公开(公告)号：CN116938880A

公开(公告)日：2023-10-24

申请号：CN202310705131.9

申请日：2023-06-14

Applicant: 郑州轻工业大学

Inventor： 马照瑞 ,  张世城 ,  栗娜 ,  胡新浩 ,  李天傲 ,  王宏建 ,  冯浩 ,  周诗洁 ,  张帅威 ,  翟亚琦 ,  牛鑫 ,  宋仕豪 ,  王宏 ,  张海涛

IPC: H04L61/5007 ,  H04L41/12 ,  G06N3/0464 ,  G06N3/08 ,  H04L101/69 ,  H04L101/659 ,  H04L101/695

Abstract: 本发明提出了一种用于IP定位的网络实体识别方法，步骤为：提取网络实体的IPv6地址，获取路径信息得到数据集；对数据集进行特征提取和匿名处理得到属性特征，将属性特征嵌入至网络拓扑图中；通过社区聚类方法对网络拓扑图进行社区划分得到子图；提取子图中节点的结构信息并计算结构相似度，对子图所有节点进行Transformer计算，计算节点的综合权重注意力；根据节点间的综合权重注意力，选取前K个节点进行聚合更新，输出更新后的节点表示；训练Transformer网络，将更新后的节点表示送入分类层，通过预测概率获取设备类别。本发明在公开收集的数据集上成功识别了8种不同的网络实体，网络实体的识别准确率在95.49%以上。

公开(公告)号：CN119835060A

公开(公告)日：2025-04-15

申请号：CN202510003567.2

申请日：2025-01-02

Applicant: 郑州轻工业大学

Inventor： 马照瑞 ,  张世城 ,  栗娜 ,  王宏建 ,  徐明明 ,  王宏 ,  胡新浩 ,  马培凯 ,  刘粉林 ,  权晓文 ,  吕梁昊 ,  刘海金 ,  陈帅斌 ,  郝飞

IPC: H04L9/40 ,  G06F18/214 ,  G06F18/2433 ,  G06F18/25 ,  G06F18/20 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提出了一种基于主动防御的多源日志数据融合子树溯源图攻击检测方法，包括步骤：根据CTI数据构建攻击行为图，将多源日志数据融合并构建溯源图；构建节点对齐规则，对攻击行为图和溯源图进行节点对齐；以节点对齐后的攻击行为图为查询图，以节点对齐后的溯源图为目标图，分别对查询图和目标图进行子树构建；对构建的查询图子树和目标图子树进行子树同构计算并进行递归更新，得到子树同构矩阵，根据子树同构矩阵计算最终的子树同构指标；进行查询图和目标图相似度计算得到广义指标矩阵；基于广义指标矩阵和子树同构指标进行攻击检测。本发明能在保证低时间复杂度的同时，维持较高识别率，显著提升了APT攻击检测的效率和准确率。

公开(公告)号：CN116938879A

公开(公告)日：2023-10-24

申请号：CN202310705116.4

申请日：2023-06-14

Applicant: 郑州轻工业大学

Inventor： 马照瑞 ,  胡新浩 ,  栗娜 ,  张世城 ,  冯浩 ,  王宏建 ,  李天傲 ,  殷毅 ,  张书博 ,  陈帅斌 ,  张万 ,  张怡豪 ,  汪运洋 ,  张启坤 ,  马培凯

IPC: H04L61/5007 ,  H04L41/12 ,  H04L101/69 ,  H04L101/659 ,  H04L101/695

Abstract: 本发明提出了一种基于超图神经网络的细粒度IPv6定位方法，步骤为：收集目标IP的网络测量数据进行数据清洗，结合网络拓扑结构实现简单图建模和属性抽取，得到简单图的节点和边；基于IPv6网络拓扑的集群特性，在IPv6网络拓扑上利用层次聚类算法进行节点聚类，构建超图；在超图中利用顶点卷积最大化图池化超边中地标的位置信息属性，通过超边卷积学习超图中超边间的位置信息，节点卷积学习超边特征中的位置信息同时聚合节点自身和周围邻居节点的特征，获取IPv6目标节点的特征向量矩阵；通过多层感知机进行解码任务，输出目标IPv6的位置信息预测值。本发明在三个实验地区的网络实体定位中值误差距离在5.837km~8.52km。

公开(公告)号：CN120017332A

公开(公告)日：2025-05-16

申请号：CN202510084410.7

申请日：2025-01-20

Applicant: 郑州轻工业大学

Inventor： 马照瑞 ,  胡新浩 ,  栗娜 ,  王宏建 ,  徐明明 ,  李虎 ,  王宏 ,  张世城 ,  刘粉林 ,  罗向阳 ,  权晓文 ,  刘海金 ,  吕梁昊 ,  郝飞 ,  陈帅斌

IPC: H04L9/40 ,  H04L41/12 ,  H04L41/14 ,  H04L41/16 ,  H04L43/10 ,  H04L43/00 ,  G06N3/042 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/084 ,  G06N3/0985

Abstract: 本发明提出了一种基于超图学习的软件物料风险评估方法，S1：构建HGL‑SSCR模型，包括依次连接的预处理器、超图建模块、超图学习模块和输出模块；S2：利用预处理器获取网络实体数据，利用网络实体数据建模简单图；S3：利用超图建模块对简单图进行脆弱相关性抽取并构建超图；S4：利用超图学习模块聚合超图中的节点特征获取超边特征，聚合超边特征更新质心顶点特征；S5：以质心顶点特征向量为输入，利用输出模块进行分类输出网络实体的脆弱性分类标签。考虑在软件生命周期中，软件物料清单（SBOM）所承载并传递的安全风险，且有效提高了模型的精度。

公开(公告)号：CN115964666A

公开(公告)日：2023-04-14

申请号：CN202310085234.X

申请日：2023-02-06

Applicant: 郑州轻工业大学

Inventor： 马照瑞 ,  张世城 ,  栗娜 ,  胡新浩 ,  王宏建 ,  李天傲 ,  董麒麟 ,  冯浩 ,  殷毅 ,  周诗洁 ,  闫震 ,  朱付保 ,  马培凯

IPC: G06F18/2431 ,  G06F18/2415 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/082 ,  G06N3/084 ,  G06F18/22

Abstract: 本发明提出了一种基于图神经网络的街道级IPv6地理定位方法，用以解决当前IPv6地理定位方法存在定位细粒度较低的技术问题。本发明的步骤为：对所获得的IP地址进行匿名处理，并将地标的经纬度信息转换为区域编号；利用图神经网络将处理后的节点信息转化为属性特征图；通过基于学习的方式将属性特征图的边的特征信息转换为边的权重；将节点的特征信息馈送到改进的GraphSAGE模型中，根据边的权重进行剪枝，通过卷积学习相邻节点的信息，并在节点表示后输出节点信息；结合区域编号将经过改进的GraphSAGE模型的节点属性更新矩阵放入层级分类模块中进行分类，输出目标地理定位。本发明在中值误差、平均误差和最大误差方面优于当前的IPv6地理定位算法。