-
公开(公告)号：CN109101820A
公开(公告)日：2018-12-28
申请号：CN201810933988.5
申请日：2018-08-16
Applicant: 北京理工大学
IPC: G06F21/57
Abstract: 本发明公开了一种基于执行流图的Web应用安全漏洞预测方法，根据Web应用程序的数据依赖关系与控制依赖关系，构建执行流图EFG；从EFG中抽取以安全敏感语句所在节点Sk为终点、以与Sk相关联的用户输入节点UI为起点的子图，针对每个子图提取度量元；将子图的度量元的具体数值作为输入，将子图对应的Sk有无漏洞作为输出，构建漏洞预测模型，从而实现Web应用安全漏洞预测。本发明在度量元的提取上包含判断节点，且与直接对程序切片进行分析相比，工作量大大减小。
-
公开(公告)号：CN103501205B
公开(公告)日：2016-05-11
申请号：CN201310472576.3
申请日：2013-10-11
Applicant: 北京理工大学
IPC: H04B17/00
Abstract: 本发明提供一种基于模糊综合评判的目标跳频信号识别方法，具体过程包括跳频信号识别和目标识别两部分；接收机采集窄带信号，当频点f1处的信号电平幅度变化范围a1大于设定阈值θ1，与f1相邻的频点f’处信号电平幅度变化范围a’大于设定阈值θ1且频点f1与频点f’的平均时长差△t和频率差△r均小于相应的设定阈值时，则判定此时频点f1处出现跳频信号，并进入目标识别部分；测量频点为f1的跳频信号的中频频谱带宽Be、载频跳变范围Δfe以及载频跳变速率ΔTe；然后根据Be、Δfe及ΔTe计算调频信号相似度B；将相似度B与事先设定的目标阈值进行比较，根据比较的结果判断出调频信号所对应的目标。该方法目标识别效率高且准确度高。
-
公开(公告)号：CN103748987B
公开(公告)日：2011-01-12
申请号：CN200910121927.X
申请日：2009-07-14
Applicant: 北京理工大学
Abstract: 本发明涉及一种基于模糊神经网络的攻击知识的自动更新方法，属于网络信息安全技术领域。适用于基于模糊推理的误用入侵检测系统的攻击知识的自动更新。本发明将神经网络的学习机制引入到模糊推理中，使基于模糊推理的入侵检测系统具有学习能力，从而使攻击知识隶属函数在建立之后能够随环境变化自动进行更新，解决了目前手工调整存在的工作量大，不够准确等问题。
-
公开(公告)号：CN118672281A
公开(公告)日：2024-09-20
申请号：CN202410728119.4
申请日：2024-06-06
Applicant: 北京理工大学
IPC: G05D1/46 , G05D109/20
Abstract: 本发明提供一种基于红外障碍模拟信号的智能无人机攻击方法，包括以下过程：针对红外避障无人机，分析了红外信号特性并构建了红外障碍物表征模型，以在获得目标无人机飞行位置并预测其飞行路径后，通过连续发射红外障碍模拟信号将目标无人机驱离至特定点位；还构建了红外障碍模拟信号评估模型和优化调整策略，以根据实际反制效果优化信号参量，提高驱离效率。本发明通过分析市面红外避障无人机的避障信号波长、信号发射时间间隔，设计红外障碍模拟信号。通过靶机响应时间和成功率综合评估红外障碍模拟信号的有效性，进而对红外障碍模拟信号频率和信号发射时间间隔进行调整，提高靶机的驱离效率。
-
公开(公告)号：CN110232280B
公开(公告)日：2021-04-13
申请号：CN201910535369.5
申请日：2019-06-20
Applicant: 北京理工大学
Abstract: 本发明公开了一种基于树形结构卷积神经网络的软件漏洞检测方法，分析源代码得到抽象语法树AST结构，提取AST结构中各结点的结点类型；构建包含embedding层的神经网络预处理模型，其输入为提取的结点类型，输出为结点类型的预测概率；利用结点类型进行神经网络训练；训练完成后，将embedding层输出的向量特征值作为卷积神经网络模型的输入，以源代码是否存在漏洞为标签，训练卷积神经网络模型作为代码分类器；对于待检测源代码，提取其AST结构中的结点类型，重新训练神经网络预处理模型，将embedding层输出的向量特征值输入卷积神经网络模型，得到漏洞检测结果。本发明能更好的提取代码中的特征信息，从而给出能全面的分析结果。
-
Patent Agency Ranking
公开(公告)号：CN107665172B
公开(公告)日：2020-08-11
申请号：CN201710984718.2
申请日：2017-10-20
Applicant: 北京理工大学
Abstract: 本发明提出一种基于复杂加权软件网络图的软件缺陷预测方法，能够提高针对大规模复杂软件的缺陷预测精度。包括以下步骤：步骤一、针对所预测的软件，建立复杂加权软件网络图；步骤二、确定步骤一建立的复杂加权软件网络图中每个节点的网络属性值；步骤三、从公开的软件缺陷库中搜集针对该预测软件的所有软件缺陷，建立该软件的历史缺陷库，并在历史缺陷库中标明每个软件模块的缺陷标签；骤四、将步骤二中计算确定的针对每个节点的网络属性值作为机器学习算法的输入，将步骤三中标明的缺陷标签作为机器学习算法的输出，对机器学习算法进行训练和测试，根据机器学习算法的性能评价指标确定性能最优的预测模型。
-
公开(公告)号：CN103501205A
公开(公告)日：2014-01-08
申请号：CN201310472576.3
申请日：2013-10-11
Applicant: 北京理工大学
IPC: H04B17/00
Abstract: 本发明提供一种基于模糊综合评判的目标跳频信号识别方法，具体过程包括跳频信号识别和目标识别两部分；接收机采集窄带信号，当频点f1处的信号电平幅度变化范围a1大于设定阈值θ1，与f1相邻的频点f’处信号电平幅度变化范围a’大于设定阈值θ1且频点f1与频点f’的平均时长差△t和频率差△r均小于相应的设定阈值时，则判定此时频点f1处出现跳频信号，并进入目标识别部分；测量频点为f1的跳频信号的中频频谱带宽Be、载频跳变范围Δfe以及载频跳变速率ΔTe；然后根据Be、Δfe及ΔTe计算调频信号相似度B；将相似度B与事先设定的目标阈值进行比较，根据比较的结果判断出调频信号所对应的目标。该方法目标识别效率高且准确度高。
-
公开(公告)号：CN101572711B
公开(公告)日：2012-10-10
申请号：CN200910086193.6
申请日：2009-06-08
Applicant: 北京理工大学
Abstract: 本发明涉及一种基于网络的反弹端口型木马的检测方法，属于网络信息安全技术领域。本发明通过捕获网络数据包，并利用这些数据进行时间特征、应用层协议以及数据内容的分析，判断对应主机是否中反弹端口型木马。本发明能够在一定程度上有效检测出采用进程隐藏、文件隐藏、服务隐藏等技术的反弹端口型木马，并且不需要在主机上安装任何代理软件或模块，因此完全适用于对主机上安装木马查杀工具有限制的情况。
-
公开(公告)号：CN118642509A
公开(公告)日：2024-09-13
申请号：CN202410728459.7
申请日：2024-06-06
Applicant: 北京理工大学
IPC: G05D1/46 , G05D109/20
Abstract: 本发明提出的一种基于可控深度估计的双目视觉无人机攻击方法，属于无人系统智能反制技术领域。具体方法为，构建了光学激励信号‑障碍物表征关联模型，利用一束光源通过自适应调控光学信号参量生成任意虚拟障碍物，以在获得目标无人机飞行位置并预测其飞行路径后，通过连续发射光学障碍模拟信号将目标无人机驱离至特定点位。本发明通过分析容易造成匹配算法失效的重复纹理、遮挡场景特点，并结合光强等参数，构造双目视觉障碍物表征模型以自适应生成光学障碍模拟信号，利用一束可控光源，实现对匹配算法的注入攻击。
-
公开(公告)号：CN112541180A
公开(公告)日：2021-03-23
申请号：CN202011488425.3
申请日：2020-12-16
Abstract: 本发明公开了一种基于语法特征和语义特征的软件安全漏洞检测方法。包括以下步骤：步骤1、确定检测对象的粒度；步骤2、建立软件历史漏洞库；步骤3、建立检测对象的抽象语法树；步骤4、对抽象语法树进行嵌入；步骤5、对检测对象软件源代码进行编译；步骤6、建立检测对象的程序依赖图；步骤7、对程序依赖图进行嵌入，步骤8、使用图卷积神经网络对AST的特征进行学习：步骤9、使用双向LSTM对PDG的特征进行学习；本发明的优越效果是：提高了检测模型的精度、准确率、召回率的性能指标；采用一种图神经网络直接对AST树形结构进行学习，因此不会丢失任何信息，基于图神经网络的特征直接提取方式能够极大提高模型的检测性能。
-
-
-
-
-
-
-
-
-
Search Results
25
records
(took 0.039 seconds)
