一种基于哈希计算的通信可信认证方法

    公开(公告)号:CN115567272A

    公开(公告)日:2023-01-03

    申请号:CN202211150350.7

    申请日:2022-09-21

    Abstract: 本发明涉及一种基于哈希计算的通信可信认证方法,属于网络安全技术领域。本发明通过使用哈希计算对通信消息及可信坐标值生成消息摘要的方式,提升了对通信消息非法篡改的校验功能。本发明基于首次连接协商的信任字典进行身份认证,同时不在通信中传递可信坐标值,而是传递可信坐标值的取值坐标,一方面避免了每次通信都需要计算可信凭证,导致通信效率降低的问题,另一方面避免黑客在监听通信的过程中获取可信坐标值,伪造合法设备身份。

    一种虚拟化运维堡垒系统

    公开(公告)号:CN109951337B

    公开(公告)日:2022-02-11

    申请号:CN201910230127.5

    申请日:2019-03-26

    Abstract: 本发明涉及一种虚拟化运维堡垒系统,涉及网络安全技术领域。本发明通过采取部署在云平台内虚拟机的方式,直接取消了硬件成本;通过与云平台固有组件配合,可以实现大量终端与运维目标的同时连接,也可以在运维空闲时释放资源,保证了极高的资源使用率;与云平台固有组件配合,简易的获取云内部署的全部资源,极大的简化了初始化操作。通过图形化审计可以完整的记录全部运维操作,方便事故后的定责。

    一种基于深度置信网络和SVM的网络攻击检测方法

    公开(公告)号:CN109194612B

    公开(公告)日:2021-05-18

    申请号:CN201810832545.7

    申请日:2018-07-26

    Abstract: 本发明公开了一种基于深度置信网络和SVM的网络攻击检测方法,其中,包括:步骤1:构造网络攻击行为特征向量;步骤2:确定模型训练集和测试集,给数据制定标签,区分正常行为与攻击行为,并将攻击行为分类;步骤3:构建深度置信网络模型,逐层训练,提取网络攻击行为特征,并计算误差,直至收敛,再对模型的权值进行微调,得到特征向量;步骤4:将提取的特征向量作为输入参数,选择合适的SVM分类器进行训练,对网络攻击行为进行分类,构建网络攻击检测模型;步骤5:构建网络攻击行为分析模型,使用测试集测试模型准确率,计算准确率、误报率与漏报率,并将识别出的网络攻击行为作为训练数据,进行优化。

    一种基于用户群行为活动的安全分析方法

    公开(公告)号:CN109347808A

    公开(公告)日:2019-02-15

    申请号:CN201811120889.1

    申请日:2018-09-26

    CPC classification number: H04L63/20 H04L67/22

    Abstract: 本发明涉及一种基于用户群行为活动的安全分析方法,涉及网络安全技术领域。本发明通过构建实体用户与应用系统用户的映射关系,形成统一的用户身份管理,为异常行为定位到个人提供基础。同时,搜集用户在网络中的行为活动信息,形成完整的用户行为活动记录,并根据历史数据进行统计分析,形成四类用户日常行为模式。依据用户行为活动“白模式”中的信息,实时分析用户行为和模式,实时研判用户行为是否属于异常行为。对不确定的用户行为活动,进行逆向用户行为分析和判断,通过深度分析线索,并结合与该用户具有相同角色和权限的用户的行为模式的对比分析结果,实现对用户行为的监测以及高危用户行为评估,从而发现数据渗透、APT攻击等行为。

    一种基于信任度的差异化入侵防御方法

    公开(公告)号:CN109347807A

    公开(公告)日:2019-02-15

    申请号:CN201811100663.5

    申请日:2018-09-20

    Abstract: 本发明涉及一种基于信任度的差异化入侵防御方法,涉及网络安全技术领域。本发明提出了一种基于信任度的差异化入侵防御方法,通过对角色的遍历匹配,建立信任度对照机制;以信任度分级为基础,对数据流量进行分流;通过采取不同级别匹配不同规则下的过滤器的方式,对流量进行差异化检测,达到对大流量情况下的分化安全检测和平时的常规安全检测的目的。由于本发明的方法减少了对高、中信任度角色的过滤器检测数量,对零信任度角色采取可以数据包抛弃方法,因此可以认为本方法有效减少了非必要检测的时间消耗,达到增加入侵防御设备性能的目的。

    一种基于深度置信网络和SVM的网络攻击检测方法

    公开(公告)号:CN109194612A

    公开(公告)日:2019-01-11

    申请号:CN201810832545.7

    申请日:2018-07-26

    Abstract: 本发明公开了一种基于深度置信网络和SVM的网络攻击检测方法,其中,包括:步骤1:构造网络攻击行为特征向量;步骤2:确定模型训练集和测试集,给数据制定标签,区分正常行为与攻击行为,并将攻击行为分类;步骤3:构建深度置信网络模型,逐层训练,提取网络攻击行为特征,并计算误差,直至收敛,再对模型的权值进行微调,得到特征向量;步骤4:将提取的特征向量作为输入参数,选择合适的SVM分类器进行训练,对网络攻击行为进行分类,构建网络攻击检测模型;步骤5:构建网络攻击行为分析模型,使用测试集测试模型准确率,计算准确率、误报率与漏报率,并将识别出的网络攻击行为作为训练数据,进行优化。

Patent Agency Ranking