-
公开(公告)号：CN118535375A
公开(公告)日：2024-08-23
申请号：CN202410244903.8
申请日：2024-03-04
Applicant: 北京邮电大学
Abstract: 本专利提出一种基于纠删码的磁盘阵列中对磁盘重构过程性能进行优化的方法，应用于数据安全存储领域，针对磁盘重构过程中效率较低的问题，对磁盘重构方案的效率进行分析并根据不同的纠删码系统选择出理论最优磁盘重构方案。在生成理论最优磁盘重构方案的过程中，会构建最短路模型，并根据纠删码的不同进行相应的剪枝操作，提高磁盘重构方案的生成效率。同时会在方案执行时记录并反馈执行结果。该实现架构主要包括纠删码系统、磁盘重构性能优化系统和磁盘重构执行系统。具体涉及纠删码系统提供一系列对纠删码的操作接口，同时磁盘重构性能优化系统根据需要重构的数据和纠删码系统所提供的接口得到磁盘重构方案，并优化选择出理论最优的方案，最后将理论最优方案交给磁盘重构执行系统执行并反馈结果。本专利可用于数据存储、灾难备份以及数据安全管理等领域。
-
公开(公告)号：CN118312095A
公开(公告)日：2024-07-09
申请号：CN202410361489.9
申请日：2024-03-27
Applicant: 北京邮电大学
IPC: G06F3/06
Abstract: 本专利提出了一种基于带宽感知的分布式集群磁盘重构性能优化方法，应用于数据安全存储领域，针对异构网络磁盘重构存在集群负载高和重构效率低的问题，通过采取多个算法，能够保证在最小集群整体负载的条件下获取效率最高的磁盘重构方案。本专利提出的方法主要包括四个算法，分别是集群整体最小负载方案搜索算法、近似最优磁盘重构方案生成算法、集群单节点错误重构方案替换算法和最优方案搜索算法。本专利首先通过集群整体最小负载方案搜索算法找到所有具有最小集群间流量的磁盘重构方案，然后使用近似最优磁盘重构方案生成算法生成近似最优的磁盘重构方案，并在该过程中通过集群单节点错误重构方案替换算法对重构方案进行调整，最后建立搜索树模型，使用最优方案搜索算法对所有方案进行搜索，并使用近似最优磁盘重构方案对搜索过程进行剪枝。本专利可用于数据存储、灾难备份以及数据安全管理等领域。
-
公开(公告)号：CN118779874B
公开(公告)日：2025-05-09
申请号：CN202310376848.3
申请日：2023-04-10
Applicant: 北京邮电大学
IPC: G06F21/56 , G06F18/25 , G06N3/0464 , G06N3/096
Abstract: 本专利涉及恶意软件检测领域，针对目前该领域技术存在的特征信息不全面以及模型易受代码混淆技术干扰的问题，提出一种基于多特征融合的对比学习模型。方法包括，通过分析PE的行为记录，选取合适的属性值进行分析。使用Word2Vec将API序列名称进行编码，通过中心性定义计算API节点的四种中心性来表征API图的属性，筛选API相关重要参数组成作为API参数信息，将上述三个维度的信息进行特征融合，构建三维特征。之后利用有监督对比学习的学习能力，对上述构造的数据进行编码，生成向量表示。最后将向量输入ResNet分类器进行分类检测。该技术可以用于对恶意软件进行检测，基于其行为文件自动进行上述步骤，并给出检测结果帮助更好地识别恶意软件，维护用户系统安全。
-
Patent Agency Ranking
公开(公告)号：CN119622586A
公开(公告)日：2025-03-14
申请号：CN202411758910.6
申请日：2024-12-03
Applicant: 北京邮电大学
IPC: G06F18/2433 , G06F18/10 , G06F18/214 , G06N3/0442 , G06N3/045 , G06N3/0475 , G06N3/08 , G06N3/094 , H04L9/40 , G06F123/02
Abstract: 本发明涉及一种基于动态数据平衡与生成的网络异常行为检测方法，包括：获取原始网络流量数据，将原始网络流量数据输入动态异常数据平衡模型，获取增强数据集；基于异常数据平衡模型对原始网络流量数据进行标记，将标记好的数据进行选择性欠采样，调整正常数据与异常数据的比例，获取平衡数据集，根据平衡数据集，生成新的异常数据，并与平衡数据集合并，获取增强数据集；将所述增强数据集输入TimeDiT降噪模型进行去噪，获取降噪后的目标数据集，并输入LSTM‑Transformer加权训练模型进行网络异常行为检测，结合加权损失函数对目标数据集中的异常数据加权，获取检测结果。本发明能够提升网络流量异常行为检测效率和准确性。
-
公开(公告)号：CN118779874A
公开(公告)日：2024-10-15
申请号：CN202310376848.3
申请日：2023-04-10
Applicant: 北京邮电大学
IPC: G06F21/56 , G06F18/25 , G06N3/0464 , G06N3/096
Abstract: 本专利涉及恶意软件检测领域，针对目前该领域技术存在的特征信息不全面以及模型易受代码混淆技术干扰的问题，提出一种基于多特征融合的对比学习模型。方法包括，通过分析PE的行为记录，选取合适的属性值进行分析。使用Word2Vec将API序列名称进行编码，通过中心性定义计算API节点的四种中心性来表征API图的属性，筛选API相关重要参数组成作为API参数信息，将上述三个维度的信息进行特征融合，构建三维特征。之后利用有监督对比学习的学习能力，对上述构造的数据进行编码，生成向量表示。最后将向量输入ResNet分类器进行分类检测。该技术可以用于对恶意软件进行检测，基于其行为文件自动进行上述步骤，并给出检测结果帮助更好地识别恶意软件，维护用户系统安全。
-
公开(公告)号：CN118316680A
公开(公告)日：2024-07-09
申请号：CN202410430452.7
申请日：2024-04-10
Applicant: 北京邮电大学
Abstract: 本专利提出一种面向家庭物联网入侵防御方法，应用于网络安全领域，在实现检测恶意流量的同时，针对家庭物联网环境设备行为容易被侦听提出了基于设备分类的随机流量填充方案。实现了对家庭物联网主动攻击和被动攻击的防御。该实现过程主要包含入侵检测模块，流量整形模块，安全策略模块和设备管理模块。具体涉及在抓取到流量后根据入侵检测模块对流量分类，恶意流量采取隔离的安全策略，正常流量正常转发。在有出口流量时，对流量在活动时间整形和非活动时间概率整形，同时用设备管理模块管理流量，安全策略模块确定流量策略。本专利可用于网络安全运维、实时入侵检测以及家庭物联网实时防御等领域。
-
公开(公告)号：CN118101287A
公开(公告)日：2024-05-28
申请号：CN202410241030.5
申请日：2024-03-04
Applicant: 北京邮电大学
IPC: H04L9/40 , G06N3/094 , G06N3/09 , G06N3/0895
Abstract: 本专利提出一种利用基于双向生成对抗网络进行异常网络流量检测的方法，应用于网络安全领域，在实现防御常见网络攻击的同时，针对未知新型网络攻击导致异常网络流量检测出现误判情况影响正常业务的问题提出改进方案。同时后台利用深度学习等技术，自动化实时更新检测模型。该实现过程主要包含数据捕获、数据处理、双向生成对抗网络、Transformer模型、在线学习算法。具体涉及异常网络流量检测系统捕获实时流经网关的流量数据进行处理，传入训练好的基于双向生成对抗网络和Transformer算法的深度学习模型进行流量检测，根据检测结果进行告警或存储流量，并每隔一段时间使用流量更新系统模型。本专利可用于网络安全运维、实时灾备等领域。
-
公开(公告)号：CN116633623A
公开(公告)日：2023-08-22
申请号：CN202310597905.0
申请日：2023-05-24
Applicant: 北京邮电大学
IPC: H04L9/40 , H04L61/4511 , G06F18/214 , G06F18/241 , G06F18/25 , G06N3/0464 , G06N3/045 , G06N3/08
Abstract: 本发明属于物联网安全技术领域，公开了一种面向物联僵尸网络的DGA域名检测方法，包括：获取物联网设备发出的DNS域名解析请求中的域名字符串；将域名字符串输入训练好的域名检测模型中得到域名的二分类和多分类结果；其中，所述域名检测模型是基于Small BERT预训练模型与CNN的融合网络进行训练所得到的。本发明通过结合SmallBERT模型对域名以子词为粒度和基于CNN对域名以字符为粒度的两种特征提取能力，提高算法对域名语义、词法、发音性、字符随机性等综合特征的学习能力，提升针对随机单词型DGA域名的检测性能，改善域名多分类任务性能不平衡的问题，满足物联网环境下计算资源受限、推理速度高的要求，具有检测性能高、流程简单、易于部署、可用范围广的优点。
-
-
-
-
-
-
-
Search Results
18
records
(took 0.021 seconds)
