-
题名基于强化LSTM的网络高隐蔽性入侵轨迹预测研究
- 1
-
-
作者
徐李阳
王晨飞
穆松鹤
杨自兴
马建勋
-
机构
国家电网有限公司客户服务中心
国网思极检测技术(北京)有限公司
-
出处
《电子设计工程》
2024年第21期104-107,112,共5页
-
基金
国家电网科技项目(16ER63857)。
-
文摘
网络高隐蔽性入侵信息的维度难以确定,导致入侵轨迹预测困难增加,因此研究基于强化LSTM的网络高隐蔽性入侵轨迹预测方法。设置强化LSTM预测模型基础架构,根据历史数据特征取值结果,求解标记参数,利用这些参数标记入侵数据轨迹节点。确定高隐蔽性入侵行为的表现强度从而确定入侵向量。结合入侵信息维度实现网络高隐蔽性入侵轨迹预测。实验结果表明,在强化LSTM模型的作用下,高隐蔽性入侵信息维度的预测结果完全属于该信息所处轨迹维度参数实际取值范围之内,说明该方法的预测结果更为精准。
-
关键词
强化LSTM模型
网络入侵轨迹
历史数据
入侵行为
入侵向量
信息轨迹维度
-
Keywords
enhanced LSTM model
network intrusion trajectory
historical data
attack intensity
semi supervised coefficient
dimension parameters
-
分类号
TN911
[电子电信—通信与信息系统]
-
-
题名基于联邦学习的网络多敏感属性数据并行加密
- 2
-
-
作者
王晨飞
赵文华
安业腾
朱青
马建勋
-
机构
国家电网有限公司客户服务中心
国网思极检测技术(北京)有限公司
-
出处
《电子设计工程》
2024年第22期166-169,174,共5页
-
基金
天津市电力公司科技项目(KJ08-2-9)。
-
文摘
网络多敏感属性数据量较大,且噪声数据占比较高,导致数据加密效果不佳。因此,提出基于联邦学习的网络多敏感属性数据并行加密方法。在去中心化联邦架构下,构造公钥密钥和私钥密钥。选取两个维度数据构成网络多敏感属性数据集合,将多敏感属性数据作为子密文对数据进行训练,并将输入的随机误差向量作为基础密文。构建基于联邦学习的并行加密框架,结合重加密方法完成多敏感属性数据的并行加密。实验结果表明,该方法加密过程中的最大平均绝对误差仅达到0.2,能够有效剔除全部噪声数据,并保证数据不被泄露,加密效果好。
-
关键词
联邦学习
多敏感
属性数据
并行加密
-
Keywords
federated learning
multi sensitive
attribute data
parallel encryption
-
分类号
TN99
[电子电信—信号与信息处理]
-
