申请/专利权人:中国人民解放军战略支援部队信息工程大学
申请日:2023-07-26
公开(公告)日:2023-12-08
公开(公告)号:CN117195221A
主分类号:G06F21/57
分类号:G06F21/57;H04L9/40;G06F21/55;G06N3/0455;G06N3/08;G06N3/0464;G06N3/088
优先权:
专利状态码:在审-实质审查的生效
法律状态:2023.12.26#实质审查的生效;2023.12.08#公开
摘要:本发明属于拟态防御技术领域,特别涉及一种基于深度学习的拟态裁决方法及装置,该方法包括将不同尺度的执行体响应数据进行统一处理;在目标系统未遭受攻击的条件下,离线训练一个最佳的基于相似度深度学习模型;在目标系统开放运行情况下,将用户请求的不同执行体响应数据作为测试样本送入上面训练好的基于相似度深度学习模型来获取不同待测执行体响应数据相似度值,将模型输出相似度值送入相似度裁决模块,判断是否在相似度阈值区间内,从而判别待测执行体响应数据是否出现异常;当裁决结果出现错误时,则会反馈给基于相似度深度学习模型,使其自适应地优化该模型。本发明能够通过学习数据分布的相似性弱化不同执行体响应数据的敏感度。
主权项:1.一种基于深度学习的拟态裁决方法,其特征在于,包含以下步骤:将用户的请求输入到不同的异构执行体获得执行体响应数据后,将不同尺度的执行体响应数据进行统一处理,使其保持格式的一致性;在目标系统未遭受攻击的条件下,离线训练一个最佳的基于相似度深度学习模型用于测试待测执行体响应数据相似度;在目标系统开放运行情况下,将用户请求的不同执行体响应数据作为测试样本送入上面训练好的基于相似度深度学习模型来获取不同待测执行体响应数据相似度值,将模型输出相似度值送入相似度裁决模块,判断是否在相似度阈值区间内,从而判别待测执行体响应数据是否出现异常;当裁决结果出现错误时,则会反馈给基于相似度深度学习模型,使其自适应地优化该模型。
全文数据:
权利要求:
百度查询: 中国人民解放军战略支援部队信息工程大学 基于深度学习的拟态裁决方法及装置
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。