-
-
公开(公告)号：CN115189905B
公开(公告)日：2023-05-23
申请号：CN202210499337.6
申请日：2022-05-09
Abstract: 本发明公开了网络通信与安全管控一体机及其工作方法，本地校验组件，接收流入和流出一体机的数据，并将数据转发给安全组件，安全组件对数据进行处理，随后路由组件将数据进行转发；蜜罐沙箱联动组件的蜜罐监听通信接口并捕获恶意代码；将恶意代码与蜜罐沙箱联动组件进行交互；蜜罐沙箱联动组件将流量交由沙箱分析后发送至物联网关组件进行处理，并将物联网关组件的返回信息处理后返回给攻击方；蜜罐沙箱联动组件对捕获的恶意代码进行分析，提取软件行为以及网络行为后，将软件行为以及网络行为作为恶意代码的标签对卷积神经网络进行训练；安全组件对训练后网络进行检查和验收，并通过训练后的卷积神经网络对经过一体机的通信进行检查和监控。
-
公开(公告)号：CN119814671A
公开(公告)日：2025-04-11
申请号：CN202510103879.0
申请日：2025-01-23
Applicant: 泉城省实验室
IPC: H04L47/2441 , H04L9/40 , G06N3/0442 , G06N3/042 , H04L43/026
Abstract: 本发明公开了一种基于时空信息融合的加密网络流量分类方法和系统，主要涉及信息安全技术领域。包括：从原始Pcap文件中获取数据并进行数据预处理；将经过处理后的流量分别转化为会话流多级表示序列和会话级流量图；通过会话流多级表示序列，对流量序列进行特征向量整合；通过对会话级流量图嵌入后，得到网络流量文件的空间特征向量表示；使用交叉门控特征融合方法对时间特征向量和空间特征向量聚合，得到流量特征的整体表示，并使用训练好的模型进行加密流量分类。本发明的有益效果在于：它在提升了加密流量分类效果的同时，有效增强模型的特征表示能力。
-
公开(公告)号：CN119692437A
公开(公告)日：2025-03-25
申请号：CN202510192098.3
申请日：2025-02-21
Applicant: 泉城省实验室
IPC: G06N3/098 , G06N3/084 , G06N3/0464 , G06F18/23
Abstract: 本发明涉及针对异构资源的隐私增强自适应聚类联邦学习方法及系统，属于联邦学习技术领域。包括：（1）基于上行时延的参与方聚类；应用不同的聚类标准对异构设备进行聚类；（2）算力相似簇内的本地训练；根据设备计算能力对用户进行聚类，优化训练效率；（3）基于谱嵌入的安全簇模型聚合；采用基于梯度向量相似性的软聚类，允许用户模型聚合成多个聚类模型，并使用多个聚类模型更新本地模型。本发明通过在聚类过程中对用户的梯度向量进行混洗来确保隐私和机密性。此外，方法采用同态加密和双线性聚合签名来验证用户身份并保护梯度共享。
-
公开(公告)号：CN119544211A
公开(公告)日：2025-02-28
申请号：CN202411725138.8
申请日：2024-11-28
Applicant: 泉城省实验室
Abstract: 本发明涉及一种基于哈希证明系统的非平衡隐私集合交集计算方法及系统，包括：1.1密钥生成及参数交换；1.2客户端预处理；对于客户端的本地元素，利用三组哈希函数H1、H2、H3将所有元素插入到一个布谷鸟哈希表中；1.3服务器端预处理；利用三组哈希函数H1、H2、H3将所有元素插入到一个简单哈希表中；2.1求交；2.2验证；本发明能够在不泄露参与方隐私数据的前提下，由客户端安全地得到两方集合的交集，协议在线阶段仅需一轮通信，总通信量仅与小集合大小呈线性关系而与大集合大小无关。
-
Patent Agency Ranking
公开(公告)号：CN118250098A
公开(公告)日：2024-06-25
申请号：CN202410660764.7
申请日：2024-05-27
Applicant: 泉城省实验室
Abstract: 本发明涉及基于分组聚合的抵御恶意客户端投毒攻击的方法及系统；属于网络安全技术领域；通过中心服务器与若干客户端运行实现，包括：客户端中，每个用户训练本地模型；每个用户对本地模型梯度进行盲化后加密上传至中心服务器；中心服务器通过分组聚合的策略找出尝试进行投毒攻击的恶意客户端并剔除，在不泄露每个客户端的盲化梯度的前提下，聚合通过验证的客户端的盲化梯度，得到聚合梯度密文，并下发客户端；用户解密获得全局模型梯度，更新本地模型后开始新一轮的本地模型训练；采用训练后全局模块，通过分组聚合的策略找出尝试进行投毒攻击的恶意客户端并剔除。本发明根据不同场景调整检测的粗细粒度，在模型精度和安全性两方面实现动态调整。
-
公开(公告)号：CN116701440A
公开(公告)日：2023-09-05
申请号：CN202310712462.5
申请日：2023-06-15
Applicant: 泉城省实验室
IPC: G06F16/245 , G06F16/22
Abstract: 本发明提出了一种布谷鸟过滤器及数据插入、查询、删除方法，涉及计算机信息表示与检索技术领域，布谷鸟过滤器由指纹记录表和位置标记表构成；所述指纹记录表，由m个桶组成，用来保存插入的数据指纹，其中，每个桶有b个保存数据指纹的槽；所述位置标记表，由m个向量组成，为每个桶创建一个向量，用来记录数据指纹在指纹记录表中的插入位置信息；其中，每个数据指纹对应两个候选桶，从中选择一个桶的一个槽来保存数据指纹，当且仅当最终保存在第二个候选桶中时，在第二个候选桶对应的向量中，记录槽的位置下标值；本发明具有更高的数据指纹计算效率、更低的数据查询假阳率，解决布谷鸟过滤器存在查询假阳的技术问题。
-
公开(公告)号：CN119692437B
公开(公告)日：2025-05-16
申请号：CN202510192098.3
申请日：2025-02-21
Applicant: 泉城省实验室
IPC: G06N3/098 , G06N3/084 , G06N3/0464 , G06F18/23
Abstract: 本发明涉及针对异构资源的隐私增强自适应聚类联邦学习方法及系统，属于联邦学习技术领域。包括：（1）基于上行时延的参与方聚类；应用不同的聚类标准对异构设备进行聚类；（2）算力相似簇内的本地训练；根据设备计算能力对用户进行聚类，优化训练效率；（3）基于谱嵌入的安全簇模型聚合；采用基于梯度向量相似性的软聚类，允许用户模型聚合成多个聚类模型，并使用多个聚类模型更新本地模型。本发明通过在聚类过程中对用户的梯度向量进行混洗来确保隐私和机密性。此外，方法采用同态加密和双线性聚合签名来验证用户身份并保护梯度共享。
-
公开(公告)号：CN119692435A
公开(公告)日：2025-03-25
申请号：CN202411753245.1
申请日：2024-12-02
Applicant: 泉城省实验室
IPC: G06N3/098 , G06N3/045 , G06N3/0464 , G06N3/0442 , G06N5/04 , H04L67/10 , H04L67/12 , G06V10/82 , G06V10/764
Abstract: 本发明涉及基于超网络的平衡联邦学习个性化与泛化方法与系统，包括：在训练阶段，灵活切换个性化与泛化阶段，通过聚合嵌入向量生成泛化模型，提升模型整体的泛化性能；同时，使用客户端嵌入向量生成个性化模型，增强模型在特定数据分布下的表现。在推理阶段，引入基于香农熵的动态选择机制，确保在不同数据分布下的模型推理准确性和可靠性，提升了用户体验。针对边缘智能场景中跨客户端的数据异构性问题，提出了基于超网络生成个性化模型和泛化模型的分层联邦学习框架，该框架可以有效平衡智能终端的个性化需求与泛化需求。
-
公开(公告)号：CN119690930A
公开(公告)日：2025-03-25
申请号：CN202411753246.6
申请日：2024-12-02
Applicant: 泉城省实验室
IPC: G06F16/176 , G06F16/182 , G06F21/60 , G06F21/62 , G06F21/64 , H04L67/104 , H04L67/1097 , H04L67/12 , G16H10/60
Abstract: 本发明涉及一种支持数据验证的去中心化信息安全高效存储共享方法，包括：1)初始化阶段；2)密文生成并上传；3)对上传的密文大小进行评估；若密文大小超过256KB，IPFS将对密文进行分片处理，并在全球分布的节点服务器中存储这些分片，同时生成一个唯一的地址标识；4)拼接为新的明文；5)数据提供者选定加密策略，对新的明文实施属性加密；6)数据请求者在使用数据前向Hyperledger Fabric提交访问申请；7)验证数据请求的合法性；8)获取对称加密的密文；9)解密，以获取患者的隐私数据。本发明可以避免因某些节点发生故障导致整个系统瘫痪的状态。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.022 seconds)
