基于Q-learning的网络最优攻击路径预测方法及系统

    公开(公告)号:CN116112278B

    公开(公告)日:2024-09-06

    申请号:CN202310132460.9

    申请日:2023-02-17

    Abstract: 本发明公开了一种基于Q‑learning的网络最优攻击路径预测方法及系统,利用漏洞扫描工具获取网络环境中的漏洞信息,构建网络环境的攻击图;根据提出的漏洞量化规则,从多维度对获取的漏洞进行评分,进而对攻击图进行量化;构建Q‑learning的网络最优攻击路径预测模型,将攻击图中的量化信息作为环境反馈值;在攻击图上对基于Q‑learning的网络最优攻击路径预测模型进行迭代训练,通过多次迭代自动实现对决策的优化;最终预测出多步攻击场景下的高危攻击路径,主要解决现有技术攻击路径预测慢、计算成本高、不能随着网络环境的变化进行动态调整的问题,可用于高校和企业网络等场景。

    基于及时生成和更新认证信息的无人机身份认证方法

    公开(公告)号:CN116506857A

    公开(公告)日:2023-07-28

    申请号:CN202310623275.X

    申请日:2023-05-30

    Abstract: 本发明公开了一种基于及时生成和更新认证信息的无人机身份认证方法,其步骤为:利用物理层防克隆函数PUF生成每架无人机独特的身份信息,认证消息由地面站为无人机生成的ID与PUF产生身份信息共同构建。利用轻量级哈希算法作为对认证消息进行加密的哈希函数,每次认证完成后都会更新无人机的身份信息。本发明地面站和待认证的无人机双方均使用相同的轻量级哈希算法作为对认证消息进行加密的哈希函数,完成协议过程中所有认证消息哈希值的生成与完整性认证,并通过此算法生成相应的最终会话密钥,本发明的计算量小,降低了方法的计算量与硬件的实现成本,提高了无人机身份认证的可靠性。

    基于Q-learning的网络最优攻击路径预测方法及系统

    公开(公告)号:CN116112278A

    公开(公告)日:2023-05-12

    申请号:CN202310132460.9

    申请日:2023-02-17

    Abstract: 本发明公开了一种基于Q‑learning的网络最优攻击路径预测方法及系统,利用漏洞扫描工具获取网络环境中的漏洞信息,构建网络环境的攻击图;根据提出的漏洞量化规则,从多维度对获取的漏洞进行评分,进而对攻击图进行量化;构建Q‑learning的网络最优攻击路径预测模型,将攻击图中的量化信息作为环境反馈值;在攻击图上对基于Q‑learning的网络最优攻击路径预测模型进行迭代训练,通过多次迭代自动实现对决策的优化;最终预测出多步攻击场景下的高危攻击路径,主要解决现有技术攻击路径预测慢、计算成本高、不能随着网络环境的变化进行动态调整的问题,可用于高校和企业网络等场景。

Patent Agency Ranking