-
公开(公告)号：CN113222775A
公开(公告)日：2021-08-06
申请号：CN202110607064.8
申请日：2021-05-28
Applicant: 北京理工大学
Abstract: 本发明涉及融合多模态信息及权重张量的用户身份关联方法，属于机器学习领域。主要为了解决目前用户身份关联方法中使用的用户信息单一，忽略其他模态信息和需要大量的标注数据的问题。本发明收集用户多模态特征信息并进行预处理，构建社交网络用户数据集；然后，使用规则匹配方法获得初始用户匹配矩阵和候选集过滤器；最后通过Transformer编码器和改进的基于权重张量分解的张量融合方法得到用户多模态特征的联合嵌入，使用Triplet Network结构迭代更新Transformer编码器权值，根据两个用户的联合嵌入表示相似性和设定的阈值判断两个用户是否匹配，输出最终用户匹配矩阵。
-
Patent Agency Ranking
公开(公告)号：CN110048960A
公开(公告)日：2019-07-23
申请号：CN201910308535.8
申请日：2019-04-17
Applicant: 北京理工大学
IPC: H04L12/851 , H04L12/855 , H04L29/06 , H04L29/12
Abstract: 本发明设计了一种带报文应答的分布式流量生成系统，技术涉及分布式网络系统、传输层TCP和UDP协议栈及其应用层协议解析和报文重构，属于计算机与信息科学技术领域。本发明的目的是为解决目前软件流量生成系统无法提供在渗透测试时可供用户定制的流量应答服务，以及现有软件流量生成系统受单机带宽限制而无法为复杂系统提供用于稳定性测试的大带宽背景流量的问题。本发明在使用时用户可使用针对本系统特意构建的多域高级规则匹配模块，对流量生成规则和报文应答规则进行深度自定义，从而使生成的流量具有高度拟真的特性。同时用户可根据不同的网络拓扑结构部署分布式流量出口，从而可以使生成的流量尽可能充满所有的子网，全面测试网络系统的稳定性和安全性。
-
公开(公告)号：CN113222775B
公开(公告)日：2022-08-05
申请号：CN202110607064.8
申请日：2021-05-28
Applicant: 北京理工大学
Abstract: 本发明涉及融合多模态信息及权重张量的用户身份关联方法，属于机器学习领域。主要为了解决目前用户身份关联方法中使用的用户信息单一，忽略其他模态信息和需要大量的标注数据的问题。本发明收集用户多模态特征信息并进行预处理，构建社交网络用户数据集；然后，使用规则匹配方法获得初始用户匹配矩阵和候选集过滤器；最后通过Transformer编码器和改进的基于权重张量分解的张量融合方法得到用户多模态特征的联合嵌入，使用Triplet Network结构迭代更新Transformer编码器权值，根据两个用户的联合嵌入表示相似性和设定的阈值判断两个用户是否匹配，输出最终用户匹配矩阵。
-
公开(公告)号：CN115118450B
公开(公告)日：2024-01-05
申请号：CN202210534998.8
申请日：2022-05-17
Applicant: 北京理工大学
IPC: H04L9/40 , G06N3/0464 , G06N3/09
Abstract: 本发明涉及融合多级特征的增量式动态权值集成学习入侵检测方法，属于计算机与信息科学技术网络空间安全领域。本发明首先通过混合时间窗重建流量的拓扑特征，同时为时间窗内的流量建立敏感数据流向特征；其次基于注意力机制融合拓扑特征，生成特征向量；然后训练初级分类器和深度置信网络，并在深度置信网络训练过程中加入历史知识；最后利用深度置信网络生成动态权值构建训练集并训练次级分类器。本发明有效缓解了集成学习入侵检测方法中单一级别特征无法检测出高隐蔽性攻击和动态权值生成不精确且不具有可持续性导致检测性能下降的问题，有效提升了入侵检测模型的分类准确率。
-
公开(公告)号：CN115118450A
公开(公告)日：2022-09-27
申请号：CN202210534998.8
申请日：2022-05-17
Applicant: 北京理工大学
Abstract: 本发明涉及融合多级特征的增量式动态权值集成学习入侵检测方法，属于计算机与信息科学技术网络空间安全领域。本发明首先通过混合时间窗重建流量的拓扑特征，同时为时间窗内的流量建立敏感数据流向特征；其次基于注意力机制融合拓扑特征，生成特征向量；然后训练初级分类器和深度置信网络，并在深度置信网络训练过程中加入历史知识；最后利用深度置信网络生成动态权值构建训练集并训练次级分类器。本发明有效缓解了集成学习入侵检测方法中单一级别特征无法检测出高隐蔽性攻击和动态权值生成不精确且不具有可持续性导致检测性能下降的问题，有效提升了入侵检测模型的分类准确率。
-
公开(公告)号：CN110048960B
公开(公告)日：2021-03-30
申请号：CN201910308535.8
申请日：2019-04-17
Applicant: 北京理工大学
IPC: H04L12/851 , H04L12/855 , H04L29/06 , H04L29/12
Abstract: 本发明设计了一种带报文应答的分布式流量生成系统，技术涉及分布式网络系统、传输层TCP和UDP协议栈及其应用层协议解析和报文重构，属于计算机与信息科学技术领域。本发明的目的是为解决目前软件流量生成系统无法提供在渗透测试时可供用户定制的流量应答服务，以及现有软件流量生成系统受单机带宽限制而无法为复杂系统提供用于稳定性测试的大带宽背景流量的问题。本发明在使用时用户可使用针对本系统特意构建的多域高级规则匹配模块，对流量生成规则和报文应答规则进行深度自定义，从而使生成的流量具有高度拟真的特性。同时用户可根据不同的网络拓扑结构部署分布式流量出口，从而可以使生成的流量尽可能充满所有的子网，全面测试网络系统的稳定性和安全性。
-
-
-
-
-
Search Results
6
records
(took 0.016 seconds)
