专利交易市场

本发明提供了一种基于梯度对抗的网络流量防测绘方法，提前构造网络流量预测模型，并将历史网络流量数据输入该网络流量预测模型，得到相对应的下一个时间段的网络流量预测值，并根据预测值和真实的预测值对应时间段的实际值求损失函数，最后对损失函数进行关于历史网络流量输入值的梯度求解，以此向网络中增加相对应的虚假流量值，以达到扰乱敌对方预测模型并导致其预测错误的目的，能够切实可靠地降低了区域网络的风险。

本发明公开了基于深度学习的计算机网络安全防护方法及系统，通过将标准多模态数据输入至多通道协同深度检测模型中，利用TCN时间卷积网络提取网络流量中的空间局部特征向量，通过GRU门控循环单元与自注意力机制相结合的网络分析用户行为序列中的长程时序依赖关系，采用预训练的DeBERTa大型语言模型进行深度语义分析，提取异常语义特征向量，得到多模态特征向量；通过跨模态注意力融合对多模态特征向量进行融合后输入全连接网络中进行融合分析，输出威胁评分指数；基于Apriori关联算法根据所述威胁评分指数生成计算机网络安全的防护策略，并根据防护策略进行执行。为网络安全提供高效快速的保障。

本发明涉及一种智慧校园网络安全防护系统，属于电数字数据处理技术领域。该系统包括处理器和存储器，处理器执行存储器存储的计算机程序以实现如下步骤：将原始信息图像中的各像素点灰度值转化为二进制序列；根据二进制序列，得到各像素点对应的比特块，比特块由有值子比特块和无值子比特块构成；根据比特块和目标滤波核中的核值，得到目标识别码序列；根据目标识别码序列，得到目标比特块；根据目标比特块和目标滤波核，得到各像素点对应的像素块中各子像素块的值；对各像素块中的各子像素块进行置乱，得到各像素点对应的目标像素块，对各像素点对应的目标像素块进行存储。本发明能保护学生权益和学生隐私，进而维护了智慧校园网络的安全。