公开(公告)号：CN118550818A

公开(公告)日：2024-08-27

申请号：CN202410529851.9

申请日：2024-04-29

Applicant: 北京理工大学

Inventor： 单纯 ,  林泽炜 ,  陈宇墨 ,  吕玥瞳 ,  李颖

IPC: G06F11/36 ,  G06N3/045 ,  G06F21/56 ,  G06F21/57

Abstract: 本发明提出了一种面向结构化文件模糊测试的种子生成优化方法，具体包括，对目标程序进行静态分析，生成程序控制流图；执行目标程序并动态监控，得到已执行路径；根据程序控制流图和已执行路径生成未执行路径；深度学习模型用于学习执行路径与基本数据单元序列之间的关系，利用深度学习模型预测可能覆盖未执行路径的基本数据单元，其中，深度学习模型为TransformerXL模型；由新获得的基本数据单元组装得到新的结构化文件，新的结构化文件即为新生成的种子。本发明提高了种子通过目标程序的初步格式和语义检查的通过率，提升了种子多样性，进而提高了模糊测试的效率。

公开(公告)号：CN116455624A

公开(公告)日：2023-07-18

申请号：CN202310366941.6

申请日：2023-04-07

Applicant: 北京理工大学

Inventor： 胡昌振 ,  王可惟 ,  单纯 ,  王余阳 ,  林泽炜

IPC: H04L9/40

Abstract: 本发明提出了一种应用层DDoS攻防效果评估方法，以目标应用的计算、存储等资源指标，和服务质量指标为基础，利用主成分分析方法，对数据指标构成的空间进行降维，并提取主成分，构建攻击及防御行为产生作用的资源状态空间和服务质量状态空间，并且，将状态空间描述为微分流形，给出微分流形的黎曼度量结构，最后，利用微分几何原理，对攻击及防御行为产生的效果进行量化计算，能够准确地评估攻击及防御系统的效果，为应用层DDoS攻击的防御提供有效参考。