公开(公告)号：CN116846565A

公开(公告)日：2023-10-03

申请号：CN202210135680.2

申请日：2022-02-14

Applicant: 郑州轻工业大学

Inventor： 张然 ,  潘芷涵 ,  王一帆 ,  甘勇 ,  尹毅峰

IPC: H04L9/40 ,  H04L41/16 ,  G06Q10/0639 ,  G06N3/006 ,  G06N3/084

Abstract: 本发明公开了一种基于SAA‑SSA‑BPNN的网络安全态势评估方法，具体包括以下步骤：步骤一：构建网络安全态势指标体系，对收集到的指标数据进行预处理；步骤二：建立基于SAA‑SSA‑BPNN的网络安全态势评估模型：具体包括：用模拟退火算法优化麻雀搜索算法；用优化后的麻雀搜索算法获取BP神经网络的最优初始权值和阈值；对用SAA‑SSA算法优化后的BPNN进行训练；生成具有评估能力的SAA‑SSA‑BPNN模型；步骤三：基于SAA‑SSA‑BPNN模型进行网络安全态势评估：输入测试数据到SAA‑SSA‑BPNN模型进行网络安全态势评估。该发明的技术效果为：解决了麻雀搜索算法易陷入局部最优和BPNN的最优权值和阈值难以确定及收敛速度缓慢的问题，显著提高了评估的准确性和收敛速度。

公开(公告)号：CN116304703A

公开(公告)日：2023-06-23

申请号：CN202310274573.2

申请日：2023-03-21

Applicant: 郑州轻工业大学

Inventor： 张然 ,  王一帆 ,  甘勇 ,  朱亮 ,  胡颖

IPC: G06F18/214 ,  G06N3/006 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提出了一种基于DE‑C&W的通用对抗样本生成方法，其步骤为：首先，使用差分进化（DE）算法对原始样本进行预处理，找到容易被攻击的敏感点；其次，给敏感点加入随机扰动后添加到原始样本中，得到对抗样本，并将对抗样本与原始样本共同作为初始输入样本；再基于初始输入样本构建C&W攻击算法的目标函数及损失函数；最后，使用Adam优化算法对损失函数进行优化，进而求得目标函数的最优解，也即最优扰动向量。本发明在生成通用对抗扰动实现普适性攻击时，降低了实现成本、简化了计算过程，保证攻击成功率的同时可在网络结构未知的情况下实现更加高效便捷、成本更低的普适性攻击。

公开(公告)号：CN115051864A

公开(公告)日：2022-09-13

申请号：CN202210708250.5

申请日：2022-06-21

Applicant: 郑州轻工业大学

Inventor： 张然 ,  潘芷涵 ,  甘勇 ,  尹毅峰 ,  王一帆

IPC: H04L9/40 ,  H04L41/142 ,  H04L41/16 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于PCA‑MF‑WNN的网络安全态势要素提取方法及系统，对初始数据通过主成分分析法进行降维，去除冗余的态势要素，属性约简，在降低数据复杂度的同时尽可能的用少数几个主成分来保留原始数据集的信息，训练加入动量因子的小波神经网络，通过加入动量因子的方法来提升小波神经网络的学习效率，将经过主成分分析法降维后的数据输入改进的小波神经网络中进行分类训练，得到态势要素提取模型。对小波神经网络的参数进行修正，可提高小波分类器的分类精度与分类效率。因此在利用态势要素提取模型进行网络安全态势要素提取时，能够提高态势要素提取的分类精度，而且也进一步提高了分类效率。

公开(公告)号：CN115051864B

公开(公告)日：2024-02-27

申请号：CN202210708250.5

申请日：2022-06-21

Applicant: 郑州轻工业大学

Inventor： 张然 ,  潘芷涵 ,  甘勇 ,  尹毅峰 ,  王一帆

IPC: H04L9/40 ,  H04L41/142 ,  H04L41/16 ,  G06F18/2135 ,  G06F18/241 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于PCA‑MF‑WNN的网络安全态势要素提取方法及系统，对初始数据通过主成分分析法进行降维，去除冗余的态势要素，属性约简，在降低数据复杂度的同时尽可能的用少数几个主成分来保留原始数据集的信息，训练加入动量因子的小波神经网络，通过加入动量因子的方法来提升小波神经网络的学习效率，将经过主成分分析法降维后的数据输入改进的小波神经网络中进行分类训练，得到态势要素提取模型。对小波神经网络的参数进行修正，可提高小波分类器的分类精度与分类效率。因此在利用态势要素提取模型进行网络安全态势要素提取时，能够提高态势要素提取的分类精度，而且也进一(56)对比文件张然;潘芷涵;尹毅峰;蔡增玉.基于SAA-SSA-BPNN的网络安全态势评估模型《.计算机工程与应用》.2022,117-124页.Jin Zhang;Shuilin Yan;Yang Liu;Weixiang Zhu;Zhongwei Zhao.A NovelWavelet Neural Network Load ForecastingAlgorithm with Adaptive Momentum Factor.《2021 IEEE 5th Advanced InformationTechnology, Electronic and AutomationControl Conference (IAEAC)》.2021,1673-1678页.