-
公开(公告)号：CN103729678A
公开(公告)日：2014-04-16
申请号：CN201310681479.5
申请日：2013-12-12
Applicant: 中国科学院信息工程研究所
Abstract: 本发明涉及一种基于改进DBN模型的水军检测方法，具体包括以下步骤：步骤1：采用已分类数据集对原始DBN深度信念网络模型进行训练和检测，构成改进DBN深度信念网络模型；步骤2：将待分类数据集中的数据输入改进DBN深度信念网络模型进行分类，完成对水军用户的识别。本发明结合DBN深度信念网络和PSO粒子群算法对“苍蝇水军”进行识别，然后构造DBN模型，用已分类数据集对模型进行训练，最后用得到的模型对待分类用户数据进行分类，即实现了“苍蝇水军”的识别。该方法是对BP神经网络算法的改进，既可以保证较高的判定准确率，又具有较短的训练时间，且不易陷入局部最优解。
-
公开(公告)号：CN111382780B
公开(公告)日：2023-11-03
申请号：CN202010090768.8
申请日：2020-02-13
Applicant: 中国科学院信息工程研究所
IPC: G06F18/24 , G06F18/23 , G06N3/006 , G06N3/0464 , G06F18/211 , G06F18/214 , H04L67/02
Abstract: 本发明涉及一种基于HTTP不同版本的加密网站细粒度分类方法和装置。该方法包括以下步骤：对待分类的加密网站建立本地请求和响应序列特征；将待分类的加密网站的本地请求和响应序列特征输入深度森林模型；所述深度森林模型是利用由训练数据建立的网页的本地请求和响应序列特征进行训练而得到的深度森林模型；通过深度森林模型得到加密网站细粒度分类结果本发明可以对使用不同版本的HTTP协议的加密网站进行分类，既适用于粗粒度网站指纹，即对不同网站的主页分类，也适用于细粒度网站指纹，即对同一个网站下不同网页分类；不仅可以在双向流场景中使用，也可以在单向流场景中使用。
-
公开(公告)号：CN114615007B
公开(公告)日：2023-05-23
申请号：CN202210037410.8
申请日：2022-01-13
Applicant: 中国科学院信息工程研究所
IPC: H04L9/40 , G06F18/214 , G06F18/2431 , G06N5/01
Abstract: 本发明公开一种基于随机森林的隧道混合流量分类方法及系统，属于计算机软件技术领域，利用数据包长度对隧道混合流量进行首次分裂，再利用数据包长度和包方向的统计特征进行再次分裂，判断再次分裂结果是否为混合流量；如果不是，则对当中的单个网络行为流量提取包长度和包方向的统计特征，利用随机森林分类器对流量进行分类，输出分类结果；如果是，则对混合流量按照数据包方向划分突发流量Burst并分裂，再对分裂的Burst进行聚合；对聚合的Burst提取统计特征，利用随机森林分类器对隧道流量进行分类，然后通过多数表决，识别隧道内混合流量。
-
公开(公告)号：CN114615007A
公开(公告)日：2022-06-10
申请号：CN202210037410.8
申请日：2022-01-13
Applicant: 中国科学院信息工程研究所
Abstract: 本发明公开一种基于随机森林的隧道混合流量分类方法及系统，属于计算机软件技术领域，利用数据包长度对隧道混合流量进行首次分裂，再利用数据包长度和包方向的统计特征进行再次分裂，判断再次分裂结果是否为混合流量；如果不是，则对当中的单个网络行为流量提取包长度和包方向的统计特征，利用随机森林分类器对流量进行分类，输出分类结果；如果是，则对混合流量按照数据包方向划分突发流量Burst并分裂，再对分裂的Burst进行聚合；对聚合的Burst提取统计特征，利用随机森林分类器对隧道流量进行分类，然后通过多数表决，识别隧道内混合流量。
-
Patent Agency Ranking
公开(公告)号：CN114510615A
公开(公告)日：2022-05-17
申请号：CN202111191717.5
申请日：2021-10-13
Applicant: 中国科学院信息工程研究所
IPC: G06F16/906 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种基于图注意力池化网络的细粒度加密网站指纹分类方法和装置。该方法建立用于描述网络流量模式的流量踪迹图，流量踪迹图中的节点表示网络流，边表示网络流的上下文关系；利用图神经网络模型自动学习流量踪迹图中的流内特征和流间特征，得到流量踪迹图的有效嵌入表示；利用流量踪迹图的有效嵌入表示进行网站指纹分类。本发明提出可以合理描述网络流量模式的流量踪迹图，该方法基于图神经网络算法，无需复杂的人工特征选择，可以同时有效学习网络流量的全局特征和局部特征，可以自动学习并更加关注重要流节点，并减少类间相似流节点和噪声流节点的负面影响。本发明适合多种粒度网站指纹场景，性能更优，且所需训练样本数量更少。
-
公开(公告)号：CN114021637A
公开(公告)日：2022-02-08
申请号：CN202111282170.X
申请日：2021-11-01
Applicant: 中国科学院信息工程研究所
Abstract: 本发明公开了一种基于度量空间下去中心化应用加密流量分类方法及装置，包括收集去中心化应用的加密流量，对各加密流量标记应用；利用各加密流量的特征向量，进行聚类，以划分简单样本和困难样本；将聚类结果中任一困难样本作为正样本F，该正样本F所属类别的簇中心点作为正样本簇中心CF，其他类别中的任一困难样本作为负样本F′i，该负样本F′i所属类别的簇中心点作为以构建若干四元组利用四元组S对四重网络进行训练，得到分类模型；将测试集中的样本输入分类模型，在度量空间下计算相似度，获取目标加密流量的分类结果。本发明提供包含更多信息的优质样本，有效的筛选简单数据集，通过网络自动学习有效特征，使DApps分类更加高效、更加准确。
-
公开(公告)号：CN111382780A
公开(公告)日：2020-07-07
申请号：CN202010090768.8
申请日：2020-02-13
Applicant: 中国科学院信息工程研究所
Abstract: 本发明涉及一种基于HTTP不同版本的加密网站细粒度分类方法和装置。该方法包括以下步骤：对待分类的加密网站建立本地请求和响应序列特征；将待分类的加密网站的本地请求和响应序列特征输入深度森林模型；所述深度森林模型是利用由训练数据建立的网页的本地请求和响应序列特征进行训练而得到的深度森林模型；通过深度森林模型得到加密网站细粒度分类结果本发明可以对使用不同版本的HTTP协议的加密网站进行分类，既适用于粗粒度网站指纹，即对不同网站的主页分类，也适用于细粒度网站指纹，即对同一个网站下不同网页分类；不仅可以在双向流场景中使用，也可以在单向流场景中使用。
-
公开(公告)号：CN103812872B
公开(公告)日：2016-11-23
申请号：CN201410073426.X
申请日：2014-02-28
Applicant: 中国科学院信息工程研究所
Abstract: 本发明涉及一种基于混合狄利克雷过程的网络水军行为检测方法及系统，其方法为，采集包括用户行为特征和内容特征的原始数据，并对每个维度的原始数据进行量化表示构成用户的历史行为向量，构成待聚类用户数据集；对待聚类用户数据集中的历史行为向量进行聚类，得到至少一个分类用户行为集合；将所有分类用户行为集合中的数据进行转换，对转换后的数据中具有相同用户标识的数据合并，得到序列数据库；模式挖掘模块对序列数据库进行序列模式挖掘，得到分别对应每个分类用户行为集合的至少一个事务序列模式；水军判断模块比较每个事务序列模式，就可以判断出哪个分类用户行为集合是水军账号。本发明很容易分辨出哪一类属于水军账号。
-
公开(公告)号：CN103795592A
公开(公告)日：2014-05-14
申请号：CN201410027720.7
申请日：2014-01-21
Applicant: 中国科学院信息工程研究所
IPC: H04L12/26
Abstract: 本发明涉及一种网络水军的检测方法及装置。其中，网络水军的检测方法包括：步骤一，将原始的用户描述信息表示为归一化的用户描述向量，从用户描述向量中筛选出已分类数据，将该已分类数据的a%作为深度信念网络DBN模型的训练数据，将该已分类数据的b%作为DBN模型的检测数据；步骤二，用训练数据训练DBN模型，输出训练得到的DBN模型；步骤三，检验输出DBN模型的收敛性和判定准确率，根据检验结果调整所述步骤一和步骤二中的相关参数，直至所述输出DBN模型达到预设收敛条件或终止条件；步骤四，使用最终DBN模型对网络水军进行检测。本发明的网络水军的检测方法及装置，既提高了网络水军检测算法的收敛性和准确率，又缩短了海量样本数据下的模型训练时间。
-
-
-
-
-
-
-
-
Search Results
39
records
(took 0.031 seconds)
