基于深度学习集成模型与AdaBoost的XSS攻击检测方法,包括以下步骤:步骤1,预处理;步骤2,构建深度学习集成模型;步骤3,用步骤2构建的深度学习集成模型进行检测;AdaBoost能够显著增强深度学习模型的分类能力,准确率达到99.49%,可更好的防御XSS攻击。
📄 2024116580621
📂 G06F21_57
👤 西安邮电大学
📅 2024-11-19
本发明涉及中断源控制领域,具体是涉及一种控制中断源的运行方法、装置、终端设备及存储介质。本发明首先根据中断源所对应的保护域序号,判断中断源是否受信任,根据判断结果再去寻求与该中断源相匹配的目标保护域,也即地址空间和时间限制来运行该中断源,以防止潜在的不受信任的中断源直接访问保存有系统核心内容的内存或进入死循环,从而能够起到保护系统信息安全的作用。本发明首先对中断源的安全性进行判断,能够很好的保护系统不被不受信任的中断源破坏,从而提高系统的安全性。
📄 2021107399154
📂 G06F21_57
👤 佛山职业技术学院
📅 2021-06-30
本发明公开了一种面向大模型的对抗样本迭代式生成方法,包括构建基于候选标识符索引向量的搜索空间;利用贝叶斯优化框架生成对抗示例,通过高斯过程代理目标函数动态选择最优候选点;结合行列式点过程对候选样本进行多样性采样,确保生成的对抗示例覆盖范围广泛且具有高攻击性;迭代优化生成过程,根据攻击反馈动态调整方向,逐步优化对抗示例生成效率和成功率。本发明通过结合反馈优化和多样性采样技术,有效解决了现有对抗示例生成方法中的局部最优问题和效率困境。实验表明,本发明生成的对抗示例在漏洞预测、克隆检测和代码摘要等任务中表现出显著的攻击效果,能够充分测试深度代码模型的鲁棒性,为模型改进和优化提供了技术支持。
📄 2024117663763
📂 G06F21_57
👤 重庆大学
📅 2024-12-04
本发明提出了一种基于代码变更大模型的漏洞检测方法。包括如下步骤:对数据集进行预处理,删除重复样本和注释,仅保留代码文本,对代码文本进行token化并去除重复token。然后,遍历无漏洞特征的代码文本,计算与目标代码的Jaccard相似度,选择与无漏洞特征的代码文本中相似度最高的一个组成数据样本对。将无漏洞特征的代码文本视为变更前片段,目标代码视为变更后片段,提取代码间差异部分并标记为增加或删除的代码片段。使用基于代码变更的大模型CCT5的预训练权重初始化模型,调整模型结构,设置关键参数,在训练集上微调模型并更新参数,用于检测代码漏洞;将一段代码文本输入在微调任务中表现最佳的CCT5模型,该模型输出其是否具有漏洞的预测值。
📄 202411687424X
📂 G06F21_57
👤 重庆大学
📅 2024-11-25
本发明公开安全可信执行环境下的基于区块链的外包计算系统及方法。系统包括数据处理需求方、若干云服务提供方和区块链平台;本发明在区块链平台上,以半可信的CSP为任务处理节点,实现了数据外包的功能,降低了用户的计算成本。为了使外包过程完全自动化,在外包方案中引入智能合约,有效地减少了人工干预,提高了数据的可靠性。
📄 2021106302950
📂 G06F21_57
👤 重庆大学
📅 2021-06-07
本发明涉及互联网安全技术领域,尤其为一种网站漏洞在线评估方法及装置,包括自身检测模块和仿木马入侵模块,用于通过自身的检测方式对网站漏洞信息进行检测,同时通过仿木马入侵的方式对网站进行入侵,获取漏洞信息模块,用于接收网站本体系自身检测的漏洞信息以及仿木马入侵的漏洞信息,参数对比模块,用于将接收到的网站体系自身检测漏洞信息和仿木马入侵的漏洞信息进行对比,在线评估模块,用于将所接收到的全部漏洞信息进行等级评估,整体采用集成化的思想理念,更全面化的将基本信息扫描、操作系统扫描、开放服务端扫描、OS漏洞扫描、数据库扫描和端口扫描集成在自身检测的模块中,能够对目标网站提供更为全面的深入测试。
📄 2020105479376
📂 G06F21_57
👤 广州市安鸿网络科技有限公司
📅 2020-06-16
已申报项目
本发明公开了一种基于多标记模型的智能合约漏洞检测方法,包括:对操作码进行归类,并通过n‑gram算法和tf‑idf算法将操作码转化为向量,可以最大程度保留合约信息,并反映智能合约的结构特征和调用关系;利用链对标签相关性建模,选择多标记模型分类器链进行漏洞分类训练,充分反映不同漏洞发生的共同内在关联。本发明在考虑合约操作码结构特征的基础上,有效利用了不同漏洞之间的内在关联,本发明具有实用性强、准确率高,检测效率高等优点,适用于大批量智能合约的检测。
📄 2022104826829
📂 G06F21_57
👤 南京邮电大学
📅 2022-05-05
本发明提出一种具备主动防御功能的网站安全防御系统和方法。所述系统包括输入端、处理端、输出端以及反馈端;输入端包括N个并行数据接收通道与反馈数据输入通道;处理端包括多个数据编码通道,用于对数据接收通道接收的网络输入数据执行数据编码,生成编码通道数据;处理端的多个编码预测模型将所述编码通道数据作为所述编码预测模型的输入,编码预测模型输出多个安全预测结果,发送至输出端;输出端按照预设条件对多个安全预测结果执行筛选,将筛选出的至少一个安全预测结果发送至所述反馈端;当筛选出的安全预测结果满足预设条件时,处理端更新编码预测模型。本发明的技术方案能够高效的实现网站的主动防御,同时实现动态反馈更新。
📄 202110651977X
📂 G06F21_57
👤 连云港微部落网络技术有限公司
📅 2021-06-11
本发明公开了一种基于多智能体的深度强化学习策略优化防御方法,包括:(1)构建包含有目标智能体和多个对抗性智能体的自动驾驶环境;(2)根据对抗性智能体对目标智能体的攻击成功与否,将目标智能体的状态转换过渡过程数据分别存在经验回放缓冲区D+和D‑中,从D+和D‑中采集数据更新对抗性智能体对应的决策梯度算法模型参数;(3)将对抗性智能体与目标智能体车一起进行博弈训练,目标智能体的状态转换过渡过程数据存储在经验缓冲区D,从D中采集数据更新目标智能体对应的决策梯度算法模型参数,直到博弈训练结束为止;(4)应用时,将采集的局域环境状态数据输入至目标智能体对应的决策梯度算法模型中,经计算输出决策动作指导目标智能体执行。
📄 2020108990202
📂 G06F21_57
👤 浙江工业大学
📅 2020-08-31
本发明属于网络安全和机器学习技术领域,公开了一种融合强化学习与HER算法的可迁移自动渗透测试方法及介质,包括将渗透测试过程建模为马尔科夫决策过程,使用DQN模型构建自动渗透测试的基础模型;在基础模型的MDP任务结构中增加目标状态,并根据目标状态重构经验池中经验样本的数据格式,得到渗透测试模型;在渗透测试模型的训练过程中,根据经验池中的经验样本生成新的经验样本,直至训练完成输出训练场景下最优的渗透测试模型;针对新场景构建新的渗透测试模型,并将训练场景下最优的渗透测试模型的参数迁移至新的渗透测试模型;冻结新的渗透测试模型中迁移得到的参数训练新的渗透测试模型。本发明加速模型收敛,更高效获得最优渗透策略。
📄 2024119442040
📂 G06F21_57
👤 浙江工业大学
📅 2024-12-27
本发明公开了一种基于HCPN的智能合约安全模式形式化与验证方法,将智能合约的安全模式采用提交展示方法转换为BPMN模型,通过预设映射规则,将BPMN模型转换为CPN模型,分析CPN模型生成第一状态空间报告;将智能合约源代码转换为HCPN模型,分析HCPN模型生成第二状态空间报告;分别将第一、第二状态空间报告描述为一组属性,使用ASK‑CTL公式将所述一组属性表述为一个SML函数,运行所述SML函数,根据运行结果验证所述智能合约是否遵循所述安全模式。本发明便于调查在智能合约环境中被滥用的安全模式,将原本不易的通过映射规则进行建模的方式变为自动建模过程。
📄 2022102545943
📂 G06F21_57
👤 浙江工业大学
📅 2022-03-15
本发明属于漏洞检测领域,公开了一种基于图匹配的CVE漏洞检测方法,包括根据用于表征CVE漏洞的PoC代码提取多个签名图;提取系统调用事件数据,并基于系统调用事件数据构建起源图;计算签名图和起源图的匹配置信度最终得分;若至少一个匹配置信度最终得分超过阈值,则表示起源图中存在签名图所对应的CVE漏洞;否则不存在签名图所对应的CVE漏洞。本发明实现了高效准确的漏洞检测。
📄 2024117656454
📂 G06F21_57
👤 浙江工业大学
📅 2024-12-04