基于并行深度神经网络的隐私泄露检测方法

    公开(公告)号:CN119128993A

    公开(公告)日:2024-12-13

    申请号:CN202411620475.0

    申请日:2024-11-13

    Abstract: 本申请实施例提供基于并行深度神经网络的隐私泄露检测方法。本申请实施例中,先从获得的隐私数据集的每一隐私样本数据中提取敏感隐私特征以得到该隐私样本数据对应的敏感隐私特征向量;之后,由本设备上N个CPU内核基于各隐私样本数据对应的敏感隐私特征向量并行训练出对应的DNN模型,以当任一检测设备需要检测任一目标网络流时利用已训练出的DNN模型检测该目标网络流是否出现隐私泄露,这样实现了物联网设备隐私泄露的检测,保证了物联网设备的信息安全。本实施例中由N个CPU内核并行训练多个DNN模型,这样能够使得各DNN模型之间的模型参数不会相互影响,避免DNN模型间的耦合,提高了各DNN模型的性能。

    基于虚拟威胁分发的物联网安全评估方法、装置及系统

    公开(公告)号:CN116545780B

    公开(公告)日:2023-09-19

    申请号:CN202310823996.5

    申请日:2023-07-05

    Abstract: 本申请提供一种基于虚拟威胁分发的物联网安全评估方法、装置及系统,该方法包括:获取待评估物联网系统IP地址网段;对于任一待评估物联网系统IP地址网段,依据该物联网系统IP地址网段生成待扫描子网段;对所述待扫描子网段进行扫描,确定所述待扫描子网段中的目标终端设备;对于任一目标终端设备,向该目标终端设备注入目标命令,以使该目标终端设备依据所述目标命令下载并加载与本设备的操作系统框架匹配的虚拟威胁软件;依据所收集的待评估物联网系统中各目标终端设备的安全评估基础数据,对待评估物联网系统进行安全评估。该方法可以在对物联网环境无损害的情况下,实现物联网环境的安全评估。

    移动应用安全风险监测预警方法、系统、装置及电子设备

    公开(公告)号:CN116628684A

    公开(公告)日:2023-08-22

    申请号:CN202310887448.9

    申请日:2023-07-19

    Abstract: 本申请实施例提供一种移动应用安全风险监测预警方法、系统、装置及电子设备。在本实施例中,通过获取到的待上架的移动应用的属性信息确定移动应用的类型,对于不同类型的移动应用,通过不同的方法将待上架的移动应用运行在移动智能终端,可适用于多种类型的移动应用,通过对移动应用运行进行监控得到的监控结果确定移动应用的安全风险等级,实现了在移动应用上架前对待上架的移动应用的合规性检测,更加有效的对上架前的移动应用的合规性风险进行了管控;进一步地,通过上架登记平台获取到待上架的移动应用的属性信息,获取到的数据更为准确。

    基于语义感知的可定制隐私保护方法、系统、装置及设备

    公开(公告)号:CN115879160A

    公开(公告)日:2023-03-31

    申请号:CN202310105506.8

    申请日:2023-02-08

    Abstract: 本申请提供一种基于语义感知的可定制隐私保护方法、系统、装置及设备,该方法包括:通过所述设备连接器接收目标物联网设备发送的数据;对接收到的数据进行解析,确定接收到的数据对应的目标事件;依据所述目标事件,查询数据过滤策略,确定匹配的目标数据过滤策略在未查询到所述目标数据过滤策略,或,查询到匹配所述目标数据过滤策略,且确定所述目标事件包括所述目标数据过滤策略中的条件事件的情况下,通过所述平台连接器,将接收到的数据发送给物联网平台;在查询到所述目标数据过滤策略,但确定所述目标事件不包括所述目标数据过滤策略中的条件事件的情况下,对接收到的数据进行过滤。该方法可以减少上报的数据量,降低隐私数据泄露风险。

    基于混合学习的隐私泄漏检测方法及设备

    公开(公告)号:CN119358032A

    公开(公告)日:2025-01-24

    申请号:CN202411909716.3

    申请日:2024-12-23

    Abstract: 本申请提供一种基于混合学习的隐私泄漏检测方法及设备。在本申请的一个示例中,该基于混合学习的隐私泄漏检测方法包括:获取隐私泄露检测关联数据;利用无监督学习模型,对所述隐私泄露检测关联数据进行隐私泄露检测关联特征提取,得到隐私泄露检测关联特征;以及,利用超参数优化方案确定深度学习模型的初始最优超参数组合;构建隐私泄露检测模型,并依据所述初始最优超参数组合,利用所述隐私泄露检测关联特征对所述隐私泄露检测模型进行训练,得到训练好的隐私泄露检测模型;针对待检测物联网环境,对所述训练好的隐私泄露检测模型进行迁移学习。该方法可以提升模型在复杂物联网数据上的泛化能力和准确性。

    基于并行深度神经网络的隐私泄露检测方法

    公开(公告)号:CN119128993B

    公开(公告)日:2025-01-21

    申请号:CN202411620475.0

    申请日:2024-11-13

    Abstract: 本申请实施例提供基于并行深度神经网络的隐私泄露检测方法。本申请实施例中,先从获得的隐私数据集的每一隐私样本数据中提取敏感隐私特征以得到该隐私样本数据对应的敏感隐私特征向量;之后,由本设备上N个CPU内核基于各隐私样本数据对应的敏感隐私特征向量并行训练出对应的DNN模型,以当任一检测设备需要检测任一目标网络流时利用已训练出的DNN模型检测该目标网络流是否出现隐私泄露,这样实现了物联网设备隐私泄露的检测,保证了物联网设备的信息安全。本实施例中由N个CPU内核并行训练多个DNN模型,这样能够使得各DNN模型之间的模型参数不会相互影响,避免DNN模型间的耦合,提高了各DNN模型的性能。

    基于SDN驱动的集成学习访问控制方法及装置

    公开(公告)号:CN118400198B

    公开(公告)日:2024-09-06

    申请号:CN202410850465.X

    申请日:2024-06-27

    Abstract: 本申请提供一种基于SDN驱动的集成学习访问控制方法及装置,该方法包括:在通过数据平面接收到数据流后,确定数据平面是否已记录数据流的流标识对应的检测类别;若是,且检测类别是攻击类别,通过数据平面丢弃数据流;若否,通过数据平面将数据流发送给控制平面;在通过控制平面接收到数据流后,将数据流输入给异常访问检测模型得到数据流对应的检测类别;若检测类别是正常类别,通过控制平面向数据平面下发第一指令,以使数据平面将数据流转发给后端设备;若检测类别是攻击类别,通过控制平面向数据平面下发第二指令,第二指令包括数据流的流标识和攻击类别,以使数据平面丢弃数据流。通过本申请的技术方案,能够避免对后端设备进行攻击。

Patent Agency Ranking