一种持久化存储的异常通信行为分析与溯源方法及系统

    公开(公告)号:CN117914526A

    公开(公告)日:2024-04-19

    申请号:CN202311675826.3

    申请日:2023-12-08

    Abstract: 本发明公开了一种持久化存储的异常通信行为分析与溯源方法及系统包括,通过从预处理后的通信数据中识别出与正常通信行为不符的异常通信行为并标记;对不符的异常通信行为进行标记增强了数据的质量和可用性,减少了噪声和冗余信息,提高了后续模型训练的效率和准确性;同时,对标记的异常通信行为进行关联,确定异常通信行为的相对偏离程度,以评估威胁程度;通过对标记的异常通信行为进行关联和评估威胁,能够发现潜在的网络攻击并进行追溯,以采取应对措施,完善了对网络安全的实时监控;持久化存储,能够将存储的通信数据转化为模型训练参数,进而使得系统趋于自动化。

    一种基于机器学习的零信任网络信任评估方法

    公开(公告)号:CN116319025B

    公开(公告)日:2024-01-26

    申请号:CN202310294329.2

    申请日:2023-03-22

    Abstract: 本发明公开了一种基于机器学习的零信任网络信任评估方法,包括:第一阶段,包括数据预处理和选择性神经网络集成模型的结构设计,神经网络集成模型的集中权重为随机定义的向量;第二阶段,使用第一阶段设计的神经网络集成模型根据粒子群优化算法的搜索来优化集成权重;第三阶段,使用第二阶段优化后的集成权重,构建优化的选择性神经网络集成模型,使用优化的选择性集成模型来预测访问主体的可信分。本发明适用于零信任网络架构的信任评估,采用选择性集成学习,使用反向传播神经网络作为基本分类器,采用粒子群优化算法获得最优聚合权向量,实现对访问主体可信分的预测,具有更高的鲁棒性,解决了“零知识”和“冷启动”问题,拥有更好的准确性。

    一种基于机器学习的零信任网络信任评估方法

    公开(公告)号:CN116319025A

    公开(公告)日:2023-06-23

    申请号:CN202310294329.2

    申请日:2023-03-22

    Abstract: 本发明公开了一种基于机器学习的零信任网络信任评估方法,包括:第一阶段,包括数据预处理和选择性神经网络集成模型的结构设计,神经网络集成模型的集中权重为随机定义的向量;第二阶段,使用第一阶段设计的神经网络集成模型根据粒子群优化算法的搜索来优化集成权重;第三阶段,使用第二阶段优化后的集成权重,构建优化的选择性神经网络集成模型,使用优化的选择性集成模型来预测访问主体的可信分。本发明适用于零信任网络架构的信任评估,采用选择性集成学习,使用反向传播神经网络作为基本分类器,采用粒子群优化算法获得最优聚合权向量,实现对访问主体可信分的预测,具有更高的鲁棒性,解决了“零知识”和“冷启动”问题,拥有更好的准确性。

    一种基于多技术融合的攻击检测方法及系统

    公开(公告)号:CN119652560A

    公开(公告)日:2025-03-18

    申请号:CN202411594056.4

    申请日:2024-11-08

    Abstract: 本发明公开了一种基于多技术融合的攻击检测方法及系统,涉及网络安全检测技术领域,包括对接收的第一访问流量进行备份、解密和深度解码,形成深度解码包;对深度解码包进行第一级检测和第二级检测;对检测通过的流量进行整合,完成流量检测。本发明所述方法通过对深度解码包进行第一级检测和第二级检测,实现了对流量的多维度检测机制,将多种检测方式的融合使用,使对访问流量的检测方式更加全面,使隐藏在访问流量中的隐蔽攻击行为得以被发现,进而可以提供处置的机会,在进行智能检测时采用热部署的方式,使得不同的模型得以动态的加载进行检测,增加了隐藏攻击行为发现机会,增强了智能检测的效果。

Patent Agency Ranking