CN117792800A - 一种基于物联网安全评估系统的信息验证方法及系统 - Google Patents
一种基于物联网安全评估系统的信息验证方法及系统 Download PDFInfo
- Publication number
- CN117792800A CN117792800A CN202410217741.9A CN202410217741A CN117792800A CN 117792800 A CN117792800 A CN 117792800A CN 202410217741 A CN202410217741 A CN 202410217741A CN 117792800 A CN117792800 A CN 117792800A
- Authority
- CN
- China
- Prior art keywords
- session
- internet
- sample
- things
- sequence
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000012795 verification Methods 0.000 title claims abstract description 325
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000011156 evaluation Methods 0.000 title claims description 19
- 238000012549 training Methods 0.000 claims abstract description 17
- 238000003062 neural network model Methods 0.000 claims abstract description 10
- 239000013598 vector Substances 0.000 claims description 89
- 230000000694 effects Effects 0.000 claims description 25
- 230000003993 interaction Effects 0.000 claims description 18
- 230000002776 aggregation Effects 0.000 claims description 15
- 238000004220 aggregation Methods 0.000 claims description 15
- 230000004931 aggregating effect Effects 0.000 claims description 4
- 238000013461 design Methods 0.000 description 5
- 239000008186 active pharmaceutical agent Substances 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Landscapes
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本申请提供一种基于物联网安全评估系统的信息验证方法及系统，由于目标物联网安全验证模型是基于第一模型学习数据对初始化物联网安全验证模型进行训练生成的，第一模型学习数据包括第一样本网络会话内容序列和定向会话维度的样本安全验证类别，而初始化物联网安全验证模型则是基于第二模型学习数据对神经网络模型进行初始化参数学习生成的，第二模型学习数据包括多个样本会话维度对应的第二样本网络会话内容序列及样本安全验证类别序列，可有效学习多个会话维度之间的会话内容相关性以及其它会话维度的网络会话内容与定向会话维度的安全验证类别序列之间的相关性，生成的安全验证类别结合了其它会话维度与定向会话维度之间的会话内容相关性。
Description
技术领域
本申请涉及物联网技术领域，具体而言，涉及一种基于物联网安全评估系统的信息验证方法及系统。
背景技术
物联网网络通常使用各种网络服务进行远程控制，数据收集和产品管理。通常，网络服务和云API是物联网产品生态系统中最薄弱的部分。开发人员可以使用云API进行编码，每个API都有云提供商的服务。同时，云API可能会给云应用带来安全风险，因为威胁参与者可以轻松攻击API，从而将敏感服务数据置于风险之中，因此需要对物联网设备在过往的网络会话过程循环进行安全验证。物联网安全是保护物联网设备和系统不受恶意攻击和破坏，确保数据和设备的安全性、完整性和可用性，如此有效保证物联网安全验证的准确性，是所属技术领域亟待解决的技术问题。
发明内容
有鉴于此，本申请的目的在于提供一种基于物联网安全评估系统的信息验证方法及系统。
依据本申请的第一方面，提供一种基于物联网安全评估系统的信息验证方法，应用于基于物联网安全评估系统的信息验证系统，所述方法包括：
获取标的物联网设备对应的过往网络会话内容序列；所述过往网络会话内容序列中包括一个或多个非定向会话维度对应的过往网络会话内容；
获取定向会话维度对应的目标物联网安全验证模型；所述目标物联网安全验证模型是基于第一模型学习数据对初始化物联网安全验证模型进行训练生成的；所述第一模型学习数据包括第一样本网络会话内容序列和所述定向会话维度的样本安全验证类别，所述第一样本网络会话内容序列包括所述定向会话维度对应的过往网络会话内容；所述初始化物联网安全验证模型是基于第二模型学习数据对神经网络模型进行初始化参数学习生成的；所述第二模型学习数据包括多个样本会话维度对应的第二样本网络会话内容序列及样本安全验证类别序列；
将所述过往网络会话内容序列加载到所述目标物联网安全验证模型，生成所述标的物联网设备对应于所述定向会话维度的安全验证类别。
在第一方面的一种可能的实施方式中，所述第一模型学习数据通过以下步骤获得：
获取第一物联网络会话阶段对应的第一样本网络会话事件序列及第二物联网络会话阶段对应于所述定向会话维度的第二样本网络会话事件序列；所述第二物联网络会话阶段为第一物联网络会话阶段之后的物联网络会话阶段；所述第一样本网络会话事件序列包括所述定向会话维度对应的过往网络会话事件；
基于所述第一样本网络会话事件序列确定所述第一样本网络会话内容序列；
基于所述第二样本网络会话事件序列确定所述定向会话维度的样本安全验证类别。
在第一方面的一种可能的实施方式中，所述初始化物联网安全验证模型的训练步骤，包括：
获取设定的第一留取参数及第二留取参数；
基于所述第一模型学习数据对所述初始化物联网安全验证模型进行训练，并且以所述第一留取参数留取第一样本网络会话内容序列中定向会话维度对应的过往网络会话内容，以第二留取参数留取第一样本网络会话内容序列中其它会话维度对应的过往网络会话内容。
在第一方面的一种可能的实施方式中，所述第二模型学习数据通过以下步骤获得：
分别获取各样本会话维度对应的样本物联网络接入活动数据序列；
获取各所述样本物联网络接入活动数据序列中各样本物联网络接入活动数据对应的先验安全验证类别，生成各样本会话维度对应的第一先验安全验证类别序列；
基于各所述第一先验安全验证类别序列中各先验安全验证类别对应的样本物联网络接入活动数据所对应的接入活动频率及接入更新次数，确定各所述第一先验安全验证类别序列中各先验安全验证类别的显著性系数；
基于各所述第一先验安全验证类别序列中各先验安全验证类别的显著性系数确定所述第二模型学习数据对应的参考安全验证类别序列；
从所述参考安全验证类别序列中确定目标数量的参考安全验证类别作为所述第二模型学习数据对应的目标样本安全验证类别，基于所述目标样本安全验证类别得到所述第二模型学习数据对应的样本安全验证类别序列；
将所述参考安全验证类别序列中余下的先验安全验证类别组成所述第二模型学习数据对应的第二样本网络会话内容序列。
在第一方面的一种可能的实施方式中，所述基于所述目标样本安全验证类别得到所述第二模型学习数据对应的样本安全验证类别序列包括：
将所述目标样本安全验证类别输出为所述第二模型学习数据对应的积极样本安全验证类别；
获取消极样本安全验证类别；所述消极样本安全验证类别为第一样本安全验证类别和第二样本安全验证类别中的至少一种；所述第一样本安全验证类别为其它模型学习数据对应的积极样本安全验证类别；所述第二样本安全验证类别为设定的安全验证类别知识库中的先验安全验证类别；
将所述积极样本安全验证类别和消极样本安全验证类别组成所述第二模型学习数据对应的样本安全验证类别序列。
在第一方面的一种可能的实施方式中，所述将所述过往网络会话内容序列加载到所述目标物联网安全验证模型，生成所述标的物联网设备对应于所述定向会话维度的安全验证类别包括：
将所述过往网络会话内容序列加载到所述目标物联网安全验证模型的编码器，依据所述编码器对所述过往网络会话内容序列进行向量化表示，生成各会话维度对应的网络会话向量序列；
依据所述目标物联网安全验证模型的汇聚单元汇聚各会话维度对应的网络会话向量序列，生成所述标的物联网设备对应的目标会话向量序列；
依据所述目标物联网安全验证模型从所述定向会话维度对应的候选安全验证类别序列中确定与所述目标会话向量序列对应的设备安全验证类别，生成所述安全验证类别。
在第一方面的一种可能的实施方式中，所述汇聚单元包括类内汇聚单元、类间汇聚单元、交互单元和多层感知机；
所述依据所述目标物联网安全验证模型的汇聚单元汇聚各会话维度对应的网络会话向量序列，生成所述标的物联网设备对应的目标会话向量序列包括：
依据所述类内汇聚单元汇聚各所述会话维度对应的网络会话向量序列得到各会话维度对应的类内会话向量序列；
在所述类间汇聚单元中，分别获取各所述类内会话向量序列分别对应的重要性系数；
依据所述类间汇聚单元，将各所述类内会话向量序列依据分别对应的重要性系数进行融合，生成与所述标的物联网设备对应的类间会话向量序列；
依据所述交互单元，对所述类间会话向量序列中的类间会话向量进行特征交互，生成交互会话向量序列；
依据所述多层感知机汇聚所述类间会话向量序列和所述交互会话向量序列，生成所述标的物联网设备对应的目标会话向量序列。
在第一方面的一种可能的实施方式中，所述依据所述类内汇聚单元汇聚各所述会话维度对应的网络会话向量序列得到各会话维度对应的类内会话向量序列包括：
在所述类内汇聚单元中，分别获取各所述会话维度对应的各网络会话向量序列分别对应的重要性系数；
依据所述类内汇聚单元，将各所述会话维度对应的各网络会话向量序列依据分别对应的重要性系数进行融合，生成各所述会话维度对应的类内会话向量序列。
在第一方面的一种可能的实施方式中，所述方法还包括：
获取初始化物联网安全验证模型；所述初始化物联网安全验证模型是基于第一模型学习数据对神经网络模型进行初始化参数学习生成的；所述第一模型学习数据包括多个样本会话维度对应的第一样本网络会话内容序列及样本安全验证类别序列；
获取第二模型学习数据；所述第二模型学习数据包括第二样本网络会话内容序列和所述定向会话维度的样本安全验证类别，所述第二样本网络会话内容序列包括所述定向会话维度对应的过往网络会话内容；
基于所述第二模型学习数据对所述初始化物联网安全验证模型进行训练，生成所述定向会话维度对应的目标物联网安全验证模型。
依据本申请的第二方面，提供一种基于物联网安全评估系统的信息验证系统，所述基于物联网安全评估系统的信息验证系统包括机器可读存储介质及处理器，所述机器可读存储介质存储有机器可执行指令，所述处理器在执行所述机器可执行指令时，该基于物联网安全评估系统的信息验证系统实现前述的基于物联网安全评估系统的信息验证方法。
依据本申请的第三方面，提供提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机可执行指令，当所述计算机可执行指令被执行时，实现前述的基于物联网安全评估系统的信息验证方法。
依据上述任意一个方面，本申请中，由于目标物联网安全验证模型是基于第一模型学习数据对初始化物联网安全验证模型进行训练生成的，第一模型学习数据包括第一样本网络会话内容序列和定向会话维度的样本安全验证类别，第一样本网络会话内容序列包括定向会话维度对应的过往网络会话内容，而初始化物联网安全验证模型则是基于第二模型学习数据对神经网络模型进行初始化参数学习生成的，第二模型学习数据包括多个样本会话维度对应的第二样本网络会话内容序列及样本安全验证类别序列，因此目标物联网安全验证模型可有效学习多个会话维度之间的会话内容相关性以及其它会话维度的网络会话内容与定向会话维度的安全验证类别序列之间的相关性，当将标的物联网设备对应的过往网络会话内容序列加载到目标物联网安全验证模型时，生成的安全验证类别结合了其它会话维度与定向会话维度之间的会话内容相关性，因此安全验证的准确性更高。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以依据这些附图获得其它相关的附图。
图1本申请实施例所提供的基于物联网安全评估系统的信息验证方法的流程示意图；
图2示出了本申请实施例所提供的用于实现上述的基于物联网安全评估系统的信息验证方法的基于物联网安全评估系统的信息验证系统的组件结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将依据本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，应当理解，本申请中附图仅起到说明和描述的目的，并不用于限定本申请的保护范围。另外，应当理解，示意性的附图并未按实物比例绘制。本申请中使用的流程图示出了依据本申请实施例的一些实施例实现的操作。应该理解，流程图的操作可以不按顺序实现，没有逻辑的上下文关系的步骤可以反转顺序或者同时实施。此外，本领域技术人员在本申请内容的指引下，可以向流程图添加一个或多个其它操作，也可以从流程图中销毁一个或多个操作。
另外，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。依据本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其它实施例，都属于本申请保护的范围。
图1示出了本申请实施例提供的基于物联网安全评估系统的信息验证方法的流程示意图，应当理解，在其它实施例中，本实施例的基于物联网安全评估系统的信息验证方法其中部分步骤的顺序可以依据实际需要相互共享，或者其中的部分步骤也可以省略或维持。该基于物联网安全评估系统的信息验证方法的详细包括：
步骤S102，获取标的物联网设备对应的过往网络会话内容序列；过往网络会话内容序列中包括一个或多个非定向会话维度对应的过往网络会话内容。
本实施例中，标的物联网设备进行进行安全验证类别的物联网设备。网络会话内容指的是基于标的物联网设备的过往网络会话事件确定的会话内容。
定向会话维度指的是需要对标的物联网设备进行安全验证的安全验证类别序列所对应的设定会话维度，例如可以是包括支付操作会话维度、隐私操作会话维度、身份认证会话维度等。
过往网络会话内容序列中包括一个或多个非定向会话维度对应的过往网络会话内容。过往网络会话内容序列中可以包括定向会话维度对应的过往网络会话内容，也可以不包括定向会话维度对应的过往网络会话内容。
步骤S104，获取定向会话维度对应的目标物联网安全验证模型；目标物联网安全验证模型是基于第一模型学习数据对初始化物联网安全验证模型进行训练生成的；第一模型学习数据包括第一样本网络会话内容序列和定向会话维度的样本安全验证类别，第一样本网络会话内容序列包括定向会话维度对应的过往网络会话内容；初始化物联网安全验证模型是基于第二模型学习数据对神经网络模型进行初始化参数学习生成的；第二模型学习数据包括多个样本会话维度对应的第二样本网络会话内容序列及样本安全验证类别序列。
目标物联网安全验证模型的训练步骤包括：首先基于第二模型学习数据对神经网络模型进行优化生成初始化物联网安全验证模型，然后基于第一模型学习数据对得到的初始化物联网安全验证模型进行训练，生成定向会话维度对应的目标物联网安全验证模型。
其中，第二模型学习数据包括多个样本会话维度对应的第二样本网络会话内容序列及样本安全验证类别序列。第二模型学习数据是基于任意一个会话维度下的物联网设备的所有过往网络会话事件得到的。此处的任意一个会话维度可以是定向会话维度，也可以是其它会话维度。物联网设备的所有过往网络会话事件包括物联网设备在任意一个会话维度下的过往网络会话事件。针对部分物联网设备，可能只会在某几个会话维度下有过往网络会话事件，而在其它的会话维度下并未有过往网络会话事件。第二模型学习数据对应的物联网设备的所有网络会话事件所涉及的会话维度，即为样本会话维度。例如，总共有M1、M2、M3、M4、M5、M6五个会话维度，第二模型学习数据对应的物联网设备A为A会话维度下的物联网设备，该物联网设备A的所有过往网络会话事件包括M1、M2、M3这三个会话维度对应的过往网络会话事件，此时，将M1、M2、M3这三个会话维度称为样本会话维度。
基于第二模型学习数据对应的物联网设备在其对应的每一个会话维度下的过往网络会话事件可以得到对应的过往网络会话内容，这些过往网络会话内容即为第二样本网络会话内容，多个样本会话维度对应的第二样本网络会话内容即GOUC 第二样本网络会话内容序列。每一个样本会话维度对应的样本网络会话内容都会存在对应的样本安全验证类别，这些样本安全验证类别组成样本安全验证类别序列。
由于第二模型学习数据是基于任意一个会话维度下的物联网设备的所有过往网络会话事件得到的，当分别提取各会话维度下的大部分物联网设备甚至所有物联网设备的所有过往网络会话事件来构建第二模型学习数据时，对神经网络模型进行初始化参数学习生成的初始化物联网安全验证模型可以有效学习各个会话维度对应的物联网安全验证特征，由此有效学习到多个会话维度之间物联网安全验证特征之间的相关性。
第一模型学习数据包括第一样本网络会话内容序列和定向会话维度的样本安全验证类别，第一样本网络会话内容序列包括定向会话维度对应的过往网络会话内容。第一模型学习数据是基于定向会话维度下的物联网设备的所有过往网络会话事件得到的。物联网设备的所有过往网络会话事件同样包括物联网设备在任意一个会话维度下的过往网络会话事件。基于第一模型学习数据对应的物联网设备在其对应的每一个会话维度下的过往网络会话事件可以得到对应的过往网络会话内容，这些过往网络会话内容即为第一样本网络会话内容，多个会话维度对应的第一样本网络会话内容即组成第一样本网络会话内容序列。而由于第一模型学习数据是基于定向会话维度下的物联网设备的所有过往网络会话事件得到的，第一模型学习数据对应的物联网设备在定向会话维度下一定具有过往网络会话事件，换言之，第一样本网络会话内容序列一定包括定向会话维度对应的过往网络会话内容。第一模型学习数据对应的样本安全验证类别为物联网设备在定向会话维度下的设备安全验证类别。
由于第一模型学习数据包括第一样本网络会话内容序列和定向会话维度的样本安全验证类别，因此，基于第一模型学习数据对初始化物联网安全验证模型进行训练生成的目标物联网安全验证模型能够学习到多个会话维度的物联网安全验证特征与定向会话维度的安全验证类别序列之间的相关性。
步骤S106，将过往网络会话内容序列输入目标物联网安全验证模型，生成标的物联网设备对应于定向会话维度的设备安全验证类别序列。
一种可替代的实施方式中，可以将标的物联网设备的过往网络会话内容序列加载到目标物联网安全验证模型中，基于目标物联网安全验证模型可以得到标的物联网设备对应于定向会话维度的设备安全验证类别，这些设备安全验证类别即为标的物联网设备的设备安全验证类别序列。
一种可替代的实施方式中，针对每一个会话维度，可以在先生成对应的候选安全验证类别序列，在过往网络会话内容序列加载到目标物联网安全验证模型后，经过目标物联网安全验证模型处理后，生成标的物联网设备对应的目标会话向量序列，可以基于该目标会话向量序列从定向会话维度对应的候选安全验证类别序列中确定标的物联网设备对应的设备安全验证类别。例如，可计算目标会话向量序列与各候选安全验证类别的相关度，从候选安全验证类别中确定与目标会话向量序列的相关度符合相关条件的候选安全验证类别，作为与标的物联网设备标识对应的标的设备安全验证类别。
基于以上步骤，由于目标物联网安全验证模型是基于第一模型学习数据对初始化物联网安全验证模型进行训练生成的，第一模型学习数据包括第一样本网络会话内容序列和定向会话维度的样本安全验证类别，第一样本网络会话内容序列包括定向会话维度对应的过往网络会话内容，而初始化物联网安全验证模型则是基于第二模型学习数据对神经网络模型进行初始化参数学习生成的，第二模型学习数据包括多个样本会话维度对应的第二样本网络会话内容序列及样本安全验证类别序列，因此目标物联网安全验证模型可有效学习多个会话维度之间的会话内容相关性以及其它会话维度的网络会话内容与定向会话维度的安全验证类别序列之间的相关性，当将标的物联网设备对应的过往网络会话内容序列加载到目标物联网安全验证模型时，生成的安全验证类别结合了其它会话维度与定向会话维度之间的会话内容相关性，因此安全验证的准确性更高。
一种可替代的实施方式中，第一模型学习数据通过以下步骤获得：获取第一物联网络会话阶段对应的第一样本网络会话事件序列及第二物联网络会话阶段对应于定向会话维度的第二样本网络会话事件序列；第二物联网络会话阶段为第一物联网络会话阶段之后的物联网络会话阶段；第一样本网络会话事件序列包括定向会话维度对应的过往网络会话事件；基于第一样本网络会话事件序列确定第一样本网络会话内容序列；基于第二样本网络会话事件序列确定定向会话维度的样本安全验证类别。
其中，第一样本网络会话事件序列指的是定向会话维度下的物联网设备在第一物联网络会话阶段内的所有过往网络会话事件构成的序列，而第二样本网络会话事件序列指的是该物联网设备在第二物联网络会话阶段内在定向会话维度下的所有过往网络会话事件构成的序列。值得说明的是，第一样本网络会话事件序列中一定会包括定向会话维度对应的过往网络会话事件。
例如，定向会话维度下的物联网设备B在会话维度M1、M2、M3、M4、都有网络会话事件，其中会话维度A为定向会话维度，则物联网设备B在第一物联网络会话阶段内在会话维度M1、M2、M3、M4下的所有过往网络会话事件组成第一样本网络会话事件序列，物联网设备B在第二物联网络会话阶段内在会话维度M1下的所有过往网络会话事件构成第二样本网络会话事件序列。
第二物联网络会话阶段为第一物联网络会话阶段之后的物联网络会话阶段。第一物联网络会话阶段和第二物联网络会话阶段的具体会话阶段范围可基于设计需求进行灵活配置。
在获取到第一样本网络会话事件序列后，可以基于第一样本网络会话事件序列确定第一样本网络会话内容序列。一种可替代的实施方式中，可以直接将第一样本网络会话事件序列中的网络会话事件输出为网络会话内容，生成第一样本网络会话内容序列。或者，可基于第一样本网络会话事件序列中的网络会话事件得到对应的设备安全验证类别，基于这些设备安全验证类别得到第一样本网络会话内容序列。
针对该第二样本网络会话事件序列，可以基于该第二样本网络会话事件序列得到对应的设备安全验证类别，基于这些设备安全验证类别得到定向会话维度的样本安全验证类别。一种可替代的实施方式中，可以计算这些设备安全验证类别的显著性系数，基于显著性系数从这些设备安全验证类别中最终确定定向会话维度的样本安全验证类别。
一种可替代的实施方式中，初始化物联网安全验证模型的训练步骤包括：获取设定的第一留取参数及第二留取参数；基于第一模型学习数据对初始化物联网安全验证模型进行训练，并且以第一留取参数留取第一样本网络会话内容序列中定向会话维度对应的过往网络会话内容，以第二留取参数留取第一样本网络会话内容序列中其它会话维度对应的过往网络会话内容。
一种可替代的实施方式中，在基于第一模型学习数据对初始化物联网安全验证模型进行训练时，以第一留取参数留取第一样本网络会话内容序列中定向会话维度对应的过往网络会话内容，也就是以(1-第一留取参数)的移除比例进行移除，移除第一样本网络会话内容序列中定向会话维度对应的过往网络会话内容。当将定向会话维度对应的过往网络会话内容移除后，第一样本网络会话内容序列中剩余了其它会话维度对应的过往网络会话内容，从而降低物联网安全验证模型对定向会话维度的依赖。
在基于第一模型学习数据对初始化物联网安全验证模型进行训练时，以第二留取参数留取第一样本网络会话内容序列中其它会话维度对应的过往网络会话内容，也就是以(1-第二留取参数)的移除比例移除第一样本网络会话内容序列中其它会话维度对应的过往网络会话内容。
第一留取参数和第二留取参数的大小可结合实际实际需求进行灵活配置，具体不做限定。
一种可替代的实施方式中，第二模型学习数据通过以下步骤获得:分别获取各样本会话维度对应的样本物联网络接入活动数据序列；获取各样本物联网络接入活动数据序列中各样本物联网络接入活动数据对应的先验安全验证类别，生成各样本会话维度对应的第一先验安全验证类别序列；基于各第一先验安全验证类别序列中各先验安全验证类别对应的样本物联网络接入活动数据所对应的接入活动频率及接入更新次数，确定各第一先验安全验证类别序列中各先验安全验证类别的显著性系数；基于各第一先验安全验证类别序列中各先验安全验证类别的显著性系数确定第二模型学习数据对应的参考安全验证类别序列；从参考安全验证类别序列中确定目标数量的参考安全验证类别作为第二模型学习数据对应的目标样本安全验证类别，基于目标样本安全验证类别得到第二模型学习数据对应的样本安全验证类别序列；将参考安全验证类别序列中余下的先验安全验证类别组成第二模型学习数据对应的第二样本网络会话内容序列。
其中，样本会话维度对应的样本物联网络接入活动数据序列指的是第二模型学习数据对应的物联网设备在该样本会话维度下的所有过往物联网络接入活动数据构成的序列。样本物联网络接入活动数据对应的先验安全验证类别指的是样本物联网络接入活动数据所作用的物联网功能项对应的先验安全验证类别。
一种可替代的实施方式中，分别获取各样本物联网络接入活动数据序列中各样本物联网络接入活动数据对应的先验安全验证类别后，输出各样本会话维度对应的第一先验安全验证类别序列。可以获取各先验安全验证类别对应的所有样本物联网络接入活动数据的接入活动频率及接入更新次数，分别汇总各先验安全验证类别对应的各样本物联网络接入活动数据的接入活动频率与接入更新次数的乘积，生成各先验安全验证类别的显著性系数。
在确定各第一先验安全验证类别序列中各先验安全验证类别的显著性系数后，对于各第一先验安全验证类别序列，可以基于显著性系数对其中的先验安全验证类别进行排序，分别从各第一先验安全验证类别序列中确定目标数量个显著性系数较大的先验安全验证类别作为参考安全验证类别，将所有的参考安全验证类别组成参考安全验证类别序列，然后从参考安全验证类别序列中随机确定目标数量的参考安全验证类别作为第二模型学习数据对应的目标样本安全验证类别，基于这些目标样本安全验证类别得到第二模型学习数据对应的样本安全验证类别序列。而对于参考安全验证类别序列中余下的先验安全验证类别，也就是目标样本安全验证类别之外的先验安全验证类别，则可作为网络会话内容，这些网络会话内容构成的序列即为第二样本网络会话内容序列。
一种可替代的实施方式中，基于目标样本安全验证类别得到第二模型学习数据对应的样本安全验证类别序列包括：将目标样本安全验证类别输出为第二模型学习数据对应的积极样本安全验证类别（也即正向样本安全验证类别）；获取消极样本安全验证类别（也即负向样本安全验证类别）；消极样本安全验证类别为第一样本安全验证类别和第二样本安全验证类别中的至少一种；第一样本安全验证类别为其它模型学习数据对应的积极样本安全验证类别；第二样本安全验证类别为设定的安全验证类别知识库中的先验安全验证类别；将积极样本安全验证类别和消极样本安全验证类别组成第二模型学习数据对应的样本安全验证类别序列。
第一样本安全验证类别为其它模型学习数据对应的积极样本安全验证类别，该其它模型学习数据指的是其它物联网设备的模型学习数据。例如，当前第二模型学习数据为物联网设备A对应的模型学习数据，则可以从物联网设备A之外的已经确定第二模型学习数据的物联网设备中选取一个物联网设备的第二模型学习数据，获取该第二模型学习数据中的积极样本安全验证类别作为物联网设备A的消极样本安全验证类别。
第二样本安全验证类别可以是设定的安全验证类别知识库中的先验安全验证类别，安全验证类别知识库也就是不同的先验安全验证类别所构成的序列。
一种可替代的实施方式中，将过往网络会话内容序列输入目标物联网安全验证模型，生成标的物联网设备对应于定向会话维度的设备安全验证类别序列包括：将过往网络会话内容序列输入目标物联网安全验证模型的编码器，通过编码器对所述过往网络会话内容序列进行向量化表示，生成各会话维度对应的网络会话向量序列；通过目标物联网安全验证模型的汇聚单元汇聚各会话维度对应的网络会话向量序列，生成标的物联网设备对应的目标会话向量序列；通过目标物联网安全验证模型从定向会话维度对应的候选安全验证类别序列中确定与目标会话向量序列对应的设备安全验证类别，生成标的物联网设备对应的设备安全验证类别序列。
一种可替代的实施方式中，在获取到过往网络会话内容序列后，可将这些网络会话内容直接输入目标物联网安全验证模型。目标物联网安全验证模型的编码器则将每个网络会话内容分别映射为对应的网络会话向量序列。
在此基础上，通过目标物联网安全验证模型的汇聚单元汇聚各会话维度对应的网络会话向量序列，生成一个目标会话向量序列，该目标会话向量序列由于汇聚了所有网络会话向量序列，从而可有效对物联网安全验证特征进行表达，基于该目标会话向量序列，可以通过目标物联网安全验证模型从定向会话维度对应的候选安全验证类别序列中确定与标的物联网设备对应的设备安全验证类别，进而生成该物联网设备的设备安全验证类别序列。
一种可替代的实施方式中，汇聚单元包括类内汇聚单元、类间汇聚单元、交互单元和多层感知机；通过目标物联网安全验证模型的汇聚单元汇聚各会话维度对应的网络会话向量序列，生成标的物联网设备对应的目标会话向量序列包括：
步骤S202，通过类内汇聚单元汇聚各会话维度对应的网络会话向量序列得到各会话维度对应的类内会话向量序列。
步骤S204，通过类间汇聚单元汇聚各类内会话向量序列，生成与标的物联网设备对应的类间会话向量序列。
步骤S206，通过交互单元，对类间会话向量序列中的类间会话向量进行特征交互，生成交互会话向量序列。
步骤S108，通过多层感知机汇聚类间会话向量序列和交互会话向量序列，生成标的物联网设备对应的目标会话向量序列。
先基于各会话维度对应的网络会话向量序列得到各会话维度对应的类内会话向量序列，然后汇聚各类内会话向量序列得到类间会话向量序列，再对类间会话向量序列中的类间会话向量进行特征交互获得交互会话向量序列，由此生成汇聚了所有网络会话内容的类间会话向量序列，和汇聚了类间会话向量序列中的类间会话向量的交互会话向量。
一种可替代的实施方式中，通过类内汇聚单元汇聚各会话维度对应的网络会话向量序列得到各会话维度对应的类内会话向量序列包括：在类内汇聚单元中，分别获取各会话维度对应的各网络会话向量序列分别对应的重要性系数；通过类内汇聚单元，将各会话维度对应的各网络会话向量序列依据分别对应的重要性系数进行融合，生成各会话维度对应的类内会话向量序列。
一种可替代的实施方式中，通过类间汇聚单元汇聚各类内会话向量序列，生成与标的物联网设备对应的类间会话向量序列包括：在类间汇聚单元中，分别获取各类内会话向量序列分别对应的重要性系数；通过类间汇聚单元，将各类内会话向量序列依据分别对应的重要性系数进行融合，生成与标的物联网设备对应的类间会话向量序列。
图2示意性地示出了可被用于实现本申请中所述的各个实施例的基于物联网安全评估系统的信息验证系统100。
对于一个实施例，图2示出了基于物联网安全评估系统的信息验证系统100，该基于物联网安全评估系统的信息验证系统100具有一个或多个处理器102、被耦合到(一个或多个)处理器102中的一个或多个的控制模块(芯片组)104、被耦合到控制模块104的存储器106、被耦合到控制模块104的非易失性存储器(NVM)/存储设备108、被耦合到控制模块104的一个或多个输入/输出设备110，和被耦合到控制模块106的网络接口112。
处理器102可包括一个或多个单核或多核处理器，处理器102可包括通用处理器或专用处理器(例如图形处理器、应用处理器、基频处理器等)的任意组合。一些示例性的设计思路中，基于物联网安全评估系统的信息验证系统100能够作为本申请实施例中所述网关等服务器设备。
一些示例性的设计思路中，基于物联网安全评估系统的信息验证系统100可包括具有指令114的一个或多个计算机可读介质(例如，存储器106或NVM/存储设备108)和与该一个或多个计算机可读介质相汇聚被配置为执行指令114以实现模块从而执行本公开中所述的动作的一个或多个处理器102。
对于一个实施例，控制模块104可包括任意适当的接口控制器，以向(一个或多个)处理器102中的一个或多个和/或与控制模块104通信的任意适当的设备或组件提供任意适当的接口。
控制模块104可包括存储器控制器模块，以向存储器106提供接口。存储器控制器模块可以是硬件模块、软件模块和/或固件模块。
存储器106可被用于例如为基于物联网安全评估系统的信息验证系统100加载和存储数据和/或指令114。对于一个实施例，存储器106可包括任意适当的易失性存储器，例如，适当的DRAM。一些示例性的设计思路中，存储器106可包括双倍数据速率类型四同步动态随机存取存储器(DDR4SDRAM)。
对于一个实施例，控制模块104可包括一个或多个输入/输出控制器，以向NVM/存储设备108及(一个或多个)输入/输出设备110提供接口。
例如，NVM/存储设备108可被用于存储数据和/或指令114。NVM/存储设备108可包括任意适当的非易失性存储器(例如，闪存)和/或可包括任意适当的(一个或多个)非易失性存储设备(例如，一个或多个硬盘驱动器(HDD)、一个或多个光盘(CD)驱动器和/或一个或多个数字通用光盘(DVD)驱动器)。
NVM/存储设备108可包括在物理上作为基于物联网安全评估系统的信息验证系统100被安装在其上的设备的一部分的存储资源，或者其可被该设备访问可不必作为该设备的一部分。例如，NVM/存储设备108可依据网络经由(一个或多个)输入/输出设备110进行访问。
(一个或多个)输入/输出设备110可为基于物联网安全评估系统的信息验证系统100提供接口以与任意其它适当的设备通信，输入/输出设备110可以包括通信组件、拼音组件、传感器组件等。网络接口112可为基于物联网安全评估系统的信息验证系统100提供接口以依据一个或多个网络通信，基于物联网安全评估系统的信息验证系统100可依据一个或多个无线网络标准和/或协议中的任意标准和/或协议来与无线网络的一个或多个组件进行无线通信，例如接入依据通信标准的无线网络，如WwFw、2G、3G、4G、5G等，或它们的组合进行无线通信。
对于一个实施例，(一个或多个)处理器102中的一个或多个可与控制模块104的一个或多个控制器(例如，存储器控制器模块)的逻辑加载在一起。对于一个实施例，(一个或多个)处理器102中的一个或多个可与控制模块104的一个或多个控制器的逻辑加载在一起以形成系统级加载。对于一个实施例，(一个或多个)处理器102中的一个或多个可与控制模块104的一个或多个控制器的逻辑集成在同一模具上。对于一个实施例，(一个或多个)处理器102中的一个或多个可与控制模块104的一个或多个控制器的逻辑集成在同一模具上以形成片上系统(SoC)。
在各个实施例中，基于物联网安全评估系统的信息验证系统100可以但不限于是：基于物联网安全评估系统的信息验证系统、台式计算设备或移动计算设备(例如，膝上型计算设备、手持计算设备、平板电脑、上网本等)等终端设备。在各个实施例中，基于物联网安全评估系统的信息验证系统100可具有更多或更少的组件和/或不同的架构。例如，一些示例性的设计思路中，基于物联网安全评估系统的信息验证系统100包括一个或多个摄像机、键盘、液晶显示器(LCD)屏幕(包括触屏显示器)、非易失性存储器端口、多个天线、图形芯片、专用集成电路(ASIC)和扬声器。
以上对本申请实施例进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。
Claims (10)
1.一种基于物联网安全评估系统的信息验证方法，其特征在于，应用于基于物联网安全评估系统的信息验证系统，所述方法包括：
获取标的物联网设备对应的过往网络会话内容序列；所述过往网络会话内容序列中包括一个或多个非定向会话维度对应的过往网络会话内容；
获取定向会话维度对应的目标物联网安全验证模型；所述目标物联网安全验证模型是基于第一模型学习数据对初始化物联网安全验证模型进行训练生成的；所述第一模型学习数据包括第一样本网络会话内容序列和所述定向会话维度的样本安全验证类别，所述第一样本网络会话内容序列包括所述定向会话维度对应的过往网络会话内容；所述初始化物联网安全验证模型是基于第二模型学习数据对神经网络模型进行初始化参数学习生成的；所述第二模型学习数据包括多个样本会话维度对应的第二样本网络会话内容序列及样本安全验证类别序列；
将所述过往网络会话内容序列加载到所述目标物联网安全验证模型，生成所述标的物联网设备对应于所述定向会话维度的安全验证类别。
2.根据权利要求1所述的基于物联网安全评估系统的信息验证方法，其特征在于，所述第一模型学习数据通过以下步骤获得：
获取第一物联网络会话阶段对应的第一样本网络会话事件序列及第二物联网络会话阶段对应于所述定向会话维度的第二样本网络会话事件序列；所述第二物联网络会话阶段为第一物联网络会话阶段之后的物联网络会话阶段；所述第一样本网络会话事件序列包括所述定向会话维度对应的过往网络会话事件；
基于所述第一样本网络会话事件序列确定所述第一样本网络会话内容序列；
基于所述第二样本网络会话事件序列确定所述定向会话维度的样本安全验证类别。
3.根据权利要求1所述的基于物联网安全评估系统的信息验证方法，其特征在于，所述初始化物联网安全验证模型的训练步骤，包括：
获取设定的第一留取参数及第二留取参数；
基于所述第一模型学习数据对所述初始化物联网安全验证模型进行训练，并且以所述第一留取参数留取第一样本网络会话内容序列中定向会话维度对应的过往网络会话内容，以第二留取参数留取第一样本网络会话内容序列中其它会话维度对应的过往网络会话内容。
4.根据权利要求1所述的基于物联网安全评估系统的信息验证方法，其特征在于，所述第二模型学习数据通过以下步骤获得：
分别获取各样本会话维度对应的样本物联网络接入活动数据序列；
获取各所述样本物联网络接入活动数据序列中各样本物联网络接入活动数据对应的先验安全验证类别，生成各样本会话维度对应的第一先验安全验证类别序列；
基于各所述第一先验安全验证类别序列中各先验安全验证类别对应的样本物联网络接入活动数据所对应的接入活动频率及接入更新次数，确定各所述第一先验安全验证类别序列中各先验安全验证类别的显著性系数；
基于各所述第一先验安全验证类别序列中各先验安全验证类别的显著性系数确定所述第二模型学习数据对应的参考安全验证类别序列；
从所述参考安全验证类别序列中确定目标数量的参考安全验证类别作为所述第二模型学习数据对应的目标样本安全验证类别，基于所述目标样本安全验证类别得到所述第二模型学习数据对应的样本安全验证类别序列；
将所述参考安全验证类别序列中余下的先验安全验证类别组成所述第二模型学习数据对应的第二样本网络会话内容序列。
5.根据权利要求4所述的基于物联网安全评估系统的信息验证方法，其特征在于，所述基于所述目标样本安全验证类别得到所述第二模型学习数据对应的样本安全验证类别序列包括：
将所述目标样本安全验证类别输出为所述第二模型学习数据对应的积极样本安全验证类别；
获取消极样本安全验证类别；所述消极样本安全验证类别为第一样本安全验证类别和第二样本安全验证类别中的至少一种；所述第一样本安全验证类别为其它模型学习数据对应的积极样本安全验证类别；所述第二样本安全验证类别为设定的安全验证类别知识库中的先验安全验证类别；
将所述积极样本安全验证类别和消极样本安全验证类别组成所述第二模型学习数据对应的样本安全验证类别序列。
6.根据权利要求1所述的基于物联网安全评估系统的信息验证方法，其特征在于，所述将所述过往网络会话内容序列加载到所述目标物联网安全验证模型，生成所述标的物联网设备对应于所述定向会话维度的安全验证类别包括：
将所述过往网络会话内容序列加载到所述目标物联网安全验证模型的编码器，依据所述编码器对所述过往网络会话内容序列进行向量化表示，生成各会话维度对应的网络会话向量序列；
依据所述目标物联网安全验证模型的汇聚单元汇聚各会话维度对应的网络会话向量序列，生成所述标的物联网设备对应的目标会话向量序列；
依据所述目标物联网安全验证模型从所述定向会话维度对应的候选安全验证类别序列中确定与所述目标会话向量序列对应的设备安全验证类别，生成所述安全验证类别。
7.根据权利要求6所述的基于物联网安全评估系统的信息验证方法，其特征在于，所述汇聚单元包括类内汇聚单元、类间汇聚单元、交互单元和多层感知机；
所述依据所述目标物联网安全验证模型的汇聚单元汇聚各会话维度对应的网络会话向量序列，生成所述标的物联网设备对应的目标会话向量序列包括：
依据所述类内汇聚单元汇聚各所述会话维度对应的网络会话向量序列得到各会话维度对应的类内会话向量序列；
在所述类间汇聚单元中，分别获取各所述类内会话向量序列分别对应的重要性系数；
依据所述类间汇聚单元，将各所述类内会话向量序列依据分别对应的重要性系数进行融合，生成与所述标的物联网设备对应的类间会话向量序列；
依据所述交互单元，对所述类间会话向量序列中的类间会话向量进行特征交互，生成交互会话向量序列；
依据所述多层感知机汇聚所述类间会话向量序列和所述交互会话向量序列，生成所述标的物联网设备对应的目标会话向量序列。
8.根据权利要求7所述的基于物联网安全评估系统的信息验证方法，其特征在于，所述依据所述类内汇聚单元汇聚各所述会话维度对应的网络会话向量序列得到各会话维度对应的类内会话向量序列包括：
在所述类内汇聚单元中，分别获取各所述会话维度对应的各网络会话向量序列分别对应的重要性系数；
依据所述类内汇聚单元，将各所述会话维度对应的各网络会话向量序列依据分别对应的重要性系数进行融合，生成各所述会话维度对应的类内会话向量序列。
9.根据权利要求1所述的基于物联网安全评估系统的信息验证方法，其特征在于，所述方法还包括：
获取初始化物联网安全验证模型；所述初始化物联网安全验证模型是基于第一模型学习数据对神经网络模型进行初始化参数学习生成的；所述第一模型学习数据包括多个样本会话维度对应的第一样本网络会话内容序列及样本安全验证类别序列；
获取第二模型学习数据；所述第二模型学习数据包括第二样本网络会话内容序列和所述定向会话维度的样本安全验证类别，所述第二样本网络会话内容序列包括所述定向会话维度对应的过往网络会话内容；
基于所述第二模型学习数据对所述初始化物联网安全验证模型进行训练，生成所述定向会话维度对应的目标物联网安全验证模型。
10.一种基于物联网安全评估系统的信息验证系统，其特征在于，包括处理器以及计算机可读存储介质，所述计算机可读存储介质存储有机器可执行指令，所述机器可执行指令被处理器执行时实现权利要求1-9中任意一项所述的基于物联网安全评估系统的信息验证方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410217741.9A CN117792800B (zh) | 2024-02-28 | 2024-02-28 | 一种基于物联网安全评估系统的信息验证方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410217741.9A CN117792800B (zh) | 2024-02-28 | 2024-02-28 | 一种基于物联网安全评估系统的信息验证方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117792800A true CN117792800A (zh) | 2024-03-29 |
| CN117792800B CN117792800B (zh) | 2024-05-03 |
Family
ID=90400360
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410217741.9A Active CN117792800B (zh) | 2024-02-28 | 2024-02-28 | 一种基于物联网安全评估系统的信息验证方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117792800B (zh) |
Citations (33)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120192261A1 (en) * | 2009-09-30 | 2012-07-26 | Trustseed Sas | System and method for the management of secure electronic correspondence sessions |
| CN107368718A (zh) * | 2017-07-06 | 2017-11-21 | 同济大学 | 一种用户浏览行为认证方法及系统 |
| CN108399201A (zh) * | 2018-01-30 | 2018-08-14 | 武汉大学 | 一种基于循环神经网络的Web用户访问路径预测方法 |
| CN108418792A (zh) * | 2018-01-29 | 2018-08-17 | 华北电力大学 | 基于深度循环神经网络的网络逃避行为检测算法 |
| CN108989296A (zh) * | 2018-06-29 | 2018-12-11 | 杭州安恒信息技术股份有限公司 | 一种物联网系统安全综合评估系统及方法 |
| CN109947403A (zh) * | 2017-12-20 | 2019-06-28 | 华为技术有限公司 | 一种安全目标的分解与建模方法及相关设备 |
| CN110808830A (zh) * | 2019-10-21 | 2020-02-18 | 边缘智能研究院南京有限公司 | 一种基于5G网络切片的IoT安全验证框架及其服务方法 |
| US20200285737A1 (en) * | 2019-03-05 | 2020-09-10 | Microsoft Technology Licensing, Llc | Dynamic cybersecurity detection of sequence anomalies |
| US10951606B1 (en) * | 2019-12-04 | 2021-03-16 | Acceptto Corporation | Continuous authentication through orchestration and risk calculation post-authorization system and method |
| WO2021087443A1 (en) * | 2019-11-01 | 2021-05-06 | Board Of Regents, The University Of Texas System | Internet of things security analytics and solutions with deep learning |
| US20210185066A1 (en) * | 2017-09-15 | 2021-06-17 | Spherical Defence Labs Limited | Detecting anomalous application messages in telecommunication networks |
| CN113243918A (zh) * | 2021-06-11 | 2021-08-13 | 深圳般若计算机系统股份有限公司 | 基于多模态隐匿信息测试的风险检测方法及装置 |
| WO2021243663A1 (zh) * | 2020-06-04 | 2021-12-09 | 深圳市欢太科技有限公司 | 一种会话检测方法、装置、检测设备及计算机存储介质 |
| US20220060491A1 (en) * | 2020-08-21 | 2022-02-24 | Palo Alto Networks, Inc. | Malicious traffic detection with anomaly detection modeling |
| US20220215453A1 (en) * | 2021-01-05 | 2022-07-07 | Walmart Apollo, Llc | Methods and apparatus for automatically detecting data attacks using machine learning processes |
| CN114741597A (zh) * | 2022-04-19 | 2022-07-12 | 河海大学 | 一种基于知识增强注意力图神经网络的下一项推荐方法 |
| US20220224706A1 (en) * | 2020-03-30 | 2022-07-14 | Tencent Technology (Shenzhen) Company Limited | Artificial intelligence-based network security protection method and apparatus, and electronic device |
| US20220294715A1 (en) * | 2021-03-09 | 2022-09-15 | Ayla Networks, Inc. | Edge-based intelligence for anomaly detection |
| CN115331068A (zh) * | 2022-06-20 | 2022-11-11 | 武汉纺织大学 | 一种基于会话时空特征相残差的物联网设备识别模型 |
| US20230058949A1 (en) * | 2021-08-20 | 2023-02-23 | Beijing Baidu Netcom Science Technology Co., Ltd. | Intelligent voice interaction method and apparatus, device and computer storage medium |
| CN115865534A (zh) * | 2023-02-27 | 2023-03-28 | 深圳大学 | 一种基于恶意加密流量检测方法、系统、装置及介质 |
| US20230112309A1 (en) * | 2021-09-30 | 2023-04-13 | Nokia Technologies Oy | High-level syntax for signaling neural networks within a media bitstream |
| CN116248308A (zh) * | 2022-11-30 | 2023-06-09 | 上海交通大学 | 一种基于零信任和边缘智能的物联网持续认证方法 |
| CN116450524A (zh) * | 2023-04-23 | 2023-07-18 | 兴业银行股份有限公司 | 对抗网络模型训练方法、装置、生成方法和设备 |
| CN116527279A (zh) * | 2023-05-19 | 2023-08-01 | 桂林电子科技大学 | 工控网络中安全数据聚合的可验证联邦学习装置及方法 |
| US20230245651A1 (en) * | 2020-03-14 | 2023-08-03 | Polypie Inc. | Enabling user-centered and contextually relevant interaction |
| JP2023132381A (ja) * | 2022-03-10 | 2023-09-22 | 広海 大谷 | インターネットのサービスとセキュリティとａｉ |
| CN117033053A (zh) * | 2023-08-14 | 2023-11-10 | 广州诺芯软件科技有限公司 | 应用于汽车营销管理系统软件的数据分析方法及系统 |
| CN117118693A (zh) * | 2023-08-17 | 2023-11-24 | 网络通信与安全紫金山实验室 | 异常流量的检测方法、装置、计算机设备和存储介质 |
| CN117176382A (zh) * | 2023-07-08 | 2023-12-05 | 中国人民解放军战略支援部队信息工程大学 | 一种基于融合序列的远控木马流量检测方法 |
| US20230394247A1 (en) * | 2022-06-01 | 2023-12-07 | Alibaba Damo (Hangzhou) Technology Co., Ltd. | Human-machine collaborative conversation interaction system and method |
| CN117421779A (zh) * | 2022-12-05 | 2024-01-19 | 重庆邮电大学 | 一种基于区块链和联邦学习的工业物联网安全数据共享方法 |
| CN117520801A (zh) * | 2023-12-01 | 2024-02-06 | 四川合佳科技有限公司 | 一种基于物联网的数据测试方法及系统 |
-
2024
- 2024-02-28 CN CN202410217741.9A patent/CN117792800B/zh active Active
Patent Citations (33)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120192261A1 (en) * | 2009-09-30 | 2012-07-26 | Trustseed Sas | System and method for the management of secure electronic correspondence sessions |
| CN107368718A (zh) * | 2017-07-06 | 2017-11-21 | 同济大学 | 一种用户浏览行为认证方法及系统 |
| US20210185066A1 (en) * | 2017-09-15 | 2021-06-17 | Spherical Defence Labs Limited | Detecting anomalous application messages in telecommunication networks |
| CN109947403A (zh) * | 2017-12-20 | 2019-06-28 | 华为技术有限公司 | 一种安全目标的分解与建模方法及相关设备 |
| CN108418792A (zh) * | 2018-01-29 | 2018-08-17 | 华北电力大学 | 基于深度循环神经网络的网络逃避行为检测算法 |
| CN108399201A (zh) * | 2018-01-30 | 2018-08-14 | 武汉大学 | 一种基于循环神经网络的Web用户访问路径预测方法 |
| CN108989296A (zh) * | 2018-06-29 | 2018-12-11 | 杭州安恒信息技术股份有限公司 | 一种物联网系统安全综合评估系统及方法 |
| US20200285737A1 (en) * | 2019-03-05 | 2020-09-10 | Microsoft Technology Licensing, Llc | Dynamic cybersecurity detection of sequence anomalies |
| CN110808830A (zh) * | 2019-10-21 | 2020-02-18 | 边缘智能研究院南京有限公司 | 一种基于5G网络切片的IoT安全验证框架及其服务方法 |
| WO2021087443A1 (en) * | 2019-11-01 | 2021-05-06 | Board Of Regents, The University Of Texas System | Internet of things security analytics and solutions with deep learning |
| US10951606B1 (en) * | 2019-12-04 | 2021-03-16 | Acceptto Corporation | Continuous authentication through orchestration and risk calculation post-authorization system and method |
| US20230245651A1 (en) * | 2020-03-14 | 2023-08-03 | Polypie Inc. | Enabling user-centered and contextually relevant interaction |
| US20220224706A1 (en) * | 2020-03-30 | 2022-07-14 | Tencent Technology (Shenzhen) Company Limited | Artificial intelligence-based network security protection method and apparatus, and electronic device |
| WO2021243663A1 (zh) * | 2020-06-04 | 2021-12-09 | 深圳市欢太科技有限公司 | 一种会话检测方法、装置、检测设备及计算机存储介质 |
| US20220060491A1 (en) * | 2020-08-21 | 2022-02-24 | Palo Alto Networks, Inc. | Malicious traffic detection with anomaly detection modeling |
| US20220215453A1 (en) * | 2021-01-05 | 2022-07-07 | Walmart Apollo, Llc | Methods and apparatus for automatically detecting data attacks using machine learning processes |
| US20220294715A1 (en) * | 2021-03-09 | 2022-09-15 | Ayla Networks, Inc. | Edge-based intelligence for anomaly detection |
| CN113243918A (zh) * | 2021-06-11 | 2021-08-13 | 深圳般若计算机系统股份有限公司 | 基于多模态隐匿信息测试的风险检测方法及装置 |
| US20230058949A1 (en) * | 2021-08-20 | 2023-02-23 | Beijing Baidu Netcom Science Technology Co., Ltd. | Intelligent voice interaction method and apparatus, device and computer storage medium |
| US20230112309A1 (en) * | 2021-09-30 | 2023-04-13 | Nokia Technologies Oy | High-level syntax for signaling neural networks within a media bitstream |
| JP2023132381A (ja) * | 2022-03-10 | 2023-09-22 | 広海 大谷 | インターネットのサービスとセキュリティとａｉ |
| CN114741597A (zh) * | 2022-04-19 | 2022-07-12 | 河海大学 | 一种基于知识增强注意力图神经网络的下一项推荐方法 |
| US20230394247A1 (en) * | 2022-06-01 | 2023-12-07 | Alibaba Damo (Hangzhou) Technology Co., Ltd. | Human-machine collaborative conversation interaction system and method |
| CN115331068A (zh) * | 2022-06-20 | 2022-11-11 | 武汉纺织大学 | 一种基于会话时空特征相残差的物联网设备识别模型 |
| CN116248308A (zh) * | 2022-11-30 | 2023-06-09 | 上海交通大学 | 一种基于零信任和边缘智能的物联网持续认证方法 |
| CN117421779A (zh) * | 2022-12-05 | 2024-01-19 | 重庆邮电大学 | 一种基于区块链和联邦学习的工业物联网安全数据共享方法 |
| CN115865534A (zh) * | 2023-02-27 | 2023-03-28 | 深圳大学 | 一种基于恶意加密流量检测方法、系统、装置及介质 |
| CN116450524A (zh) * | 2023-04-23 | 2023-07-18 | 兴业银行股份有限公司 | 对抗网络模型训练方法、装置、生成方法和设备 |
| CN116527279A (zh) * | 2023-05-19 | 2023-08-01 | 桂林电子科技大学 | 工控网络中安全数据聚合的可验证联邦学习装置及方法 |
| CN117176382A (zh) * | 2023-07-08 | 2023-12-05 | 中国人民解放军战略支援部队信息工程大学 | 一种基于融合序列的远控木马流量检测方法 |
| CN117033053A (zh) * | 2023-08-14 | 2023-11-10 | 广州诺芯软件科技有限公司 | 应用于汽车营销管理系统软件的数据分析方法及系统 |
| CN117118693A (zh) * | 2023-08-17 | 2023-11-24 | 网络通信与安全紫金山实验室 | 异常流量的检测方法、装置、计算机设备和存储介质 |
| CN117520801A (zh) * | 2023-12-01 | 2024-02-06 | 四川合佳科技有限公司 | 一种基于物联网的数据测试方法及系统 |
Non-Patent Citations (4)
| Title |
|---|
| TEODORA BALUTA等: ""Quantitative Verification of Neural Networks and Its Security Applications"", 《HTTPS://DL.ACM.ORG/DOI/ABS/10.1145/3319535.3354245》, 25 June 2019 (2019-06-25) * |
| 冯兵;张静平;: "网络安全脆弱性检测复合模型及应用", 海军航空工程学院学报, no. 02, 15 March 2007 (2007-03-15) * |
| 靳亚洽: ""基于机器学习的DDoS实时网络入侵检测系统关键技术的研究"", 《中国硕士学位论文全文数据库》, 15 January 2020 (2020-01-15) * |
| 高晶辉;: "基于SVM的网络入侵检测系统模型分析", 牡丹江师范学院学报(自然科学版), no. 04, 25 November 2010 (2010-11-25) * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117792800B (zh) | 2024-05-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11605087B2 (en) | Method and apparatus for identifying identity information | |
| CN108985066B (zh) | 一种智能合约安全漏洞检测方法、装置、终端及存储介质 | |
| WO2021052010A1 (zh) | 一种人脸朝向估计、网络训练方法、装置、电子设备及存储介质 | |
| CN111353430A (zh) | 人脸识别方法和系统 | |
| WO2021218037A1 (zh) | 目标检测方法、装置、计算机设备和存储介质 | |
| CN111966473B (zh) | 一种线性回归任务的运行方法及装置、电子设备 | |
| CN117792800B (zh) | 一种基于物联网安全评估系统的信息验证方法及系统 | |
| CN116542673A (zh) | 应用于机器学习的欺诈行为识别方法及系统 | |
| CN112507323A (zh) | 基于单向网络的模型训练方法、装置和计算设备 | |
| CN116129440B (zh) | 异常用户端告警方法、装置、电子设备和介质 | |
| CN116797973A (zh) | 应用于环卫智慧管理平台的数据挖掘方法及系统 | |
| CN114510592A (zh) | 图像分类方法、装置、电子设备及存储介质 | |
| US20230045753A1 (en) | Spectral clustering of high-dimensional data | |
| CN117392731B (zh) | 表情识别模型的训练方法和装置 | |
| CN116881851B (zh) | 基于机器学习的物联网数据处理方法、装置及服务器 | |
| CN116501993B (zh) | 房源数据推荐方法及装置 | |
| CN117149371A (zh) | 资源借调方法、装置、计算机设备、存储介质和程序产品 | |
| US20230368019A1 (en) | Deep learning system for performing private inference and operating method thereof | |
| CN114329399A (zh) | 一种人脸视频的校验方法、装置、设备及存储介质 | |
| CN117113366A (zh) | 数字资产管理方法、装置、设备、存储介质和程序产品 | |
| CN117251723A (zh) | 基于大数据的异常分析方法及系统 | |
| CN116932935A (zh) | 地址匹配方法、装置、设备、介质和程序产品 | |
| He et al. | Determining the proper number of proposals for individual images | |
| CN117421681A (zh) | 一种异常用户检测方法、装置、电子设备以及存储介质 | |
| CN117436888A (zh) | 支付服务处理方法、装置、计算机设备和存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |