-
公开(公告)号：CN114679334A
公开(公告)日：2022-06-28
申请号：CN202210417783.8
申请日：2022-04-20
Applicant: 哈尔滨工业大学(威海)
Abstract: 本发明提供了一种基于多模式人工智能的工控安全检测和防御方法，利用工控模拟环境和攻防双方的协同进化关系来逐步构建整个系统。该系统包括模型搭配模块，工控及其数据分析模块，工控模拟系统，蜜罐及其数据分析模块，攻防对抗模块。模型搭配模块提供人工智能模型。工控及其数据分析模块提取数据模式，将数据模式和模拟数据的异常情况反馈给工控模拟系统。工控模拟系统改进以缩小与真实工控系统的差距；在攻防博弈达到纳什均衡后，扩容或改变配置。蜜罐复刻模拟环境并实际部署，其数据分析模块提取启发式策略。攻防对抗模块综合模型搭配模块提供的模型和蜜罐数据分析模块的启发式策略，进行对抗演练以达到纳什均衡。
-
公开(公告)号：CN113822337A
公开(公告)日：2021-12-21
申请号：CN202110964073.2
申请日：2021-08-21
Applicant: 哈尔滨工业大学(威海)
Abstract: 本发明提供了一种基于多维时间序列的工控异常检测方法和系统，该方法采用全连接网络提取一些设备之间的关联特征，然后利用长短期神经网络学习工控设备的正常工作模式，得到工控设备异常检测模型。该系统包括模型训练模块、数据收集模块、模型检测模块和异常输出模块。模型训练模块从工控设备正常工作状态的历史数据库中读取数据，训练得到工控异常检测模型。数据收集模块实时接收工控设备的数据，传递给检测模块。模型检测模块预测接的数据，当它和实时收到的数据差距过大时，则认为系统异常。异常检测模块分析预测数据和实时接受到的异常数据在各个特征维度的差距，定位发生异常的设备，方便管理员分析设备的发生异常的原因。
-
公开(公告)号：CN114692170A
公开(公告)日：2022-07-01
申请号：CN202210412933.6
申请日：2022-04-20
Applicant: 哈尔滨工业大学(威海)
Abstract: 本发明提供了一种基于多段式树突网络的工控异常设备定位方法和系统，该方法收集处于工控系统异常时间段的物理层设备数据，然后利用前段树突网络进行训练得到工控系统整体异常模型，从工控系统整体异常模型中提取工控系统整体异常特征，利用工控系统整体异常特征对物理层设备数据进行数据降维，再将降维后的数据放入中、后段树突网络进行学习，得到工控系统风险区域模型及工控系统异常区域模型并提取特征，再进行特征解析得到工控系统异常区域物理层设备关系谱，最后利用工控系统异常区域物理层设备关系谱得到异常设备。该系统包括模型训练模块、特征提取模块、特征解析模块、数据降维模块和设备定位模块。
-
公开(公告)号：CN113722718A
公开(公告)日：2021-11-30
申请号：CN202110971368.2
申请日：2021-08-24
Applicant: 哈尔滨工业大学(威海)
Abstract: 本发明提供了一种基于策略库的云边协同工控网络安全防护方法，该方法通过在云端的由生成模型网络——长短期记忆(LSTM)网络和新型判别模型网络——树突网络(DendriteNetorDD)的生成式对抗网络(GAN)生成异常情况的识别规则库，然后再将这些规则部署到对应的边端上，并给每条规则匹配相应的应对策略，最终形成云边协同的策略库来满足工控网络的低时延安全防护。该方法的边端包含数据收集模块和策略库模块，云端包含数据处理模块、生成式对抗网络模块、规则生成模块和规则库模块。同时规则库和策略库又包含由长短期记忆网络所提取的时序特征所生成的预测规则和树突网络所生成的识别规则。不同规则所对应的策略可以由工控系统的管理员设置。
-
公开(公告)号：CN117807928A
公开(公告)日：2024-04-02
申请号：CN202311704516.X
申请日：2023-12-11
Applicant: 哈尔滨工业大学(威海)
IPC: G06F30/3308 , G06F30/337
Abstract: 本发明提供了一种基于数字孪生模型的芯片仿真故障注入系统。该系统通过数字化的方式创建了一个真实世界的复制品，可以模拟真实世界的行为，从而提供更加深入的理解和洞察力。数字孪生模型主要用于在半导体领域进行芯片故障的检测和预防，通过对目标系统数字孪生模型的仿真，快速生成多种故障场景，并根据需求动态调整模型参数，更好地模拟真实的故障情况。本发明的实施方式主要包括数字孪生模型模块，故障注入、故障检测、故障日志和网络通信五个模块，可有效地帮助半导体行业更好的模拟真实故障。
-
Patent Agency Ranking
公开(公告)号：CN115021956A
公开(公告)日：2022-09-06
申请号：CN202210416032.4
申请日：2022-04-20
Applicant: 哈尔滨工业大学(威海)
IPC: H04L9/40
Abstract: 本发明涉及智能网联工控系统安全协同防护领域，尤其涉及一种基于云边协同的多维时间序列异常检测方法及系统。该系统包括：采集传感器和执行器数据的工控数据采集防护层；进行模型部署、进行ICS实时数据的异常检测并将结果和策略下发至工控系统的边缘计算层；对多维时间序列异常检测模型进行训练更新并将模型下发至边端的云计算层；去除时序信号规律性的谱残差数据处理方法；提取状态特征、控制特征、时间特征的s‑net、u‑net、t‑net网络；对t时刻预测和解码的p‑net和d‑net网络；实现异常判断和定位的马氏距离计算方法。本发明提出的云边协同工控异常检测方法相较于传统模型，可以有效解决边端计算资源有限等问题，同时具有更高的鲁棒性和异常检测精度。
-
公开(公告)号：CN112100415A
公开(公告)日：2020-12-18
申请号：CN202010961877.2
申请日：2020-09-14
Applicant: 哈尔滨工业大学(威海)
Abstract: 本文结合存储高度关联的大型图数据库的需求，并结合在上述数据库中提高操作时的安全性与性能的需求，以及传统的原生图数据库Neo4j存在的安全性差、性能不能满足数据量较大时的大量查询的问题，在原有的存储结构基础上，结合GPGPU的高带宽和大吞吐量以及高计算密度的特点，通过增添安全校验码改良原有数据存储结构，提出了一种以GPU为存储和操作核心的模型，并且在提高了数据库的安全性的同时、不损失常用查询效率的数据库结构。本发明创新地利用GPU处理数据时按块对齐、并行处理的特点，做到了图数据库的安全可靠与性能稳定的统一；同时对于一些常用操作的效率明显优于传统的原生图数据库，且对硬件要求较低、兼容性较强，性价比较高，可扩展性较强。
-
公开(公告)号：CN118210644A
公开(公告)日：2024-06-18
申请号：CN202410102062.7
申请日：2024-01-25
Applicant: 哈尔滨工业大学(威海)
IPC: G06F11/07
Abstract: 本发明提供面向智能平台的故障注入系统，涉及故障注入技术领域。该面向智能平台的故障注入系统，该系统采用客户端与服务器端的架构，用户在客户端设置好故障模型的参数后传递给服务器端，服务器端得到参数后开始进行故障注入和故障结果检测，所述故障注入系统可以利用软件模拟航天场景中的单粒子故障现象，并对该故障注入过程进行覆盖性评测和敏感性评测。本发明中，通过构建面向智能平台的软件模拟故障注入系统，用软件来模拟单粒子故障的注入，采用客户端远程连接服务器端的架构，用户在客户端设置好故障模型的参数传递给服务器端，服务器端得到参数后开始进行故障注入和故障结果检测，能够更好地评测宇航设备的可靠性。
-
公开(公告)号：CN116599726A
公开(公告)日：2023-08-15
申请号：CN202310571388.X
申请日：2023-05-20
Applicant: 哈尔滨工业大学(威海)
Abstract: 本发明提供了一种基于漏洞利用网的工控安全事件识别响应方法及系统，该系统包括知识图谱构建部分和安全事件识别响应部分，分为以下步骤：将知识库数据提取并转化为知识图谱中的节点；使用基于预训练机器学习模型的方式建立节点间的连接；使用设备和攻击方式节点的关键识别特征匹配工控系统的状态并映射至漏洞节点；将所匹配漏洞节点进行连接，形成漏洞利用网；根据漏洞利用网的不同形态，给出对应的响应信息。相比于传统的工控安全检测及响应方法，本发明将漏洞的识别问题转变为有更明显特征的设备和攻击方式的识别问题，减少了识别难度；同时，通过漏洞利用网模型，本发明能够生成更为有效的事件响应信息。
-
公开(公告)号：CN118296157A
公开(公告)日：2024-07-05
申请号：CN202410409599.8
申请日：2024-04-07
Applicant: 哈尔滨工业大学(威海)
IPC: G06F16/36 , G06F40/295 , G06F16/35 , G06F16/332
Abstract: 本申请公开了一种结构化与非结构化事实知识融合的语料库构建方法及装置，从预先构建的结构化知识库中选取结构化事实知识并将其转化为事实检索查询，根据事实检索查询从预先构建的非结构化文本库中检索出多个非结构化事实知识文本候选，利用实体识别和实体链接获取非结构化事实知识文本候选中的实体，从而匹配事实知识文本候选与知识库中结构化事实知识，基于匹配结果判断事实知识文本候选的事实相关性，保留相关性较强的文本候选与其匹配到的结构化事实知识，作为一条结构化与非结构化事实知识相匹配的语料，保存到语料库中，不断重复上述过程，最终形成包含若干条匹配语料的高质量语料库。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.021 seconds)
