本发明提供了一种云计算网络运行过程中的风险处理方法及设备，用以提升云计算网络的可用性。该方法包括：高可用监测中心对任一已启动的虚拟机进行风险监测；所述高可用监测中心将监测到的异常特征数据传输至特征分析中心，获取所述特征分析中心识别并返回的风险事件；所述安全监测中心根据返回的风险事件进行相应处理；如果返回的风险事件是属于修复时不影响业务运行的风险，协同云计算网络的相应设备对虚拟机进行修复，同时维持虚拟机业务的运行；如果返回的风险事件是属于修复时影响业务运行的风险，进行包括中断虚拟机业务在内的处理。
📄 2017113713778
📂 G06F21_55
👤 龙岩学院
📅 2017-12-19
本发明属于网络安全技术领域，具体涉及一种基于超图表征学习的APT恶意行为发现方法。本发明包括收集内核事件日志得到溯源图，对溯源图进行压缩，构建操作行为网络图；利用重叠社区发现算法得到操作行为网络图中所有进程的子社区，每个子社区形成一个超边；根据操作行为网络图提取进程的操作对象，将操作对象分配给相应的超边，形成超图结构；基于超图结构得到超边的特征矩阵训练超图神经网络，得到超图分类器；利用超图分类器进行APT恶意行为发现。本发明通过进程操作网络实现进程行为的高阶交互捕捉，基于构建的超图实现进程交互之间的深层次行为模式挖掘，基于超图的神经网络能对行为进行有效识别分类，具备更高的准确率。
📄 2024114798769
📂 G06F21_55
👤 浙江工业大学
📅 2024-10-23
本发明公开一种基于异常偏差类神经元的深度学习模型安全加固方法，该方法首先采用中毒数据集训练中毒模型，然后将少量的干净数据输入到中毒模型中，记录激活值大于等于所述平均值的神经元，作为神经元群；再将大量的干净数据输入到中毒模型中，计算神经元群中的神经元的激活值，并将这些神经元对所有输入的干净数据的激活值累加并按大小排序，选取排序靠前的神经元，即为异常偏差类神经元；然后构建损失函数，通过反向传播，将干净数据优化为异常数据，最后用异常数据和干净数据组成的数据集训练中毒模型，完成对模型的加固。本发明能够有效地防御中毒攻击，并且不影响模型正常样本的正确率，大幅提高模型的鲁棒性，使模型更加难以被攻击成功。
📄 2022109324833
📂 G06F21_55
👤 浙江工业大学
📅 2022-08-04
本发明公开了一种基于强化学习的联邦系统偏见中毒防御方法、装置，包括：服务器调用全局模型，分发给各个客户端，客户端接收中央服务器下发的全局模型，并利用本地数据基于平等机会偏差指标检测全局模型对敏感属性是否有偏见；若检测全局模型存在偏见，则利用基于强化学习的联邦学习方法进行去偏，得到去偏模型；使用本地数据训练去偏模型，并将训练后的去偏模型上传至中央服务器；若检测全局模型不存在偏见，则使用本地数据训练全局模型，并将训练后的全局模型上传至中央服务器；将训练后的全局模型和训练后去偏模型进行聚合，得到新的全局模型，并将新的全局模型下发到客户端；重复上述步骤，直至基于强化学习的联邦学习结束。
📄 2022110893549
📂 G06F21_55
👤 浙江工业大学
📅 2022-09-07
本发明公开了一种面向特征嵌入中毒攻击的检测方法、装置和系统，通过测试样本分别在良性模型和待检测模型每网络层的互信息的分布状态，实现对待检测模型中毒攻击的检测，针对中毒攻击的模型，基于测试样本在模型的特征通道的改变来生成扰动图，基于扰动图的分布特征确定模型中毒目标类，并生成中毒样本。经实验结果表明，该检测方法、装置和系统具有良好的适用性，能够有效的判断模型是否中毒并生成相应的中毒样本，取得较好的检测效果。
📄 2021101845700
📂 G06F21_55
👤 浙江工业大学
📅 2021-02-08
本发明公开了一种面向图神经网络模型后门攻击的检测方法和装置，包括：利用图数据对图神经网络模型进行训练，以优化图神经网络模型的参数；将图数据输入至参数优化的图神经网络模型中，计算图数据对应的损失函数，并对损失函数相对于图数据的邻接矩阵的反向求导以得到各连边对损失函数的重要程度值；依据重要程度值提取不同连边数的子图结构，并依据分类标签，将子图结构换分成与分类标签对应的多个子图库；针对每个子图库，依据子图结构之间的相似性计算子图结构的分布图；分析每个子图库对应的分布图中相似度值，依据相似度值的大小确定图神经网络模型是否被攻击。实现对图神经网络模型的后门攻击检测，来提高模型的安全性。
📄 2021105983216
📂 G06F21_55
👤 浙江工业大学
📅 2021-05-31
本申请公开了一种基于网络防御的模型处理方法、装置及存储介质，涉及神经网络的防御方法，包括：获取与目标模型满足相似度要求的替代模型；采用预设攻击方式攻击替代模型，生成对抗样本；根据对抗样本以及预设算法，计算获取差分隐私噪声参数；根据差分隐私噪声参数，在目标模型的输出层添加差分隐私噪声层，获取优化的目标模型。在该方法中，通过攻击替代模型生成对抗样本，并利用对抗样本以及预设算法，计算获取差分隐私噪声参数；最终在目标模型的输出层添加差分隐私噪声层，得到了优化后的目标模型，由于替代模型和目标模型的决策边缘相似，攻击替代模型生成的对抗样本具有较好的迁移性，提高了目标模型对抗各种攻击的成功率。
📄 2021105908959
📂 G06F21_55
👤 浙江工业大学
📅 2021-05-28
一种基于CUDA的网络入侵检测并行化加速方法。方法采用了CUDA并行计算模型，首先针对网络入侵检测系统中的k‑means算法进行了并行化分析，设计了一个全局选择器，在距离计算前运用全局选择判断入侵检测数据点所属聚簇是否改变，减少了冗余计算；然后在距离计算时采用了CUDA提供的通用矩阵乘函数进行加速，提高了运算速度；最后在聚簇中心更新时将所有入侵检测数据点按照簇标签排序分组，通过组内数据简单相加，减少了原子内存操作，从而提高整体性能。实验结果表明，本发明提出的加速方法是有效的，在保证检测率的情况下，有很高的并行化加速性能。
📄 2018103665556
📂 G06F21_55
👤 浙江工业大学
📅 2018-04-23
本发明公开了一种面向深度强化学习模型对抗攻击的防御方法及应用，包括：利用视觉预测模型对输入的前一时刻环境状态进行预测输出预测当前环境状态，并获得预测当前环境状态在深度强化学习策略下的下一帧预测环境状态值；获取深度强化学习模型输出的实际当前环境状态，并获得实际当前环境状态在深度强化学习策略下添加扰动的环境状态值；利用判别模型对预测环境状态值和添加扰动的环境状态值进行判别，根据判别结果获得深度强化学习模型是否被攻击；在深度强化学习模型被攻击时，提取实际当前环境状态，利用两个防御模型对实际当前环境状态进行防御；深度强化学习模型利用防御后的实际当前环境状态进行学习预测输出。
📄 2019111840513
📂 G06F21_55
👤 浙江工业大学
📅 2019-11-27
一种基于SVM的虚假数据注入攻击的分类方法，包括以下步骤：第一步，提取特征数据，从网络化倒立摆系统中采集所需的特征数据；第二步，获取虚假数据，定义所注入的虚假数据的形式，并为虚假数据附上false_label为‑1的标签；第三步，获取测试集与训练集的数据，继续构建数据集，为正常数据附上label为1的标签，将上述数据整合，得到所需训练集和测试集；第四步，通过SVM训练得到模型，最后计算分类的准确率。本发明在对初始数据进行获取后，采用了SVM进行分类，运行速度快，误差小，效率高，很好地解决了网络攻击中虚假数据注入对信息物理系统的影响。
📄 2018115546810
📂 G06F21_55
👤 浙江工业大学
📅 2018-12-19
本发明公开了一种基于梯度的链路预测的后门攻击防御方法、装置，所述方法包括获取链路预测模型的原始图数据集；构建特殊子图；构建初始的链路预测模型，并进行训练；基于梯度值，对特殊子图进行优化，得到优化的防御训练数据集；利用优化的防御训练数据集对链路预测模型再次进行训练得到优化的链路预测模型，利用优化的链路预测模型完成后门攻击防御。
📄 2022111315993
📂 G06F21_55
👤 浙江工业大学
📅 2022-09-15
本发明公开了一种基于异构图的APT实时检测分析方法，包括提取日志数据中的五个元属性，根据五个元属性基于预设的边生成规则将日志数据转化为异构图；利用图嵌入技术提取异构图中每个日志条目的上下文关系，形成一条日志序列，并将日志序列中的每个日志条目转换为低维向量表示；基于异构图中所有节点的低维向量，采用图概要技术生成固定大小的草图；将草图与预训练的检测模型进行比较，若草图适合检测模型下进化模型中的一个簇则该草图正常，即所获取的日志数据为无APT攻击场景下的日志数据；否则该草图异常，即所获取的日志数据为APT攻击场景下的日志数据。本发明实现了实现APT检测的高效性、精准性和实时性。
📄 2022105933194
📂 G06F21_55
👤 浙江工业大学
📅 2022-05-27
柿子坊 · 知识产权运营
柿子坊知识产权运营平台