公开(公告)号：CN107347069A

公开(公告)日：2017-11-14

申请号：CN201710556626.4

申请日：2017-07-10

Applicant: 北京理工大学

Inventor： 胡昌振 ,  陈韵 ,  吕坤

IPC: H04L29/06 ,  H04L12/721 ,  H04L12/751 ,  H04L12/24

CPC classification number: H04L63/1433 ,  H04L41/145 ,  H04L41/147 ,  H04L45/02 ,  H04L45/123

Abstract: 本发明涉及一种基于Kohonen神经网络的最佳攻击路径规划方法，属于信息安全技术领域。具体操作步骤为：步骤一、获取网络结构。步骤二、收集网络系统中主机及漏洞信息。步骤三、建立Kohonen神经网络模型。步骤四、训练Kohonen神经网络模型，得到训练好的Kohonen神经网络模型。步骤五、使用训练好的Kohonen神经网络模型，对实验数据进行预测，得到输出向量Ym。步骤六、构造K-攻击图。步骤七、根据K-攻击图构造概率矩阵以及最佳原子攻击矩阵。步骤八、得到最佳攻击路径。本发明提出的基于Kohonen神经网络的攻击路径规划方法与已有技术相比较，具有以下优点：①生成的攻击图只保留最可能的攻击节点，避免了状态爆炸问题。②泛化性能强。③最优攻击路径生成速度快。

公开(公告)号：CN107948137A

公开(公告)日：2018-04-20

申请号：CN201711057910.3

申请日：2017-11-01

Applicant: 北京理工大学

Inventor： 胡昌振 ,  吕坤 ,  陈韵

IPC: H04L29/06

CPC classification number: H04L63/1433 ,  H04L63/1441

Abstract: 本发明涉及一种基于改进的Q学习的最佳攻击路径规划方法，属于信息安全技术领域。具体操作步骤为：步骤一、获取网络结构。步骤二、获取网络系统中各主机中存在的漏洞，建立主机漏洞状态表。步骤三、建立改进的Q学习模型。步骤四、通过改进的Q学习算法，获取最佳攻击路径路径。本发明提出的基于改进Q学习的最佳攻击路径规划方法与已有技术相比较，具有以下优点：①取消了动作集合并将所有动作与状态融合,使得算法的空间复杂度下降；②最优攻击路径生成速度快；③生成的最优攻击路径更简洁有效。

公开(公告)号：CN106657144A

公开(公告)日：2017-05-10

申请号：CN201710048160.7

申请日：2017-01-20

Applicant: 北京理工大学

Inventor： 胡昌振 ,  陈韵 ,  吕坤

IPC: H04L29/06 ,  H04L12/24

CPC classification number: H04L63/1416 ,  H04L41/12 ,  H04L41/145 ,  H04L63/1433

Abstract: 本发明涉及一种基于增强学习的动态保护路径规划方法，属于信息安全技术领域。具体操作步骤为：步骤一、生成分布式的网络攻击图。步骤二、寻找最差攻击路径。步骤三、生成网络模型。步骤四、通过增强学习，获取最佳保护路径。本发明提出的方法与已有技术相比较，具有以下优点：①不需要收集训练数据，对网络模型进行训练。②可以在线学习，不断确定不同时刻不同网络状态对应的最佳保护路径。③对传输数据的保护程度高。④最优保护路径生成速度快。

公开(公告)号：CN106657144B

公开(公告)日：2019-06-28

申请号：CN201710048160.7

申请日：2017-01-20

Applicant: 北京理工大学

Inventor： 胡昌振 ,  陈韵 ,  吕坤

IPC: H04L29/06 ,  H04L12/24

Abstract: 本发明涉及一种基于增强学习的动态保护路径规划方法，属于信息安全技术领域。具体操作步骤为：步骤一、生成分布式的网络攻击图。步骤二、寻找最差攻击路径。步骤三、生成网络模型。步骤四、通过增强学习，获取最佳保护路径。本发明提出的方法与已有技术相比较，具有以下优点：①不需要收集训练数据，对网络模型进行训练。②可以在线学习，不断确定不同时刻不同网络状态对应的最佳保护路径。③对传输数据的保护程度高。④最优保护路径生成速度快。

公开(公告)号：CN107317756A

公开(公告)日：2017-11-03

申请号：CN201710556319.6

申请日：2017-07-10

Applicant: 北京理工大学

Inventor： 胡昌振 ,  陈韵 ,  吕坤

IPC: H04L12/751 ,  H04L29/06

CPC classification number: H04L45/02 ,  H04L63/1441

Abstract: 本发明涉及一种基于Q学习的最佳攻击路径规划方法，属于信息安全技术领域。具体操作步骤为：步骤一、获取网络结构。步骤二、获取网络系统中各主机中存在的漏洞。步骤三、建立Q学习模型。步骤四、通过Q学习模型，获取最佳攻击路径路径。本发明提出的基于Q学习的最佳攻击路径规划方法与已有技术相比较，具有以下优点：①不需要收集训练数据，对网络模型进行训练；②可在线学习，实时确定不同时刻不同网络状态对应的最佳攻击路径；③学习率使用了退火模型，所以收敛的更加精确；④最优攻击路径生成速度快；⑤由于不需要生成攻击图，所以可以适用于大规模计算机集群。