-
公开(公告)号：CN108124261B
公开(公告)日：2020-10-27
申请号：CN201711308704.5
申请日：2017-12-11
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种融合信誉评估与巡查机制的无线传感网安全成簇方法，属于无线传感网安全技术领域。该方法将信誉评估与巡查机制融合在一起，解决了现有无线传感网恶意节点检测识别技术检测率低、检测速率慢、耗费资源多、检测成本高、难以发现潜伏或伪装的恶意节点等问题。本发明采用对汇聚节点巡查到异常行为节点的惩罚机制，快速降低异常节点的信誉值，与现有的技术相比，这是一个针对无线传感网非正常攻击恶意节点检测的安全成簇方法，具有较高的恶意节点检测率、检测速率和节省能量、节点能量消耗均衡，以及实时性强的特点。
-
公开(公告)号：CN111818056A
公开(公告)日：2020-10-23
申请号：CN202010657907.0
申请日：2020-07-09
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于区块链的工业互联网身份认证方法，属于工业互联网安全技术领域。该方法包括S1：发送户节点注册、认证请求；S2：CMF节点出块时间间隔内，根据各个节点的信用值从大到小生成出块节点名单；S3：完成用户节点的注册、认证工作，记账节点向其他CMF普通节点广播用户信息，各普通节点收到消息后存入本地授权用户表单；用户节点认证完成后，由CMF记账节点生成Token同时发送给用户节点和相应的IISP；S4：用户凭借从CMF获取的Token与相应的IISP建立连接，获取服务。本发明能较好的适用于工业互联网应用场景，在传统身份认证方法的基础上提高了一定的安全性，并满足一定的吞吐性能要求。
-
公开(公告)号：CN107241358A
公开(公告)日：2017-10-10
申请号：CN201710651758.5
申请日：2017-08-02
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种基于深度学习的智能家居入侵检测方法，涉及在线系统涉及一种模糊神经网络和深度学习相结合的方法来判断网络是否存在入侵行为。该方法将深度学习和模糊神经网络有机结合在一起，了解决现有智能家居入侵检测技术难以处理大量高维数据、误报率高、漏报率高、检测率低的问题。本发明采用离线系统确定在线系统的运行参数，在线系统进行实时入侵检测，与现有技术相比，这是一个针对智能家居网络攻击行为的主动监测模型，具有较高的检测率、较低的漏报率和误报率，以及实时性强等特点。
-
公开(公告)号：CN111431938A
公开(公告)日：2020-07-17
申请号：CN202010334118.3
申请日：2020-04-24
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于胶囊网络的工业互联网入侵检测方法，属于互联网安全技术领域。首先对数据进行图像化处理以便于识别抽象特征，而后使用超深度卷积神经网络构建特征提取前端，同时引入全局平均池化层提高提取特征图的质量。在此基础上引入动态路由算法，通过迭代的方式对入侵数据特征进行聚类，在胶囊网络模块完成对各种攻击的检测分类。本发明使用多个池化层大幅减少数据维度，降低算法的空间复杂度。在反向传播(BP)过程中使用Adam方法作为优化算法，动态调整模型训练学习率，保证模型的平稳收敛以达到最优效果。与现有技术相比，本发明在工业互联网联网入侵检测中检测准确率高，有更低的误报率和漏报率。
-
Patent Agency Ranking
公开(公告)号：CN108124261A
公开(公告)日：2018-06-05
申请号：CN201711308704.5
申请日：2017-12-11
Applicant: 重庆邮电大学
CPC classification number: Y02D70/00 , Y02D70/34 , H04W40/32 , H04W12/12 , H04W24/08 , H04W40/10 , H04W40/14 , H04W52/0212 , H04W52/28 , H04W52/34
Abstract: 本发明涉及一种融合信誉评估与巡查机制的无线传感网安全成簇方法，属于无线传感网安全技术领域。该方法将信誉评估与巡查机制融合在一起，解决了现有无线传感网恶意节点检测识别技术检测率低、检测速率慢、耗费资源多、检测成本高、难以发现潜伏或伪装的恶意节点等问题。本发明采用对汇聚节点巡查到异常行为节点的惩罚机制，快速降低异常节点的信誉值，与现有的技术相比，这是一个针对无线传感网非正常攻击恶意节点检测的安全成簇方法，具有较高的恶意节点检测率、检测速率和节省能量、节点能量消耗均衡，以及实时性强的特点。
-
公开(公告)号：CN111818056B
公开(公告)日：2022-07-01
申请号：CN202010657907.0
申请日：2020-07-09
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于区块链的工业互联网身份认证方法，属于工业互联网安全技术领域。该方法包括S1：发送户节点注册、认证请求；S2：CMF节点出块时间间隔内，根据各个节点的信用值从大到小生成出块节点名单；S3：完成用户节点的注册、认证工作，记账节点向其他CMF普通节点广播用户信息，各普通节点收到消息后存入本地授权用户表单；用户节点认证完成后，由CMF记账节点生成Token同时发送给用户节点和相应的IISP；S4：用户凭借从CMF获取的Token与相应的IISP建立连接，获取服务。本发明能较好的适用于工业互联网应用场景，在传统身份认证方法的基础上提高了一定的安全性，并满足一定的吞吐性能要求。
-
公开(公告)号：CN108712404B
公开(公告)日：2020-11-06
申请号：CN201810422160.3
申请日：2018-05-04
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种基于机器学习的物联网入侵检测方法，属于物联网安全领域，包括数据预处理、划分数据集及数据降维、构建最小二乘支持向量机、对最小二乘支持向量机进行稀疏化处理、形成基分类器、构建出基于神经网络的基分类器、进行入侵行为检测和进行预测实验。本发明采用最小二乘支持向量机算法以及剪枝技术等降低计算的复杂性；采用改进的进化策略优化模型以摆脱极值点，达到模型最优的效果，可提高判断的准确性。本发明具有计算量小、误报率低和检测准确性高的特点，适合物联网中的入侵检测。
-
公开(公告)号：CN107241358B
公开(公告)日：2020-04-07
申请号：CN201710651758.5
申请日：2017-08-02
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种基于深度学习的智能家居入侵检测方法，涉及在线系统涉及一种模糊神经网络和深度学习相结合的方法来判断网络是否存在入侵行为。该方法将深度学习和模糊神经网络有机结合在一起，了解决现有智能家居入侵检测技术难以处理大量高维数据、误报率高、漏报率高、检测率低的问题。本发明采用离线系统确定在线系统的运行参数，在线系统进行实时入侵检测，与现有技术相比，这是一个针对智能家居网络攻击行为的主动监测模型，具有较高的检测率、较低的漏报率和误报率，以及实时性强等特点。
-
公开(公告)号：CN108712404A
公开(公告)日：2018-10-26
申请号：CN201810422160.3
申请日：2018-05-04
Applicant: 重庆邮电大学
CPC classification number: H04L63/1416 , G06K9/6247 , G06K9/6269 , G06K9/6287 , G06N3/0445 , G06N3/086 , H04L67/12
Abstract: 本发明公开了一种基于机器学习的物联网入侵检测方法，属于物联网安全领域，包括数据预处理、划分数据集及数据降维、构建最小二乘支持向量机、对最小二乘支持向量机进行稀疏化处理、形成基分类器、构建出基于神经网络的基分类器、进行入侵行为检测和进行预测实验。本发明采用最小二乘支持向量机算法以及剪枝技术等降低计算的复杂性；采用改进的进化策略优化模型以摆脱极值点，达到模型最优的效果，可提高判断的准确性。本发明具有计算量小、误报率低和检测准确性高的特点，适合物联网中的入侵检测。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.023 seconds)
