
公开(公告)号:CN117933355A
公开(公告)日:2024-04-26
申请号:CN202311416367.7
申请日:2023-10-26
Applicant: 网络通信与安全紫金山实验室
IPC: G06N3/094 , G06N3/045 , G06N3/0475 , G06N3/0464 , G06F18/214 , G06F18/22 , G06F18/2433 , G06V10/44 , H04L9/40
Abstract: 本发明提供一种流量检测模型的训练方法、流量检测方法及相关设备,涉及信息安全技术领域,流量检测模型的训练方法包括:对判别器和生成器执行至少一次训练,在当前训练中执行以下操作:将真实流量样本特征输入生成器中,生成当前拟合流量训练特征;将真实流量样本特征和当前拟合流量训练特征输入判别器中,获取当前类别向量;在当前类别向量的最大分量值大于第一阈值,且判别器的当前损失小于或等于第二阈值,且生成器的当前损失小于或等于第三阈值,且第一阈值所引起的当前损失小于或等于第四阈值的情况下,获取训练好的判别器和训练好的生成器。本发明通过训练好的判别器和训练好的生成器实现提高对恶意变种流量的检测能力。
-
公开(公告)号:CN118138489A
公开(公告)日:2024-06-04
申请号:CN202410194999.1
申请日:2024-02-21
Applicant: 网络通信与安全紫金山实验室
IPC: H04L43/08 , H04L41/14 , H04L41/142
Abstract: 本申请涉及一种网络弹性量化评估方法、装置、计算机设备和存储介质。所述方法包括:获取目标网络系统对应的马尔可夫链状态转移模型,目标网络系统基于动态异构冗余架构构建;根据目标网络系统的系统配置,确定目标网络系统对应的目标拟态特征量化数据;根据目标拟态特征量化数据确定马尔可夫链状态转移模型对应的状态转移矩阵;基于状态转移矩阵,得到目标网络系统对应的网络弹性量化结果。采用本方法能够提高网络弹性量化评估的准确性。
-
公开(公告)号:CN117118693A
公开(公告)日:2023-11-24
申请号:CN202311038177.6
申请日:2023-08-17
Applicant: 网络通信与安全紫金山实验室
IPC: H04L9/40 , G06F18/23213 , G06F18/2321
Abstract: 本申请涉及一种异常流量的检测方法、装置、计算机设备和存储介质。所述方法包括:先获取待检测会话流的统计信息,再将统计信息输入至多层感知机模型进行会话流分类,得到会话流的多个类别的已知异常流量和多个类别的正常流量,再将统计信息分别输入至各类别的已知异常流量分别对应的各第一支持向量数据表达模型进行检测,得到各类别的已知异常流量中的第一未知异常流量,并将统计信息分别输入至各类别的正常流量分别对应的各第二支持向量数据表达模型进行检测,得到各类别的正常流量中第二未知异常流量。上述方法对已知异常流量和正常流量中的未知异常流量进行识别,弥补了现有技术无法对未知异常流量进行识别的不足。
-
公开(公告)号:CN116880932A
公开(公告)日:2023-10-13
申请号:CN202310842929.8
申请日:2023-07-10
Applicant: 网络通信与安全紫金山实验室
Abstract: 本发明实施例提供了一种异构执行体的调度方法、装置、设备及存储介质,该方法包括:监测部署运行的在线执行体的当前运行状态;判断当前运行状态是否满足调度触发条件,调度触发条件为时间触发条件或事件触发条件;若当前运行状态满足调度触发条件,则根据在线执行体的当前可信度和当前异构度,结合调度触发条件对应的执行体调度策略,执行执行体调度,返回继续执行监测部署运行的在线执行体的当前运行状态的步骤。利用该方法,执行体调度综合了时间触发和事件触发两种调度方式,能够更好地发现基于未知共模漏洞的攻击,降低共模逃逸概率,并根据调度的历史裁决信息,调整执行体可信度及异构度,从而提高整个系统对未知威胁的防御能力。
-
公开(公告)号:CN116843832A
公开(公告)日:2023-10-03
申请号:CN202310800060.0
申请日:2023-06-30
Applicant: 网络通信与安全紫金山实验室
IPC: G06T17/00 , G06V10/80 , G06V10/44 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本发明实施例公开了一种单视角三维物体重建方法、装置、设备及存储介质,包括:获取待重建单视角图像,以及与待重建单视角图像的图像类型相对应的至少一个待重建三维形状体素;将待重建单视角图像和各待重建三维形状体素输入至三维重建神经网络模型中,将三维重建神经网络模型的输出结果确定为三维重建结果;其中,三维重建神经网络模型为基于小样本训练得到的神经网络模型;三维重建神经网络模型中至少包括用于将图像特征和体素特征融合的粗糙特征融合模块。基于具有更好泛化性,以及可更好关联和融合待重建单视角图像的图像特征和待重建三维形状体素的体素特征的三维重建神经网络模型,提升了三维重建结果的准确性。
-
-
-
-