-
公开(公告)号:CN118982020A
公开(公告)日:2024-11-19
申请号:CN202411013371.3
申请日:2024-07-26
Applicant: 电子科技大学
IPC: G06F40/279 , G06F40/284 , G06F18/2415 , G06F18/2431 , G06F18/213 , G06N3/042 , G06N3/08 , H04L9/40 , G06F21/57 , G06F21/56
Abstract: 本发明公开了一种基于异构图神经网络的威胁杀伤链提取方法,方法包括:训练样本标注;实体提取,从网络攻击报告中提取出安全实体;关系三元组提取,从报告中提取出安全实体之间的关系;建立威胁知识图,将从报告中提取的边和实体组成的三元组建立为异构图;模型训练,将图多分类任务作为目标训练异构图神经网络。每个训练样本图是报告中包含的实体和边的组成的子图,将该子图分类至一个或多个杀伤链阶段;杀伤链提取,提取测试集中的报告中的杀伤链。本方案可以从非结构化文本中自动提取出相关杀伤链,使用户避免了手动分析和提取的繁琐,减轻安全运营人员的压力。
-
公开(公告)号:CN119005495A
公开(公告)日:2024-11-22
申请号:CN202411013055.6
申请日:2024-07-26
Applicant: 电子科技大学
IPC: G06Q10/063 , G06Q10/04 , G06Q50/40 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于卷积和自注意力的交通流量预测方法,包括以下步骤:S1.数据采集;S2.对采集到的数据进行预处理;S3.建立卷积自注意力CTformer模型并训练;S4.对交通流量进行预测。本发明提出了一种基于卷积和自注意力的交通流量预测方法,在模型浅层使用卷积操作捕获交通流量数据中的短期依赖,在模型深层使用自注意力捕获交通流量数据中的长期依赖,有效地结合两种架构的优势,并在计算效率和精度上实现了更好的平衡。
-
公开(公告)号:CN118981658A
公开(公告)日:2024-11-19
申请号:CN202411013426.0
申请日:2024-07-26
Applicant: 电子科技大学
IPC: G06F18/23213 , H04L9/40 , G06F21/57 , G06F21/56 , G06N3/0455 , G06N3/042 , G06N3/0895
Abstract: 本发明公开了一种基于异构图自编码器的APT攻击者聚类方法,包括:情报获取与STIX情报映射、异构图自编码器训练和攻击者聚类几个基础步骤;本方案针对APT攻击者的聚类问题,使用异构图来表示全面、复杂的威胁知识;同时使用异构图自编码器来在标签数据不足时,从数据本身提取攻击者的特征,并用于攻击者聚类,在自编码的自监督学习过程中,以元路径重建作为学习目标,使该自编码器可以有效提取包含语义信息的APT攻击者特征,可将其用于APT攻击者聚类任务,提高攻击者特征提取的准确性,更好地完成了攻击者聚类任务。
-
-