一种基于DAS系统评估地层中CO2封存泄露风险的方法

    公开(公告)号:CN115016030A

    公开(公告)日:2022-09-06

    申请号:CN202210469791.7

    申请日:2022-04-28

    Abstract: 本发明公开了一种基于DAS系统评估地层中CO2封存泄露风险的方法,通过采用DAS系统完成地下光缆对井筒结构健康以及盖层蠕动、活化、断裂等情况进行实时动态监测,同时通过获取光纤沿线所有位置的扰动信息,实现井筒宽频振动和地层运动产生的低频形变进行空间密集采样。本发明选用DAS系统作为一种远程监测手段,解调主机可放置于室内,只需将相对廉价的光缆置于井筒内即可实现三维空间定位,重复使用率高,综合成本低,使用寿命长;并且传感光缆能够永久留存,能对油气开采和碳存储进行全生命周期监测,有效降低CO2大规模泄露风险。

    一种基于DAS系统评估地层中CO2封存泄漏风险的方法

    公开(公告)号:CN115016030B

    公开(公告)日:2025-01-03

    申请号:CN202210469791.7

    申请日:2022-04-28

    Abstract: 本发明公开了一种基于DAS系统评估地层中CO2封存泄漏风险的方法,通过采用DAS系统完成地下光缆对井筒结构健康以及盖层蠕动、活化、断裂等情况进行实时动态监测,同时通过获取光纤沿线所有位置的扰动信息,实现井筒宽频振动和地层运动产生的低频形变进行空间密集采样。本发明选用DAS系统作为一种远程监测手段,解调主机可放置于室内,只需将相对廉价的光缆置于井筒内即可实现三维空间定位,重复使用率高,综合成本低,使用寿命长;并且传感光缆能够永久留存,能对油气开采和碳存储进行全生命周期监测,有效降低CO2大规模泄漏风险。

    一种用于安卓攻击场景重建的可视化取证系统及实现方法

    公开(公告)号:CN113569234B

    公开(公告)日:2023-11-03

    申请号:CN202110674761.5

    申请日:2021-06-17

    Applicant: 南京大学

    Abstract: 本发明提供一种用于安卓攻击场景重建的可视化取证系统及实现方法。系统包括:配置模块、用户操作收集模块、UI收集模块、UI分析模块、Log收集模块、Log过滤模块和关联分析模块。本发明提出针对Android设备的自顶向下的数字取证工具,将高级应用程序UI元素与低级安全相关的系统事件相结合,重构攻击场景。相比之前的场景重建方法,能够从全局的角度解释攻击的本质,具有细粒度和易于理解的上下文语义。本发明基于内置的Android调试桥工具包开发的,并且可以在任何安卓系统运行时部署和运行。易于部署,并且无需修改Android设备,相对于现有方法更安全,更灵活,并且场景重建的结果可视化效果更好。

    智能家居环境中通过误导嗅探工具保护隐私的系统及方法

    公开(公告)号:CN111885009B

    公开(公告)日:2021-12-17

    申请号:CN202010632100.1

    申请日:2020-07-03

    Applicant: 南京大学

    Inventor: 伏晓 刘轩宇 骆斌

    Abstract: 本发明提供了智能家居环境中通过误导嗅探工具保护隐私的系统及方法,系统包括:网络特征学习模块、隐私保护策略制定模块和网络数据包注入模块。本发明基于无线网络环境中的数据包嗅探分析技术和数据包注入技术,能够独立运行在第三方硬件中,可以方便快捷地部署在智能家居环境中。本发明不修改智能家居环境的任何部分,不影响智能家居环境的正常运行,不需要任何外部的支持,灵活度高,适配性强。本发明通过注入无线网络数据包来在真实智能家居环境中模拟虚假用户。由于其模拟策略基于真实智能家居环境中的网络特征信息,故其模拟的虚假用户与真实用户无异,无法被攻击者区分和识别,以此达到保护智能家居环境中用户隐私的目的。

    在智能家居环境中通过误导网络嗅探工具从而保护用户隐私的系统及方法

    公开(公告)号:CN111885009A

    公开(公告)日:2020-11-03

    申请号:CN202010632100.1

    申请日:2020-07-03

    Applicant: 南京大学

    Inventor: 伏晓 刘轩宇 骆斌

    Abstract: 本发明提供了在智能家居环境中通过误导网络嗅探工具从而保护用户隐私的系统及方法,系统包括:网络特征学习模块、隐私保护策略制定模块和网络数据包注入模块。本发明基于无线网络环境中的数据包嗅探分析技术和数据包注入技术,能够独立运行在第三方硬件中,可以方便快捷地部署在智能家居环境中。本发明不修改智能家居环境的任何部分,不影响智能家居环境的正常运行,不需要任何外部的支持,灵活度高,适配性强。本发明通过注入无线网络数据包来在真实智能家居环境中模拟虚假用户。由于其模拟策略基于真实智能家居环境中的网络特征信息,故其模拟的虚假用户与真实用户无异,无法被攻击者区分和识别,以此达到保护智能家居环境中用户隐私的目的。

    应用于云计算环境的基于用户意图检测的取证系统及方法

    公开(公告)号:CN109254902B

    公开(公告)日:2022-02-08

    申请号:CN201810753647.X

    申请日:2018-07-10

    Applicant: 南京大学

    Inventor: 伏晓 刘轩宇 骆斌

    Abstract: 本发明公开了一种应用于云计算环境的基于用户意图检测的计算机取证系统及其方法,系统包括客户端和云代理服务器端两个部分,客户端部署有初始化驱动模块、系统控制中心、系统支持模块组;云代理服务器端部署有取证功能模块组。本发明通过在客户端实现一个轻量化的虚拟机监视器,使得取证工具可以直接利用硬件虚拟化技术带来的便利和灵活性,提供工具进行迅速分析和实时证据获取,通过在客户端和服务器端之间搭建一个云代理服务器,使得服务器端可以直接使用取证系统的功能而不需要重构云系统架构。本方法克服了当前事后取证方法的缺陷,克服了虚拟化技术本身的灵活性缺陷,比传统的安全系统有更广的适用范围,保证了收集证据的可信度和准确性。

    一种非侵入式的智能音箱安全取证系统及其方法

    公开(公告)号:CN112565207A

    公开(公告)日:2021-03-26

    申请号:CN202011315413.0

    申请日:2020-11-20

    Applicant: 南京大学

    Abstract: 一种非侵入式的智能音箱安全取证系统及其方法,包括:网络流量分析模块、用户意图获取模块和取证分析模块;本方法验证了网络流量模式与智能音箱行为之间的一对一映射关系,使用将网络流量分析与用户意图提取及异常网络流量报警相结合的有效方法,来支持智能音箱安全监控。本方法可以很好地监测安全风险,保护用户隐私并增强智能音箱的安全性,并可以通过APP向用户发送有关风险或异常情况。

    基于数据溯源模型的智能音箱本地端数字取证系统及方法

    公开(公告)号:CN113569083B

    公开(公告)日:2023-11-03

    申请号:CN202110673416.X

    申请日:2021-06-17

    Applicant: 南京大学

    Abstract: 本发明提供基于数据溯源模型的智能音箱本地端数字取证系统及方法,取证数据收集模块用于从智能音箱系统中本地端设备中收集取证原始数据。数据溯源生成模块用于使用数据溯源模型封装收集到的取证原始数据,并且生成数据溯源图。取证分析模块用于利用数据溯源图基于安全策略进行取证分析。前端显示模块用于给用户提供可视化交互接口来配置系统、监测状态、查询结果以及获取通知。基于数据溯源模型和数据溯源图,本发明可以应用到各类智能音箱系统中,兼容常见设备和数据类型,并提供全局上的取证分析视角,从而更准确地对智能音箱系统进行安全性分析,保护智能音箱系统安全。本发明不修改智能音箱系统架构,不需要外部支持,灵活度高,适配性强。

    基于策略模型的非侵入式智能家居数字取证系统及方法

    公开(公告)号:CN116224809A

    公开(公告)日:2023-06-06

    申请号:CN202211100307.X

    申请日:2022-09-09

    Applicant: 南京大学

    Inventor: 伏晓 刘轩宇 骆斌

    Abstract: 本发明提供一种基于策略模型的非侵入式智能家居数字取证系统及方法,使用多个分布式部署的数据获取模块,利用网络侧信道分析技术,从智能家居系统的本地环境中获取来源于物联网设备的数字取证数据,并基于数据溯源模型定义了统一数据格式,从而可以一致化管理数字取证数据。基于策略模型,本发明设计一种适用性、可移植性更强的数字取证分析方法模型,能够高效利用数据溯源图,从全局视角对智能家居系统进行安全性分析,从而可以发现安全隐患,增强智能家居系统的安全性。

    基于深度学习防止行为不端小程序的隐私保护方法及系统

    公开(公告)号:CN115455474A

    公开(公告)日:2022-12-09

    申请号:CN202211100283.8

    申请日:2022-09-09

    Applicant: 南京大学

    Abstract: 本发明提供基于深度学习防止行为不端小程序的隐私保护方法及系统,利用深度学习和程序分析技术的协同合作来检测小程序的预期和实际行为之间的不一致。本发明提供了新的小程序分析技术,将小部件的UI信息与相应的程序行为相关联,并基于程序分析确定小部件的实际行为,从而能够构建大规模、高质量的训练数据集。基于程序分析的结果,使用深度学习技术从非结构化数据集学习图标‑行为模型,以推断小部件的预期行为。本发明使用定义的三层标准模型,通过计算异常值分数来检测实际行为和预期行为之间的差异。如果发现任何不一致,则表明存在行为不端的小程序。然后,可以估计不当行为的风险水平,并主动执行对策。

Patent Agency Ranking