-
公开(公告)号：CN119155086A
公开(公告)日：2024-12-17
申请号：CN202411261680.2
申请日：2024-09-10
Applicant: 桂林电子科技大学 , 南宁桂电电子科技研究院有限公司
IPC: H04L9/40 , G06N3/0464 , G06N3/045 , G06N3/0442
Abstract: 本发明属于工业物联网、深度学习与网络态势预测交叉领域，提出了一种能够主动且有效预测工业物联网环境中恶意流量的创新方案。该方案提出了一种基于线性门控未来预测网络(LGF‑Net)的新型网络态势预测方法。具体而言，该模型融合了U‑Net和ResNet的优势，显著提升了网络态势预测的性能。LGF‑Net模型在两个关键方面加强了传统的深度学习网络：首先，它通过多层次结构有效捕捉了时间序列中的内在相关性；其次，它引入了信息补偿机制，极大地减少了学习过程中的信息损失。这些改进大幅增强了模型捕捉要素间相关性的能力，使其能够利用多层次历史数据准确预测未来的网络安全状况。此外，该研究还通过理论复杂性分析评估了所提方法的计算效率。最后，大量实验结果表明，与现有方法相比，该方法在多个性能指标上都具有显著优势。
-
公开(公告)号：CN116723008A
公开(公告)日：2023-09-08
申请号：CN202310602620.1
申请日：2023-05-26
Applicant: 桂林电子科技大学 , 南宁桂电电子科技研究院有限公司
Abstract: 本发明公开了一种基于TAG‑Net的工业物联网网络安全态势评估方法，其特征在于，包括如下步骤：1）数据预处理：2）获得训练好的TAG‑Net模型；3）获得检测结果；4）验证TAG‑Net模型性能。这种方法能控制对过去隐藏状态信息的遗忘和对当前重要信息的保留，并突显当前时刻信息中与过去隐藏状态相关联的部分，能得到当前网络的态势值、评估当前网络的安全状态，为网络安全管理者提供决策支持。
-
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
3
records
(took 0.015 seconds)
