公开(公告)号：CN109450918B

公开(公告)日：2021-05-04

申请号：CN201811435424.5

申请日：2018-11-28

Applicant: 南京理工大学

Inventor： 俞研 ,  徐安孟 ,  吴比良瑜 ,  付安民 ,  苏铓 ,  唐军

IPC: H04L29/06 ,  H04L12/931

Abstract: 本发明提出了一种基于软件定义网络的IoT设备安全防护系统，包括控制应用程序状态采集模块、SDN控制器决策模块和OVS虚拟交换机模块，控制应用状态采集模块用于采集控制应用程序状态并在应用程序状态发生变化时将应用程序状态发送到SDN控制器决策模块，SDN控制器决策模块用于根据应用程序状态生成流表规则并下发到OVS虚拟交换机模块，OVS虚拟交换机模块用于根据接收到的流表规则对IoT设备的流量进行访问控制。本发明结合了SDN分离控制面与数据面的特性，对流向IoT设备的流量进行控制，将控制端状态与流量信息相结合进行流表规则生成，提高了安全防护的准确性。

公开(公告)号：CN109450918A

公开(公告)日：2019-03-08

申请号：CN201811435424.5

申请日：2018-11-28

Applicant: 南京理工大学

Inventor： 俞研 ,  徐安孟 ,  吴比良瑜 ,  付安民 ,  苏铓 ,  唐军

IPC: H04L29/06 ,  H04L12/931

Abstract: 本发明提出了一种基于软件定义网络的IoT设备安全防护系统，包括控制应用程序状态采集模块、SDN控制器决策模块和OVS虚拟交换机模块，控制应用状态采集模块用于采集控制应用程序状态并在应用程序状态发生变化时将应用程序状态发送到SDN控制器决策模块，SDN控制器决策模块用于根据应用程序状态生成流表规则并下发到OVS虚拟交换机模块，OVS虚拟交换机模块用于根据接收到的流表规则对IoT设备的流量进行访问控制。本发明结合了SDN分离控制面与数据面的特性，对流向IoT设备的流量进行控制，将控制端状态与流量信息相结合进行流表规则生成，提高了安全防护的准确性。

公开(公告)号：CN109447184A

公开(公告)日：2019-03-08

申请号：CN201811436937.8

申请日：2018-11-28

Applicant: 南京理工大学

Inventor： 俞研 ,  唐军 ,  付安民 ,  苏铓 ,  徐安孟

IPC: G06K9/62 ,  G06N3/04 ,  G06F21/56

Abstract: 本发明提出了基于深度学习的Android应用网络行为分类方法及系统，该方法，首先，构造自定义事件执行序列组合并驱动Android应用运行，获取Android应用的动态网络行为数据包；骑车，对步骤1中获取的Android应用的动态行为数据包进行预处理，将网络中传输的二进制数据转化为灰度值，从而将数据包转化为灰度图像；然后，构造卷积神经网络分类模型；最后，将预处理后的灰度图像转换为矩阵向量输入至卷积神经网络分类模型中进行学习,得到Android应用样本的分类模型。本发明将Android应用分类问题转化为图像分类问题，利用多层卷积神经网络对特征进行学习，准确率更高。