基于鲁棒自编码器的C3级列控系统网络恶意流量检测方法

    公开(公告)号:CN119814460A

    公开(公告)日:2025-04-11

    申请号:CN202510028424.7

    申请日:2025-01-08

    Abstract: 本发明公开了基于鲁棒自编码器的C3级列控系统网络恶意流量检测方法,具体为:步骤1,采集C3级列控系统网络中的流量数据,然后提取采集的流量数据的特征并进行特征标注,将经过标注后的数据作为原始数据;步骤2,对原始数据进行预处理,将预处理后的数据作为数据集样本,将数据集样本分为训练集和测试集;步骤3,构建恶意流量检测模型鲁棒自编码器;步骤4,采用训练集训练恶意流量检测模型鲁棒自编码器,得到分类模型;步骤5,将测试集输入到分类模型中,评估分类模型的性能;步骤6,使用经过评估的分类模型对C3级列控系统网络恶意流量进行检测。本发明解决了现有技术中存在的因学习泛化特征能力弱导致的检测误报率和漏报率高的问题。

    基于Transformer的网络安全风险知识图谱三元组联合抽取方法

    公开(公告)号:CN119106735A

    公开(公告)日:2024-12-10

    申请号:CN202411248886.1

    申请日:2024-09-06

    Abstract: 本发明公开了基于Transformer的网络安全风险知识图谱三元组联合抽取方法,具体为:步骤1,构建面向网络威胁情报的网络安全知识图谱本体;步骤2,采集网络安全领域网络威胁情报,提取网络安全领域网络威胁情报中的文本数据并按语句分割、标注生成数据集,并分为训练集和数据集;步骤3,构建联合关系三元组抽取模型;步骤4,采用训练集对构建的联合关系三元组抽取模型进行训练;步骤5,将测试集输入到抽取模型中,评估抽取模型的性能;步骤6,使用经过测试的模型进行网络安全风险知识图谱三元组联合抽取。本发明解决了现有技术中存在的忽略了文本数据序列的全局关联以及实体对及关系序列间的关联导致三元组抽取精度较差的问题。

Patent Agency Ranking