一种基于目标模型的网络攻击检测方法

    公开(公告)号:CN104883356A

    公开(公告)日:2015-09-02

    申请号:CN201510201729.X

    申请日:2015-04-24

    Abstract: 本发明公开了一种基于目标模型的网络攻击检测方法,能够获得发生在与目标有关联关系的实体上的安全事件对目标的影响,从而进行网络攻击检测。该方法利用目标模型所体现的关联关系,建立扩展影响树和安全影响图;然后针对检测到的每个安全事件,根据这一树一图通过从下至上的推算方式确定安全事件与目标T之间的距离d和对目标T的安全影响H;利用距离d和安全影响H实现网络攻击检测。

    一种漏洞拟真超载蜜罐方法

    公开(公告)号:CN101567887A

    公开(公告)日:2009-10-28

    申请号:CN200910136094.4

    申请日:2009-04-28

    Abstract: 本发明公开了一种漏洞拟真超载蜜罐方法,包括主机、端口扫描欺骗模拟模块、漏洞扫描欺骗模拟模块、漏洞攻击欺骗模拟模块、数据审计模块和漏洞利用模块;当攻击序列到达虚拟蜜罐时,根据情况由虚拟蜜罐系统来进行处理;当攻击者对虚拟主机进行漏洞扫描,虚拟蜜罐根据漏洞配置信息进行响应处理;接着,会利用这些漏洞进一步攻击,此时,虚拟蜜罐系统将漏洞攻击数据流转发至漏洞蜜罐系统,由漏洞攻击模拟模块对攻击者的漏洞利用攻击进行处理和响应;最后,当攻击者利用漏洞攻击成功获取控制权时,则将此时的攻击数据转交至物理蜜罐模块,所有的攻击过程和相关数据由数据审计模块记录下来并进行综合分析。本方法减小蜜网中硬件设备数量,降低了成本。

    一种基于GAN的用户人格隐私保护方法

    公开(公告)号:CN113742772B

    公开(公告)日:2024-10-22

    申请号:CN202110927352.1

    申请日:2021-08-09

    Abstract: 一种基于GAN的用户人格隐私保护方法属于社会工程学领域。本发明使用结合强化学习的生成式对抗网络来进行文本的转换,其中策略梯度来解决GAN对于文本离散性的不可导问题。我们将鉴别器中的隐层语义特征“泄露”给生成器类提高生成文本语义相似性,同时在GAN的原始目标上加入真实文本和生成文本特征向量间的语义相似度和人格差异得分,因此鉴别器的样本分类器得分J(Gθ)、语义相似性得分Jsem和人格差异性得分Jpers的加权平均值来作为反馈信号来指导生成器的学习,从而使得生成器产生高度多样化的句子以匹配真实句子的变化,避免生成模式单一的文本数据。攻击者无法从变换后的文本数据中分析出用户真实的人格,从而达到攻击效果降低或者阻断攻击的目的。

    一种基于CGAN模型的用户人格隐私保护方法

    公开(公告)号:CN113268991B

    公开(公告)日:2022-09-23

    申请号:CN202110547576.X

    申请日:2021-05-19

    Abstract: 本发明公开了一种基于CGAN模型的用户人格隐私保护方法,属于网络空间安全/社会工程学领域;具体为:首先,通过社交网络收集用户A的原始文本数据,并辨别出该用户的人格标签;通过预处理得到原语义向量x;然后,随机选择混淆人格标签c作为条件,结合随机的噪声向量z,一起输入CGAN模型的语义生成器,生成新的语义向量x',将新语义向量x'和原语义向量x一起输入语义判别器D(x;θd)进行真假判别,得到结果为真的语义向量后进行人格辨别得到对应人格标签c';将语义相同且人格标签一致的文本向量逆向预处理后加入或替换到原用户A的原始文本数据中,进而混淆用户A的人格文本信息。本发明使得攻击者不能正确分析出用户的人格特质,进而达到用户人格隐私保护的目的。

    一种基于变分自编码和K近邻组合的社交机器人检测方法

    公开(公告)号:CN113158076B

    公开(公告)日:2022-07-22

    申请号:CN202110364341.7

    申请日:2021-04-05

    Abstract: 一种基于变分自编码和K近邻组合的社交机器人检测方法属于异常检测技术领域,本发明通过网络获取社交机器人公开数据,并通过预处理提取特征,通过采用数据进行训练,再使用变分自编码进行编码以及解码,正常样本特征经过解码与初始特征更为相似,而异常样本与初始特征差异大,将原始特征与解码后的特征进行融合,再利用异常检测方法K近邻进行异常检测。该方法考虑在社交网络大环境中,异常用户群体相对于正常用户群体其数量较少,因此在数据的收集过程中,异常用户的收集相对麻烦。本发明提出的方法解决了社交机器人检测现有方法中高成本打标签和正负样本不均衡的缺点,通过减少异常样本参与模型的训练,实现社交网络机器用户的高效检测。

Patent Agency Ranking