公开(公告)号：CN119652557A

公开(公告)日：2025-03-18

申请号：CN202411582151.2

申请日：2024-11-07

Applicant: 海南大学

Inventor： 欧嵬 ,  邝依蕊 ,  杨佳煜 ,  庞梦雪 ,  邵羊飞 ,  张佳宁 ,  韩文报

IPC: H04L9/40 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/094

Abstract: 本发明涉及网络安全技术领域，尤其涉及一种基于用户行为分析的网络态势感知方法及系统，该方法包括以下步骤：实时采集网络数据包，并对采集的网络数据包进行预处理，提取出流量数据和日志数据；从所述流量数据和日志数据中提取行为特征，并构建组织图；将所述组织图输入预先训练好的图卷积网络模型，输出得到网络安全态势感知结果；所述图卷积网络模型集成有第一生成对抗网络。通过实施本发明基于用户行为分析的安全态势感知技术，有效提升了对大规模网络环境中复杂安全威胁的识别、分析和响应能力。图卷积网络模型能够自我学习和适应新的威胁模式，自动调整检测策略，提高了威胁检测的准确性及识别能力，自动化检测也提高了检测效率。

公开(公告)号：CN118468340B

公开(公告)日：2025-04-22

申请号：CN202410699063.4

申请日：2024-05-31

Applicant: 海南大学

Inventor： 欧嵬 ,  张琼露 ,  邹正睿 ,  王楠森 ,  邝依蕊 ,  朱家敏 ,  孔言心泓 ,  韩文报

IPC: G06F21/62 ,  G06F16/176 ,  G06F21/64 ,  G06N20/00

Abstract: 本发明涉及数据处理技术领域，尤其涉及一种基于异构联邦学习的远程医疗隐私数据安全共享方法，包括以下步骤：S10，第一终端基于本地医疗隐私数据训练获得本地模型更新，并基于加密算法对所述本地模型更新进行签名，签名后发送给第二终端；S20，所述第二终端对所述签名进行验证，并在验证通过后将各个本地模型更新进行聚合，得到全局模型，并将所述全局模型分解成若干个局部模型，一个局部模型对应于一个本地模型，局部模型对应广播给各个第一终端，以便于第一终端接收到所述局部模型后基于本地医疗隐私数据训练获得所述本地模型更新；循环执行S10‑S20，直至所述全局模型收敛。本发明在联邦学习的基础上，通过对本地模型更新签名后再传输，进一步加强了数据安全性。

公开(公告)号：CN118433718B

公开(公告)日：2025-01-24

申请号：CN202410564125.0

申请日：2024-05-08

Applicant: 海南大学

Inventor： 欧嵬 ,  张琼露 ,  武艺珊 ,  张凯钧 ,  张思源 ,  盛云灿 ,  邝依蕊 ,  韩文报

IPC: H04W12/121 ,  H04W4/40 ,  G06N3/006 ,  G06N3/048 ,  G06N3/047 ,  G06N3/08

Abstract: 本发明涉及数据处理技术领域，尤其涉及一种基于改进PCA和PSO的车联网入侵检测方法，包括以下步骤：S10，采集车联网通信过程中的车辆网络数据，并将车辆网络数据进行预处理，得到预处理后的车辆网络数据；S20，将预处理后的车辆网络数据，使用高斯随机增量改进的主成分分析算法进行数据降维处理，得到降维后的车辆网络数据；S30，将降维后的车辆网络数据作为输入，利用WELM模型进行入侵检测，输出车联网入侵检测结果；所述WELM模型基于惯性权重粒子群算法优化而得。通过本发明方法进行入侵检测，可以提高检测效率及精度，降低检测时间，继而提高时效性。

公开(公告)号：CN118468340A

公开(公告)日：2024-08-09

申请号：CN202410699063.4

申请日：2024-05-31

Applicant: 海南大学

Inventor： 欧嵬 ,  张琼露 ,  邹正睿 ,  王楠森 ,  邝依蕊 ,  朱家敏 ,  孔言心泓 ,  韩文报

IPC: G06F21/62 ,  G06F16/176 ,  G06F21/64 ,  G06N20/00

Abstract: 本发明涉及数据处理技术领域，尤其涉及一种基于异构联邦学习的远程医疗隐私数据安全共享方法，包括以下步骤：S10，第一终端基于本地医疗隐私数据训练获得本地模型更新，并基于加密算法对所述本地模型更新进行签名，签名后发送给第二终端；S20，所述第二终端对所述签名进行验证，并在验证通过后将各个本地模型更新进行聚合，得到全局模型，并将所述全局模型分解成若干个局部模型，一个局部模型对应于一个本地模型，局部模型对应广播给各个第一终端，以便于第一终端接收到所述局部模型后基于本地医疗隐私数据训练获得所述本地模型更新；循环执行S10‑S20，直至所述全局模型收敛。本发明在联邦学习的基础上，通过对本地模型更新签名后再传输，进一步加强了数据安全性。

公开(公告)号：CN118433718A

公开(公告)日：2024-08-02

申请号：CN202410564125.0

申请日：2024-05-08

Applicant: 海南大学

Inventor： 欧嵬 ,  张琼露 ,  武艺珊 ,  张凯钧 ,  张思源 ,  盛云灿 ,  邝依蕊 ,  韩文报

IPC: H04W12/121 ,  H04W4/40 ,  G06N3/006 ,  G06N3/048 ,  G06N3/047 ,  G06N3/08

Abstract: 本发明涉及数据处理技术领域，尤其涉及一种基于改进PCA和PSO的车联网入侵检测方法，包括以下步骤：S10，采集车联网通信过程中的车辆网络数据，并将车辆网络数据进行预处理，得到预处理后的车辆网络数据；S20，将预处理后的车辆网络数据，使用高斯随机增量改进的主成分分析算法进行数据降维处理，得到降维后的车辆网络数据；S30，将降维后的车辆网络数据作为输入，利用WELM模型进行入侵检测，输出车联网入侵检测结果；所述WELM模型基于惯性权重粒子群算法优化而得。通过本发明方法进行入侵检测，可以提高检测效率及精度，降低检测时间，继而提高时效性。