公开(公告)号：CN117439778A

公开(公告)日：2024-01-23

申请号：CN202311353103.1

申请日：2023-10-18

Applicant: 北京工业大学

Inventor： 李方昱 ,  林军诺 ,  杜永萍 ,  韩红桂

IPC: H04L9/40 ,  H04L41/14 ,  H04L41/16 ,  H04L67/12 ,  G06N3/0464 ,  G06N3/049 ,  G06N3/098

Abstract: 本发明提供了一种基于联邦学习的分布式物联网网络攻击检测方法。本发明在联邦学习基础上，构建了分布式物联网网络攻击检测方法，利用了多个边缘设备对网络攻击检测模型进行训练，并共同构建一个全局网络攻击检测模型，实现了实现数据驱动的预测分析和工业生产条件下的协同建模。这种基于联邦学习的分布式物联网网络攻击检测方法，可以解决在分布式物联网系统中由于时序数据分布不集中带来的协同建模精度低问题，实现了高精度网络攻击检测，为分布式物联网网络攻击检测提供技术支持。

公开(公告)号：CN118250036A

公开(公告)日：2024-06-25

申请号：CN202410294460.3

申请日：2024-03-14

Applicant: 北京工业大学

Inventor： 李方昱 ,  林军诺 ,  杜永萍 ,  韩红桂

IPC: H04L9/40

Abstract: 本发明提出了一种基于分布式时态图学习的工业互联网攻击检测方法，针对实际工业互联网中对复杂高维数据进行分布式学习建模过程中通信量高而且攻击检测精度低的问题。该方法首先利用边缘设备多层自适应提取本地高维时序数据并构建图结构，然后在边缘通过聚类得到具有表征能力的聚类特征图，最后在中心计算节点实现节点关系动态图学习。本发明能够实现工业互联网中攻击精确检测，为工业互联网行业提供技术支持。

公开(公告)号：CN119135394A

公开(公告)日：2024-12-13

申请号：CN202411186178.X

申请日：2024-08-27

Applicant: 北京工业大学

Inventor： 李方昱 ,  林军诺 ,  杜永萍 ,  高慧慧 ,  韩红桂

IPC: H04L9/40 ,  G06F18/2431 ,  G06F18/2415 ,  G06F18/213 ,  G06N3/042 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/098 ,  G06F123/02

Abstract: 本发明针对了工业互联网中的网络攻击的问题，提出了一种基于联邦图信息压缩的工业网络攻击检测方法。该方法在联邦学习框架下通过图结构表征数据特征，并提取节点矩阵和邻接矩阵中的重要特征，中心服务器聚合并更新来自边缘设备的检测模型。本发明旨在提升工业网络安全和智能检测能力。

公开(公告)号：CN119094158A

公开(公告)日：2024-12-06

申请号：CN202411044467.6

申请日：2024-08-01

Applicant: 北京工业大学

Inventor： 李方昱 ,  林军诺 ,  王烁 ,  牛末寒 ,  杜永萍

IPC: H04L9/40 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/08 ,  H04L41/16

Abstract: 本发明提出了一种基于扩散模型的网络攻击样本生成方法，利用一维混合扩散模型对攻击数据进行学习，生成分布相似的新攻击样本。该方法增加了样本量和多样性，提高了物联网系统中的检测精度和鲁棒性，有效应对复杂网络攻击，适用于物联网和工业控制系统的网络安全防护。