“魏金侠”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果37个，建议您升级VIP下载更多相关专利

[发明专利]一种恶意域名检测方法、系统及介质-CN202310973658.X在审
发明人：姜新凡;吴晋波;王滔;黄娟;钟翔宇;周波;周娟;吴昊霖;潘柳蓉;黄海;肖彪;赵静;魏金侠;杜冠瑶;赵增羽;周靖登;宋小帆;宋雅稀 -专利权人：国网湖南省电力有限公司;国网湖南省电力有限公司电力科学研究院;国家电网有限公司
申请日： 2023-08-03 - 公布日： 2023-10-13 - 主分类号： H04L9/40 文献下载
摘要：本发明公开了一种恶意域名检测方法、系统及介质，本发明方法包括判断被检测域名是否在域名黑名单中，若在域名黑名单中，则判定被检测域名为恶意域名或者正常域名，结束并退出；否则，提取特征，并针对提取的特征利用神经网络模型来判断被检测域名是否为恶意域名；利用神经网络模型来判断被检测域名是否为恶意域名之后，还包括在被检测域名为恶意域名时，将被检测域名作为恶意域名加入域名黑名单中，且针对初步的特征进行筛选为基于信息增益的方法进行筛选。本发明旨在克服现有单一检测技术都有其局限性的问题，提升提高检测准确率和速度。
一种恶意域名检测方法系统介质

[发明专利]基于聚类的统一认证系统异常登录检测方法以及相关装置-CN202210132668.6在审
发明人： 魏金侠;陈凯;龙春;赵静;杜冠瑶;杨帆 -专利权人：中国科学院计算机网络信息中心
申请日： 2022-02-14 - 公布日： 2023-08-25 - 主分类号： H04L9/40 文献下载
摘要：本申请公开了一种基于聚类的统一认证系统异常登录检测方法以及相关装置。该方法包括提取所述统一认证系统中的日志数据，得到所述统一认证系统中登录行为的特征数据，其中所述特征数据包括用户登录行为所包含的信息；根据预设聚类模型处理所述特征数据，对异常登录在线实时检测，其中所述预设聚类模型不基于先验的聚类类别数。本申请解决了对于统一认证系统异常登录检测效果不佳的技术问题。通过本申请基于统一认证系统实现了用户特征选择以及用户异常登录检测。
基于统一认证系统异常登录检测方法以及相关装置

[发明专利]基于层次特征的LDoS隐蔽攻击检测方法以及装置-CN202210169518.2在审
发明人：龙春;赵静;魏金侠;杨帆 -专利权人：中国科学院计算机网络信息中心
申请日： 2022-02-14 - 公布日： 2023-08-25 - 主分类号： H04L9/40 文献下载
摘要：本申请公开了一种基于层次特征的LDoS隐蔽攻击检测方法以及装置。该方法包括基于半监督谱聚类模型，将正常流量数据筛除，其中所述半监督谱聚类模型根据LDoS攻击包宏观特征构建，用以表征在一个攻击脉冲时间内流量数据的整体分布情况；在将正常流量数据筛除之后，对剩余流量数据进行基于预设的流量时间序列的无监督LDoS攻击监测，其中所述预设的流量时间序列通过LDoS攻击包内特征构建，用于表征一个脉冲时间内随着时间序列每一个包的具体特征；根据所述无监督LDoS攻击监测，得到所述LDoS隐蔽攻击检测结果本申请解决了无法较好地检测出LDoS攻击技术问题。通过本申请基于二层LDoS攻击特征描述，实现LDoS隐蔽攻击检测。
基于层次特征 ldos 隐蔽攻击检测方法以及装置

[发明专利]异常检测方法以及相关装置-CN202210138236.6在审
发明人：万巍;王可;赵静;魏金侠;龙春;杨帆 -专利权人：中国科学院计算机网络信息中心
申请日： 2022-02-15 - 公布日： 2023-08-25 - 主分类号： H04L9/40 文献下载
摘要：本申请公开了一种异常检测方法以及相关装置。该方法包括根据用户登录日志，提取得到用户行为特征数据，其中所述用户行为特征数据基于预设时间窗口作为当前用户登录行为是否异常的检测标准；基于所述用户行为特征数据，建立预设异常检测模型，其中所述预设异常检测模型为使用多组数据通过无监督机器学习训练得出的，多组数据中的每组数据均包括：小样本数据，所述小样本数据包括用户异常登录行为的数据；通过所述预设异常检测模型，检测出用户异常行为登录行为。本申请解决了异常检测误报率高、不易于构造样本的技术问题。通过本申请实现了用户异常行为准确地监测，并且提供的小样本数据能够基于无监督训练方式进行模型的训练。
异常检测方法以及相关装置

[发明专利]网络攻击检测方法以及装置、设备、存储介质-CN202210138446.5在审
发明人： 魏金侠;肖建平;龙春;赵静;杨帆 -专利权人：中国科学院计算机网络信息中心
申请日： 2022-02-15 - 公布日： 2023-08-25 - 主分类号： H04L9/40 文献下载
摘要：本申请公开了一种网络攻击检测方法以及装置、设备、存储介质。该方法包括根据所述网络攻击的特征相关性，确定特征子集；通过聚类将所述特征子集进行特征分组；根据特征分组后的特征分组数量，确定自动编码器的数量，其中，所述自动编码器与每个特征子集之间具有映射关系，所述自动编码器集成于预设网络攻击检测模型中，所述预设网络攻击检测模型通过所述自动编码器以无监督方式对样本数据进行训练得到的，所述样本数据包括正常网络流量数据；通过所述预设网络攻击检测模型，检测网络攻击。本申请解决了基于机器学习的网络攻击检测模型采用有监督训练方式，网络训练过程复杂以及网络攻击检测时间较长的技术问题。通过本申请减少训练和检测的时间开销。
网络攻击检测方法以及装置设备存储介质

[发明专利]基于同态加密以及无监督特征选择的隐私信息保护方法以及装置-CN202210151055.7在审
发明人：龙春;魏金侠;万巍;赵静;杨帆;肖建平 -专利权人：中国科学院计算机网络信息中心
申请日： 2022-02-14 - 公布日： 2023-08-22 - 主分类号： H04L9/40 文献下载
摘要：本申请公开了一种基于同态加密以及无监督特征选择的隐私信息保护方法以及装置。该方法包括用户将隐私信息进行外包处理时，对所述隐私信息采用预设同态加密算法对特征选择操作进行加密之后，再上传至服务器进行预设数据处理操作；和/或，所述用户将隐私信息进行特征选择处理时，基于所述预设同态加密算法以及采用无监督的特征选择模型进行所述特征选择处理的同时保护所述隐私信息。本申请解决了用于建模的特征集维度较高且处理过程容易造成信息泄露的技术问题。通过本申请既解决了标签稀缺条件下的特征选择问题，又实现了特征敏感信息的隐私保护。
基于同态加密以及监督特征选择隐私信息保护方法装置

[发明专利]异常账户检测方法、装置及存储介质-CN202010530738.4有效
发明人：赵静;龙春;韩奎宇;魏金侠;杜冠瑶;杨帆 -专利权人：中国科学院计算机网络信息中心
申请日： 2020-06-11 - 公布日： 2023-08-22 - 主分类号： H04L9/40 文献下载
摘要：本发明实施例公开了一种异常账户检测方法、装置及存储介质，涉及网络安全领域。本发明的方法包括：对各账户的登录失败次数分别进行统计，当存在登录失败次数大于第一预设值L时，将所述账户作为第一风险账户；获取所述第一风险账户进行登录操作的各个IP地址，当所述各个IP地址中存在登录失败次数大于第二预设值M的IP地址时，将所述IP地址作为风险IP地址；获取基于所述风险IP地址进行登录操作的各账户信息，当存在登录失败次数大于第三预设值N的账户时，将所述账户作为第二风险账户；基于各所述第一风险账户和各所述第二风险账户，确定目标风险账户。本发明能够提升账户异常分析结果的准确性。
异常账户检测方法装置存储介质

[发明专利]入侵检测方法、装置及存储介质-CN202010008230.8有效
发明人：赵静;龙春;魏金侠;杜冠瑶;杨帆 -专利权人：中国科学院计算机网络信息中心
申请日： 2020-01-06 - 公布日： 2023-07-25 - 主分类号： G06F18/214 文献下载
摘要：本发明实施例公开了一种入侵检测方法、装置及存储介质，涉及网络安全领域。本发明的方法包括：获取M类异常样本，并对各类样本数量进行均衡处理；对所述M类异常样本中的各样本进行特征约简；将特征约简后的M类异常样本及正常样本，作为样本集合，对初始深度学习模型进行训练，得到入侵检测模型；其中，所述深度学习模型由M+1个分类器构成；基于所述入侵检测模型，进行网络攻击检测。本发明能够提高网络异常入侵检测的准确率和效率。
入侵检测方法装置存储介质

[发明专利]一种基于分类的异常检测方法和系统-CN202010531591.0有效
发明人：赵静;龙春;万巍;魏金侠;杜冠瑶;杨帆 -专利权人：中国科学院计算机网络信息中心
申请日： 2020-06-11 - 公布日： 2023-07-21 - 主分类号： G06F16/35 文献下载
摘要：本发明提供一种基于分类的异常检测方法和系统，该方法包括对正常日志数据和异常日志数据分别进行预处理；分别提取经过预处理的正常日志数据和异常日志数据的特征，在预设时间窗口内对得到的正常日志特征和异常日志特征进行数据挖掘，得到正常频繁项集和异常频繁项集，构建正常行为模型和异常行为模型；对待检测日志数据进行挖掘，获得频繁项集，并将频繁项集与正常行为模型和异常行为模型进行比较，找出异常；该方法和系统提高了异常检测的准确性。
一种基于分类异常检测方法系统

[发明专利]基于半监督谱聚类和集成SVM的流量检测方法及系统-CN202010531581.7有效
发明人：龙春;魏金侠;万巍;赵静;杜冠瑶;杨帆 -专利权人：中国科学院计算机网络信息中心
申请日： 2020-06-11 - 公布日： 2023-06-27 - 主分类号： H04L9/40 文献下载
摘要：本发明提供一种基于半监督谱聚类和集成SVM的流量检测方法及系统，所述检测方法首先将未知网络流量和已知网络流量区分开来。因此，首先解决的是未知网络流量的筛选问题，通过半监督谱聚类方法实现对未知网络流量的筛选，提高了未知网络流量筛选的效率；其次建立基于SVM的集成分类器，避开了从归纳到演绎的传统过程，大大简化了分类与回归问题，同时具有很好的鲁棒性，在检测未知网络流量攻击类型方面具有较高的准确率和较低的误报率，实现对未知网络流量进行攻击类型的精准检测。
基于监督谱聚类集成 svm 流量检测方法系统

[发明专利]一种超级计算中心漏洞检测方法及系统-CN202011492289.5有效
发明人：龙春;魏金侠;万巍;赵静;郭楷;廖振;王玲悦;杨帆 -专利权人：中国科学院计算机网络信息中心
申请日： 2020-12-17 - 公布日： 2023-06-20 - 主分类号： H04L9/40 文献下载
摘要：本发明提供一种超级计算中心漏洞检测方法及系统，该方法包括向超级计算中心服务器各节点发送第一请求信息及第二请求信息；获取超级计算中心服务器各节点返回的第一请求信息相关的返回信息及第二请求信息对应的返回信息簇，并记录相应节点信息；并行处理各节点的返回信息及返回信息簇，将返回信息与返回信息簇进行匹配，当返回信息与返回信息簇内的某一信息匹配一致时，判断存在漏洞；该方法和系统提高了漏洞检测的灵敏度和准确度，同时提高了处理速度。
一种超级计算中心漏洞检测方法系统

[发明专利]一种基于无监督特征选择的入侵检测方法及系统-CN202111405755.6在审
发明人：龙春;魏金侠;万巍;赵静;杨帆;肖建平 -专利权人：中国科学院计算机网络信息中心
申请日： 2021-11-24 - 公布日： 2023-05-30 - 主分类号： G06F18/214 文献下载
摘要：本发明提供一种基于无监督特征选择的入侵检测方法及系统，所述方法包括对训练数据集进行特征选择，获得维度为k维的数据集；利用k维的数据集对分类器进行训练，获得检测模型；该方法及系统对采集到的真实网络流量进行特征选择；同时只利用正常流量去训练one‑class SVM检测模型，获得一个高检测率的入侵检测模型，解决了目前大多数入侵检测模型由于依赖异常标签而引发泛化能力不足的问题；基于特征选择后构建的检测模型同时提高了入侵检测的准确性。
一种基于监督特征选择入侵检测方法系统

[发明专利]一种基于时序特征的网络异常行为监测方法以及装置-CN202110958581.X在审
发明人：龙春;赵静;魏金侠;杨帆;石鑫 -专利权人：中国科学院计算机网络信息中心
申请日： 2021-08-20 - 公布日： 2023-03-24 - 主分类号： H04L9/40 文献下载
摘要：本申请公开了一种基于时序特征的网络异常行为监测方法以及装置。该方法包括获取待处理的网络数据包，其中，所述网络数据包至少包括：时序信息；根据所述时序信息和预设网络异常行为特征，确定用于表征所述网络异常行为的数据包向量；通过将所述所述数据包向量输入预设机器学习模型，得到网络异常行为判别结果。本申请解决了单条流量入侵检测导致准确率低且检测率不高的技术问题。通过本申请按照时间顺序将每一条网络流量汇聚到一起进行前后关联分析，提高了检测率。
一种基于时序特征网络异常行为监测方法以及装置

[发明专利]物联网访问认证以及身份鉴别方法以及装置、电子设备、存储介质-CN202111032013.3在审
发明人：龙春;杜冠瑶;王跃达;赵静;魏金侠;杨帆 -专利权人：中国科学院计算机网络信息中心
申请日： 2021-09-03 - 公布日： 2023-03-07 - 主分类号： G06F21/31 文献下载
摘要：本申请公开了一种物联网访问认证以及身份鉴别方法以及装置、电子设备、存储介质。该方法包括提取待认证的用户和/或设备的特征，得到所述用户和/或设备的特征子集；根据所述特征子集挖掘得到频繁项集，构建用于物联网访问认证的信任链条；当已认证的用户和/或设备作为所述物联网的接入节点，每一次请求访问物联网中的资源时，基于所述信任链条通过预设的时间序列模型对所述物联网的所述接入节点进行持续访问认证。本申请解决了对于物联网的访问认证以及身份鉴别的效果不佳的技术问题。通过本申请实现了有效的身份鉴别并且在复杂多元化的物联网中持续动态认证。
联网访问认证以及身份鉴别方法装置电子设备存储介质

[发明专利]一种基于自动编码器的无监督未知攻击检测方法及系统-CN202110672630.3在审
发明人： 魏金侠;龙春;万巍;赵静;杨帆 -专利权人：中国科学院计算机网络信息中心
申请日： 2021-06-17 - 公布日： 2022-12-20 - 主分类号： G06F21/55 文献下载
摘要：本发明提供一种基于自动编码器的无监督未知攻击检测方法及系统，所述方法和系统包括对数据集进行特征简约处理，获得新的数据集；将新的数据集输入到无监督分类器进行训练获得检测模型；利用检测模型对待检测数据集进行检测；所述方法和系统首先利用相关性分析方法与随机森林相结合的方法对数据集的特征进行约简，降低特征维度；其次考虑在真实的网络环境中，网络流量数据存在很少的类别标签或者不存在类别标签，进一步利用无监督学习构建未知攻击检测模型，可以精准的将未知攻击检测出来。
一种基于自动编码器监督未知攻击检测方法系统

1
2
3
下一页»
尾页
共 37 条