-
公开(公告)号：CN118659907B
公开(公告)日：2025-03-21
申请号：CN202410844264.9
申请日：2024-06-27
Applicant: 成都信息工程大学
IPC: H04L9/40 , G06N3/0464 , G06N3/094
Abstract: 本发明属于人工智能安全领域，公开了一种基于时间序列的网络流量对抗样本生成方法。本发明首先使用网络流量的时间序列特征数据训练一个一维CNN分类网络，再对CNN使用FGSM攻击算法得到对抗样本，将该对抗样本作为通用对抗扰动注入到原始样本中网络流量包传输方向交换的位置，然后将扰动后的样本返回给CNN再使用FGSM攻击算法迭代生成对对抗样本，最后将生成的通用对抗扰动注入到其他时间序列数据集中并对堆叠去噪自编码器进行对抗样本攻击。本发明能够有效地生成针对网络流量时间序列特征的通用对抗扰动，该通用对抗扰动能够有效降低模型对僵尸网络、暴力破解、端口扫描、Web攻击和DDoS攻击五种网络流量的分类性能。
-
公开(公告)号：CN119172092A
公开(公告)日：2024-12-20
申请号：CN202311264444.1
申请日：2023-09-26
Applicant: 成都信息工程大学
IPC: H04L9/40 , G06F18/25 , G06F18/214
Abstract: 本发明属于人工智能安全技术领域，尤其涉及一种基于融合噪声的对抗样本攻击方法、系统及设备，可以提取流量的数据特征和工控数据特征，并以此特征训练检测模型；分别从时域和频域角度生成并融合噪声，基于时域采样符合正态分布的高斯噪声和基于频域采样满足1/fα分布的有色噪声生成对抗样本，将其植入特征原始数据集构造对抗样本。本发明能够有效降低现有较为优秀的基于人工智能的入侵检测模型的分类准确率，可应用于测试工业互联网中基于人工智能的入侵检测模型的鲁棒性。本发明能大大提高模型在工业互联网环境中的检测准确率，可以有效克服工控数据难以收集的问题，提高实验效率。
-
公开(公告)号：CN118659907A
公开(公告)日：2024-09-17
申请号：CN202410844264.9
申请日：2024-06-27
Applicant: 成都信息工程大学
IPC: H04L9/40 , G06N3/0464 , G06N3/094
Abstract: 本发明属于人工智能安全领域，公开了一种基于时间序列的网络流量对抗样本生成方法。本发明首先使用网络流量的时间序列特征数据训练一个一维CNN分类网络，再对CNN使用FGSM攻击算法得到对抗样本，将该对抗样本作为通用对抗扰动注入到原始样本中网络流量包传输方向交换的位置，然后将扰动后的样本返回给CNN再使用FGSM攻击算法迭代生成对对抗样本，最后将生成的通用对抗扰动注入到其他时间序列数据集中并对堆叠去噪自编码器进行对抗样本攻击。本发明能够有效地生成针对网络流量时间序列特征的通用对抗扰动，该通用对抗扰动能够有效降低模型对僵尸网络、暴力破解、端口扫描、Web攻击和DDoS攻击五种网络流量的分类性能。
-
Patent Agency Ranking
公开(公告)号：CN120075802A
公开(公告)日：2025-05-30
申请号：CN202510347485.X
申请日：2025-03-24
Applicant: 成都信息工程大学
IPC: H04W12/12 , H04L9/40 , H04L69/22 , G06N3/0464 , G06N3/08
Abstract: 本发明属于但不限于5G物联网与网络安全技术领域，公开了一种基于梯度共享的特征融合网络的恶意流量分类方法及系统，对5G物联网流量原始数据进行预处理，分别构建结构化特征通道和图像特征通道；利用基于卷积神经网络的局部特征提取模块对图像特征通道数据进行处理；利用KAN构建全局特征提取模块，捕获流量的时间序列分布与全局依赖关系；将结构化特征通道和图像特征通道提取的特征进行融合；梯度共享初始化，梯度共享训练，KAN和卷积神经网络模型训练与优化，模型测试。本发明通过特征融合与梯度共享技术，有效提升对5G物联网恶意流量的识别能力，同时降低对大规模标注数据的依赖，增强模型在复杂网络环境下的泛化性和适应性。
-
公开(公告)号：CN116630685A
公开(公告)日：2023-08-22
申请号：CN202310438948.4
申请日：2023-04-23
Applicant: 成都信息工程大学
IPC: G06V10/764 , G06V10/82 , G06N3/0475 , G06N3/0464 , G06N3/048 , G06N3/094 , G06N3/09
Abstract: 本发明属于人工智能安全技术领域，公开了一种对抗样本防御方法、系统、介质、设备及终端，输入待分类的图像数据，使用分类网络结合攻击算法得到包含原始数据和对抗样本数据的数据集；使用数据集训练生成对抗网络，利用生成器对对抗样本进行“映射”，生成一个新的重构样本来达到去噪的效果；将重构样本输入最终的分类模型中完成分类。对发明中使用的分类器和鉴别器均采用全卷积的形式进行改进；发明中使用的生成器使用3个stride＝2的卷积层获得特征图，再使用3个stride＝2的逆卷积层恢复原始分辨率。本发明能够有效地解决图像样本遭受对抗攻击的问题，在保证防御精度的同时大大降低训练成本，使算法更具鲁棒性，更有利于后续的分类任务。
-
公开(公告)号：CN118540117B
公开(公告)日：2025-02-14
申请号：CN202410614276.2
申请日：2024-05-17
Applicant: 成都信息工程大学
IPC: H04L9/40 , G06N3/042 , G06N3/0464 , G06N3/096 , H04L41/16
Abstract: 本发明属于人工智能技术领域，公开了一种基于迁移学习的恶意流量检测方法及系统，首先对源域和目标域数据进行预处理，再使用ResNet50模型在源域数据上进行训练。将源域模型的除全连接层以外的所有层冻结。接着计算MMD的值，并使用教师模型在1％目标域数据进行预测，利用输出的概率得到KD的值。将源域的模型迁移到目标域，并在训练全连接层过程中增加KD的损失。最后是目标域模型，集成可以适应多个数据集的恶意流量检测网络。本发明能够有效解决多领域下的恶意流量检测问题，且在保证检测准确度的同时大大降低所需有标签样本数量，有利于后续的检测任务。
-
公开(公告)号：CN118540117A
公开(公告)日：2024-08-23
申请号：CN202410614276.2
申请日：2024-05-17
Applicant: 成都信息工程大学
IPC: H04L9/40 , G06N3/042 , G06N3/0464 , G06N3/096 , H04L41/16
Abstract: 本发明属于人工智能技术领域，公开了一种基于迁移学习的恶意流量检测方法及系统，首先对源域和目标域数据进行预处理，再使用ResNet50模型在源域数据上进行训练。将源域模型的除全连接层以外的所有层冻结。接着计算MMD的值，并使用教师模型在1％目标域数据进行预测，利用输出的概率得到KD的值。将源域的模型迁移到目标域，并在训练全连接层过程中增加KD的损失。最后是目标域模型，集成可以适应多个数据集的恶意流量检测网络。本发明能够有效解决多领域下的恶意流量检测问题，且在保证检测准确度的同时大大降低所需有标签样本数量，有利于后续的检测任务。
-
公开(公告)号：CN116800396A
公开(公告)日：2023-09-22
申请号：CN202310592036.2
申请日：2023-05-24
Abstract: 本发明属于物联网节点认证领域，公开了一种区块链和CL加密的FOG‑IoT认证方法，包括公共参数生成阶段：所有参与者协作生成CL加密方案的公共参数，作为公开值在用户之间共享；初始化阶段：选用多个区块链节点搭建区块链网络，由KGC生成FOG端的公私钥对以及物联网终端的公私钥对；注册阶段：注册请求和注册响应；认证阶段：FOG端根据验证因子以及物联网终端提供的身份标识ID进行认证；验证因子定期更新阶段。本发明可以确保物联网传感设备的信息的安全与完整，区块链同时记录验证因子的更新记录，增加了验证的灵活性，同时利用CL同态加密技术通信量小的优点，通信代价小，能够实现延迟较小的认证。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.014 seconds)
