-
公开(公告)号：CN111931179A
公开(公告)日：2020-11-13
申请号：CN202010814447.8
申请日：2020-08-13
Applicant: 北京理工大学
Abstract: 本发明公开了基于深度学习的云端恶意程序检测系统及方法，属于软件安全技术领域，该方案效率更高、准确率更高。该系统包括信息获取模块、数据预处理模块以及训练模型模块。信息获取模块具体为：程序样本集中包含恶意程序检测时所使用的程序样本；程序自动执行样本用于在虚拟机中自动执行程序样本；虚拟机中每次运行一个程序样本，并在运行过程中提取系统实时参数信息和动态链接库信息，程序样本执行完成后，保存虚拟机快照，分析虚拟机快照得到内存取证信息；各信息送入数据预处理模块。数据预处理模块进行数据预处理得到动态链接库特征向量、系统实时参数矩阵以及内存取证矩阵送入到训练模型模块。训练模型模块预先构建并训练神经网络模型。
-
公开(公告)号：CN109218304B
公开(公告)日：2020-09-25
申请号：CN201811063074.4
申请日：2018-09-12
Applicant: 北京理工大学
IPC: H04L29/06
Abstract: 本发明提供了一种基于攻击图和协同进化的网络风险阻断方法，一、使用漏洞扫描工具扫描网络环境，获得网络脆弱点信息、配置信息和拓扑信息，利用上述三种信息生成攻击图，并且定义攻击图中各节点的多个风险度量属性和属性值的计算方法；二、根据各风险度量属性值的计算方法，获得攻击图中各节点的风险度量属性值数据集，根据熵值法来确定各风险度量属性的权重；三、对每个节点的风险度量属性值数据集进行加权融合得到每个节点的风险度量属性综合值；四、将每个节点的风险度量属性综合值作为协同进化算法的输入，通过初始种群的确定、适应度函数计算、个体选择、交叉操作和变异操作得到每个节点集的风险评价值，并以此评估网络阻断路径。
-
公开(公告)号：CN106997437B
公开(公告)日：2020-09-11
申请号：CN201710121236.4
申请日：2017-03-02
Applicant: 北京理工大学
IPC: G06F21/57
Abstract: 本发明公开了一种系统漏洞防护方法和装置，该方法包括：检测目标系统中的漏洞；获取目标系统的权限分级，并基于权限分级构建目标系统的漏洞之间的关联关系图；根据构建的漏洞之间的关联关系图，计算关联关系图的核度，确定出目标系统的核心漏洞；修复所述核心漏洞，以实现对目标系统的防护。本实施例的系统漏洞防护方案基于目标系统的权限分级建立漏洞之间的关联关系图，并采用核度理论揭示漏洞之间的关联关系，找到对漏洞关联关系图整体影响最高的漏洞，确定系统中的关键漏洞，实现对漏洞的高效率防护，提高系统的安全性。
-
公开(公告)号：CN110012037B
公开(公告)日：2020-08-18
申请号：CN201910425827.X
申请日：2019-05-21
Applicant: 北京理工大学
IPC: H04L29/06
Abstract: 本发明公开了基于不确定性感知攻击图的网络攻击预测模型构建方法，一、在攻击图上添加漏洞被攻击的不确定性概率，获得不确定性感知攻击图；二、对网络系统中的服务受到攻击时入侵检测系统生成的警报信息进行关联，生成警报关联图，并利用警报信息所对应的响应决策生成入侵响应图；三、根据警报的源主机地址、警报的目的主机地址、警报的源端口号、警报的目的端口号、警报传输所使用的协议和产生警报所对应的漏洞编号，对不确定性概率进行改进；四、通过入侵响应图中响应决策之间的关联关系以及响应的代价对不确定性概率进行改进；五、根据不确定性概率获得服务被攻击的概率，从而得到预测攻击模型；本发明能够实现准确全面的预测网络攻击。
-
公开(公告)号：CN109040027B
公开(公告)日：2020-08-18
申请号：CN201810763946.1
申请日：2018-07-12
Applicant: 北京理工大学
Abstract: 本发明涉及一种基于灰色模型的网络脆弱性节点的主动预测方法，属于信息安全技术领域。通过获取网络中实时的主机信息、拓扑信息、漏洞信息等特征，利用灰色关联分析的方法确定其在网络系统中的权重，完成对观测数据的统一计算，并将计算所得的状态信息输入到灰色预测模型，利用最小二乘法确定灰色系数，实现预测模型；最后，根据未达网络节点的态势增量与预测模型曲线进行关联分析，以最接近的态势增量所在的节点作为下一个网络脆弱性预测节点。
-
Patent Agency Ranking
公开(公告)号：CN110175120A
公开(公告)日：2019-08-27
申请号：CN201910416959.6
申请日：2019-05-20
Applicant: 北京理工大学
IPC: G06F11/36
Abstract: 本发明公开了一种基于强化学习的模糊测试用例自适应变异方法和装置，该方法选择与待变异测试用例类型对应的变异操作组进行自适应变异的学习，从而能够有针对性地选择变异策略，进而实现更为细粒度的变异操作；本发明进一步采用类型信息和变异操作组成上下文信息输入单步强化学习模型，单步强化学习模型将不同变异操作的选择问题转化为多臂赌博机问题中不同摇臂的选择，使用上下文相关的置信区间上界算法LinUCB进行自适应变异操作的学习，以实现不同类型场景下的变异操作自适应学习，从而采用能够获得更高路径覆盖率的变异操作进行测试用例变异，提高模糊测试自适应变异的效率和质量。
-
公开(公告)号：CN109117641A
公开(公告)日：2019-01-01
申请号：CN201810930641.5
申请日：2018-08-15
Applicant: 北京理工大学
Abstract: 本发明公开了一种基于I-HMM的网络安全风险评估方法，以主机的安全状态为状态空间，以警报信息为观测向量，使用隐马尔科夫模型HMM对网络系统中主机的安全风险状态进行建模；利用历史警报信息对HMM模型进行训练；针对每个主机，将该主机当前周期的警报信息代入训练好的HMM模型，获得当前主机处于各安全状态的概率值，进而得到主机的直接风险；对网络系统中各个主机的关联关系进行量化，得到间接风险；综合主机的直接风险和间接风险，得到主机的风险值；最后利用网络中所有主机的风险值和主机相对重要性，获得整个网络系统的安全风险值。本发明能够在所需数据量不大的情况下，能够实现对网络安全风险状况的评估。
-
公开(公告)号：CN109040027A
公开(公告)日：2018-12-18
申请号：CN201810763946.1
申请日：2018-07-12
Applicant: 北京理工大学
Abstract: 本发明涉及一种基于灰色模型的网络脆弱性节点的主动预测方法，属于信息安全技术领域。通过获取网络中实时的主机信息、拓扑信息、漏洞信息等特征，利用灰色关联分析的方法确定其在网络系统中的权重，完成对观测数据的统一计算，并将计算所得的状态信息输入到灰色预测模型，利用最小二乘法确定灰色系数，实现预测模型；最后，根据未达网络节点的态势增量与预测模型曲线进行关联分析，以最接近的态势增量所在的节点作为下一个网络脆弱性预测节点。
-
公开(公告)号：CN108989090A
公开(公告)日：2018-12-11
申请号：CN201810649324.6
申请日：2018-06-22
Applicant: 北京理工大学
IPC: H04L12/24
Abstract: 本发明公开了一种基于微分流形的网络状态模型构建方法和网络状态评估方法。使用本发明能够使网络安全评估不再依赖于传统的拓扑路径，从而使得计算结果具有更好的完整性和计算可扩展性。本发明将网络系统状态抽象为高维的微分流形，对网络状态的刻画更为细致；流形中各点所对应的网络状态由网络系统各设备节点的所有属性展现，从网络系统各设备节点的属性信息出发进行评估，更能客观地体现网络的状态，能覆盖网络系统的全部节点及其属性信息，确保了完整性和全面性，计算可扩性好。同时，本发明不需要考虑节点之间的路径问题，不存在路径爆炸问题。
-
公开(公告)号：CN108632278A
公开(公告)日：2018-10-09
申请号：CN201810433476.2
申请日：2018-05-08
IPC: H04L29/06
CPC classification number: H04L63/1416
Abstract: 本发明公开了一种基于PCA与贝叶斯相结合的网络入侵检测方法。使用本发明能够实现对普通、常规类型攻击以及新类型攻击的快速有效检测，检测时间短，且正确率高。本发明首先对训练数据集与测试数据集应用PCA得到降维后的训练数据与测试数据，降低了贝叶斯分类器的模型训练时间以及检测时间，然后采用检测时间最快的贝叶斯分类器进行入侵检测，实现快速检测，同时，本发明还对PCA进行了改进，提高了检测的正确率，从而使得本发明方法在检测时间与检测正确率上均表现高效。
-
-
-
-
-
-
-
-
-
Search Results
213
records
(took 0.049 seconds)
