申请/专利权人：重庆邮电大学

申请日：2023-11-28

公开（公告）日：2024-03-22

公开（公告）号：CN117749430A

主分类号：H04L9/40

分类号：H04L9/40;G16Y40/50;G06N3/042;G06N3/0464;G06F18/2135;G06F18/23213

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.09#实质审查的生效;2024.03.22#公开

摘要：本发明属于信息安全检测技术领域，涉及一种针对大规模物联网的恶意节点单元的快速定位方法，包括：根据网络初始运行时和网络正常运行时的传输数据分别计算这两种数据的信任网络子图；将相同节点构成的这两种数据的信任网络子图进行组合，得到训练集；利用训练集训练图神经网络模型；获取最新的以及网络初始运行时的信任网络子图；根据信任网络子图得到子图对；将子图对输入图神经网络模型，得到子图对的相似性得分；将子图对的相似性得分与阈值进行比较，得到存在恶意节点的物联网单元；本发明结合图神经网络和信任拓扑图计算一对图的相似性，能及时定位物联网网络中大规模的信任攻击，并对存在成群恶意节点的物联网单元进行差异化管理。

主权项：1.一种针对大规模物联网的恶意节点单元的快速定位方法，其特征在于，包括：S1、获取物联网设备的传输数据，其中，传输数据包括网络初始运行时的传输数据和网络正常运行时的传输数据；S2、根据网络初始运行时的传输数据计算多个信任网络子图G＝G1,G2,...,GN，根据网络正常运行时的传输数据计算多个信任网络子图G'＝G1',G2'...,GN'；所述信任网络子图的节点为物联网设备，边为设备之间的信任关系；S3、将相同节点构成的信任网络子图G和信任网络子图G'进行组合，得到多组信任网络子图对，将所有信任网络子图对进行组合，得到训练数据集；S4、构建图神经网络模型，利用训练数据集训练图神经网络模型，得到训练好的图神经网络模型；S5、获取物联网设备的最新传输数据，根据最新传输数据计算多个信任网络子图G”＝G″1,G″2,...,G″N；将相同节点构成的信任网络子图G”和信任网络子图G进行组合，得到多组子图对；S6、将多组子图对输入训练好的图神经网络模型，得到每组子图对的相似性得分；S7、设置相似性得分阈值，将每组子图对的相似性得分与阈值进行比较，得到存在恶意节点的物联网单元。

全文数据：

权利要求：

百度查询： 重庆邮电大学 一种针对大规模物联网的恶意节点单元的快速定位方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD