-
公开(公告)号：CN111949602B
公开(公告)日：2024-08-06
申请号：CN202010685925.X
申请日：2020-07-16
Applicant: 桂林电子科技大学
Abstract: 本发明属于云计算技术领域，公开了一种支持完整性验证的外包数据安全迁移方法与系统，选择两个安全的单向抗碰撞哈希函数，为外包文件选择一个独一无二的文件名；在将文件上传到云服务器前对文件进行加密，将所得到的密文划分成数据块，并将数据集外包；为用户维护外包数据集，并将外包数据块的摘要信息存储在区块链上；用户更换云服务提供商，并将一些数据块甚至整个外包文件迁移；迁移检查，检查接收到的被迁移数据块的完整性，保证外包数据块被完整地迁移。本发明提供了一种支持完整性验证的外包数据安全迁移方法，在不依赖任何第三方审计的情况下实现私有验证和公开验证。最后，进行了安全性分析和理论计算复杂度比较，证明了该方案的安全性和高效性。
-
公开(公告)号：CN115021987B
公开(公告)日：2024-04-05
申请号：CN202210572955.9
申请日：2022-05-24
Applicant: 桂林电子科技大学
IPC: H04L9/40 , G06N3/0464 , G06F18/214 , G06N3/0442 , G06N3/045 , G06N3/08
Abstract: 本发明涉及网络安全技术领域，具体涉及一种基于ARN的物联网入侵检测方法，使用self‑attention来学习过去隐藏状态信息和当前时刻输入信息之间的关系，从而构造一个信息补矩阵补充当前时刻输入信息，实现当前时刻隐藏状态的重置，重置的当前时刻隐藏状态去除了过去隐藏状态中可以用当前时刻信息表示的冗余部分，并突显了当前时刻信息中与过去隐藏状态相关联的部分；同时使用ARN来对物联网数据流量的特征进行表征学习，通过使用训练后的ARN模型检测和分析网络数据流量，从而检测物联网的安全状态，解决传统网络安全入侵检测方法的检测准确率不高的技术问题。
-
公开(公告)号：CN115021987A
公开(公告)日：2022-09-06
申请号：CN202210572955.9
申请日：2022-05-24
Applicant: 桂林电子科技大学
Abstract: 本发明涉及网络安全技术领域，具体涉及一种基于ARN的物联网入侵检测方法，使用self‑attention来学习过去隐藏状态信息和当前时刻输入信息之间的关系，从而构造一个信息补矩阵补充当前时刻输入信息，实现当前时刻隐藏状态的重置，重置的当前时刻隐藏状态去除了过去隐藏状态中可以用当前时刻信息表示的冗余部分，并突显了当前时刻信息中与过去隐藏状态相关联的部分；同时使用ARN来对物联网数据流量的特征进行表征学习，通过使用训练后的ARN模型检测和分析网络数据流量，从而检测物联网的安全状态，解决传统网络安全入侵检测方法的检测准确率不高的技术问题。
-
公开(公告)号：CN115022194B
公开(公告)日：2023-09-26
申请号：CN202210571016.2
申请日：2022-05-24
Applicant: 桂林电子科技大学
IPC: H04L41/147 , H04L41/14 , H04L9/40 , G06N3/04 , G06F18/214
Abstract: 本发明涉及网络安全态势感知技术领域，具体涉及一种基于SA‑GRU的网络安全态势预测方法，利用Self‑Attention机制能有效学习当前候选集与过去隐藏状态信息间的关系，从而代替GRU神经网络中原有的更新门，使得改进GRU能充分保留当前时刻信息内容，而合理去除过去隐藏信息中冗余部分，并突出候选集中的关键信息，同时改进现有的网络安全态势预测方法无法充分考虑这些时序关系使得现有的态势预测方法难以实现高精度预测的问题，有效提升了网络安全态势预测的精度。
-
公开(公告)号：CN111726351B
公开(公告)日：2022-07-05
申请号：CN202010550593.4
申请日：2020-06-16
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于Bagging改进的GRU并行网络流量异常检测方法，首先利用Spark平台以分布式方式进行数据采集，并对采集的数据进行清洗、转换和标准化后，基于Spark大数据处理技术，以弹性分布式数据集形式对样本集进行有放回抽取采样，利用Bagging算法以并行方式对GRU模型进行训练，同时利用模型平均法，得到集成检测器，利用二分类损失函数对所述集成检测器进行评价，利用所述集成检测器对测试数据集进行检测，得到检测结果，提升检测精度和检测效率。
-
Patent Agency Ranking
公开(公告)号：CN111949602A
公开(公告)日：2020-11-17
申请号：CN202010685925.X
申请日：2020-07-16
Applicant: 桂林电子科技大学
Abstract: 本发明属于云计算技术领域，公开了一种支持完整性验证的外包数据安全迁移方法与系统，选择两个安全的单向抗碰撞哈希函数，为外包文件选择一个独一无二的文件名；在将文件上传到云服务器前对文件进行加密，将所得到的密文划分成数据块，并将数据集外包；为用户维护外包数据集，并将外包数据块的摘要信息存储在区块链上；用户更换云服务提供商，并将一些数据块甚至整个外包文件迁移；迁移检查，检查接收到的被迁移数据块的完整性，保证外包数据块被完整地迁移。本发明提供了一种支持完整性验证的外包数据安全迁移方法，在不依赖任何第三方审计的情况下实现私有验证和公开验证。最后，进行了安全性分析和理论计算复杂度比较，证明了该方案的安全性和高效性。
-
公开(公告)号：CN115021973B
公开(公告)日：2024-04-05
申请号：CN202210511954.3
申请日：2022-05-11
Applicant: 桂林电子科技大学
IPC: H04L9/40 , G06N3/0442 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及入侵检测技术领域，具体涉及一种基于SGRU的新型入侵检测方法，通过改进GRU设计一种新的名为SGRU的神经网络模型，使用数据集对基于SGRU的入侵检测模型进行训练，最后使用训练好的入侵检测模型进行入侵检测，获得检测结果。SGRU神经网络模型通过数据的时间序列关系来表征学习数据，并利用损失补偿的方式缓解非线性变换导致的特征信息丢失，解决了现有的神经网络大多不能有效地处理高维时间序列数据的问题，提高了入侵检测的准确性。
-
公开(公告)号：CN115022194A
公开(公告)日：2022-09-06
申请号：CN202210571016.2
申请日：2022-05-24
Applicant: 桂林电子科技大学
IPC: H04L41/147 , H04L41/14 , H04L9/40 , G06N3/04 , G06K9/62
Abstract: 本发明涉及网络安全态势感知技术领域，具体涉及一种基于SA‑GRU的网络安全态势预测方法，利用Self‑Attention机制能有效学习当前候选集与过去隐藏状态信息间的关系，从而代替GRU神经网络中原有的更新门，使得改进GRU能充分保留当前时刻信息内容，而合理去除过去隐藏信息中冗余部分，并突出候选集中的关键信息，同时改进现有的网络安全态势预测方法无法充分考虑这些时序关系使得现有的态势预测方法难以实现高精度预测的问题，有效提升了网络安全态势预测的精度。
-
公开(公告)号：CN113780382A
公开(公告)日：2021-12-10
申请号：CN202110999372.X
申请日：2021-08-29
Applicant: 桂林电子科技大学
Abstract: 本发明涉及通信控制领域，具体涉及一种基于AE和PMU的高效网络安全态势评估方法，包括初始化训练数据集和测试数据集；基于训练维度使用AE从训练数据集中提取训练态势评估要素；基于测试维度使用AE从测试数据集中提取测试态势评估要素；基于训练周期将训练态势评估要素输入到基于PMU的NSSA训练模型中进行训练，得到PMU模型；将测试态势评估要素输入PMU训练模型中得到评估态势值用以验证模型的有效性。使用AE进行数据降维以去除冗余数据，然后利用PMU提高模型的性能，与现有方法相比，我们提出的方法在效率、精度和拟合度上具有显著优势。
-
公开(公告)号：CN119602982A
公开(公告)日：2025-03-11
申请号：CN202411438072.4
申请日：2024-10-15
Applicant: 桂林电子科技大学
IPC: H04L9/40 , H04L67/12 , G06N3/0442 , G06N3/045
Abstract: 本发明涉及物联网安全技术领域，具体涉及一种基于BiAPRN的工业物联网攻击预测方法，首先引入了一种改进的单门结构门控递归单元模型，该模型通过自注意机制和损失补偿机制显著提高了模型的性能。随后构建一种新的双向注意力简约递归网络(BiAPRN)神经网络模型。BiAPRN通过将前向和后向aprn的线性组合相结合，有效地提取数据特征，更深入地挖掘时间序列的相关性，显著降低了预测误差。最后，通过BiAPRN模型获得一个工业物联网攻击预测框架，使用训练好的BiAPRN模型进行攻击预测，实现准确、高效的工业物联网攻击预测。
-
-
-
-
-
-
-
-
-
Search Results
18
records
(took 0.024 seconds)
