-
公开(公告)号：CN115203682A
公开(公告)日：2022-10-18
申请号：CN202210536022.4
申请日：2022-05-17
Applicant: 北京理工大学
Abstract: 本发明涉及一种构建API关联置信度的抗老化高效恶意APP检测方法，属于网络空间安全技术领域。首先，该方法通过对APK文件内的API包名按层抽象，应对Android系统的不断升级对恶意软件分析带来的偏差；其次，通过计算API之间的关联置信度，提取软件的高层级行为语义；最后，通过对不同发布时段的APK分别构建分类器，选择代表性分类器学习API组合间的行为模式，完成对恶意软件的检测。当前恶意软件检测方法软件意图表征和抗老化能力弱，难以检测持续进化和变异的恶意软件。本发明建立高层级行为意图表征模式，提出恶意软件分类器抗老化策略，能够有效检测持续进化的恶意软件，具备较高的检测效率和抗老化性。
-
公开(公告)号：CN115048983A
公开(公告)日：2022-09-13
申请号：CN202210535745.2
申请日：2022-05-17
Applicant: 北京理工大学
Abstract: 本发明涉及一种数据流形拓扑感知的人工智能系统对抗样本防御方法，属于人工智能安全技术领域。针对现有方法依赖已有少量对抗样本进行对抗训练或对目标分类器进行修改与再训练，缺乏对对抗样本生成机理的分析，存在无法及时应对新型对抗性攻击，泛化能力不足等问题，首先生成真实含噪目标数据集的数据流形，获取其拓扑信息；然后对生成模型进行拓扑感知训练，在定义的密度超水平集中调整隐向量分布使之与目标分布连通分量数保持一致，拟合生成模型与目标数据的分布；最后将错误分类的点投影到最近的流形上，反演受扰动的样本，纠正分类结果，实现强泛化能力和高稳健性的人工智能系统对抗样本防御效果。
-
公开(公告)号：CN112487905B
公开(公告)日：2022-02-11
申请号：CN202011321110.X
申请日：2020-11-23
Applicant: 北京理工大学 , 上海汽车集团股份有限公司
IPC: G06V40/10 , G06V40/20 , G06V10/774 , G06V10/764 , G06V10/762 , G06K9/62 , G06N3/04 , G06T7/20 , G08B21/18 , G08G1/16 , B60W30/095 , G06Q10/04 , G06Q10/06
Abstract: 本发明公开的一种车辆周边行人危险等级预测方法及系统，属于智能车辆主动安全技术领域。本发明基于车辆第一视角数据进行行人轨迹预测，使用数据驱动的时序网络建模实现长时轨迹预测，降低计算成本，缩短预测时长；基于聚类分析和分类器的危险等级识别器，能够根据特征参数识别行人危险等级，避免通过人为划分参数范围来判定危险等级带来的不确定性；根据训练得到的行人轨迹拟合器预测行人移动轨迹，提取出行人特征参数集合，将参数集合输入到训练得到的行人危险等级识别器中，对行人危险等级进行预测。本发明有助于理解行车过程中周边行人的行为意图，预估行人和车辆的碰撞风险，为调整行车策略提供依据，以规避行车风险，提升驾驶安全性。
-
Patent Agency Ranking
公开(公告)号：CN112971799A
公开(公告)日：2021-06-18
申请号：CN202110169914.0
申请日：2021-02-04
Applicant: 北京理工大学
Abstract: 本发明涉及电子胎心监护领域，是一种基于机器学习的无刺激胎心监护分类方法。一方面提供一种基于神经网络的胎儿心电信号特征构建方法，另一方面通过整合的特征指标集用机器学习对胎心监护进行分类。所述基于神经网络的特征构建方法，采用盲源分离获得胎儿心电信号，用RNN和CNN获得胎儿心电信号特征向量；所述通过整合的特征指标集用机器学习对胎心监护进行分类，利用有效胎心率提取近似熵等非线性特征和醒睡周期等时域特征；分类识别模块利用整合特征用分类器将胎心监护类型进行分类，获取胎儿NST类型。本发明提出的方法可实时对24小时的胎心监护数据利用机器学习方法对胎儿NST类型进行分类，分类过程客观，为临床决策提供支持。
-
公开(公告)号：CN112487907A
公开(公告)日：2021-03-12
申请号：CN202011326019.7
申请日：2020-11-23
Applicant: 北京理工大学 , 上海汽车集团股份有限公司
Abstract: 本发明公开的一种基于图分类的危险场景识别方法及系统，属于汽车智能交互技术领域。本发明采集驾驶员的操作信息，提取驾驶特征参数，采集本车周边交通场景信息；根据采集的交通场景信息提取交通场景动静态特征；根据采集的交通场景动静态特征使用图方法表示为有节点标签的无向图；根据生成的交通场景有节点标签的无向图，识别交通场景危险等级。基于图分类实现城区交通环境危险场景识别，根据驾驶操作信息和车辆行驶信息聚类得到危险场景标签，生成更符合数据分布特征的标签，通过驾驶信息精确识别交通场景中的危险场景，提高交通危险场景识别准确率，使所识别出的交通危险场景更加符合实际的驾驶环境，提高驾驶环境适应性和安全性。
-
公开(公告)号：CN112487905A
公开(公告)日：2021-03-12
申请号：CN202011321110.X
申请日：2020-11-23
Applicant: 北京理工大学 , 上海汽车集团股份有限公司
IPC: G06K9/00 , G06K9/62 , G06N3/04 , G06T7/20 , G08B21/18 , G08G1/16 , B60W30/095 , G06Q10/04 , G06Q10/06
Abstract: 本发明公开的一种车辆周边行人危险等级预测方法及系统，属于智能车辆主动安全技术领域。本发明基于车辆第一视角数据进行行人轨迹预测，使用数据驱动的时序网络建模实现长时轨迹预测，降低计算成本，缩短预测时长；基于聚类分析和分类器的危险等级识别器，能够根据特征参数识别行人危险等级，避免通过人为划分参数范围来判定危险等级带来的不确定性；根据训练得到的行人轨迹拟合器预测行人移动轨迹，提取出行人特征参数集合，将参数集合输入到训练得到的行人危险等级识别器中，对行人危险等级进行预测。本发明有助于理解行车过程中周边行人的行为意图，预估行人和车辆的碰撞风险，为调整行车策略提供依据，以规避行车风险，提升驾驶安全性。
-
公开(公告)号：CN117474038A
公开(公告)日：2024-01-30
申请号：CN202311666479.8
申请日：2023-12-06
Applicant: 北京理工大学
Abstract: 本发明涉及利用神经元组合路径的深度学习模型测试样本生成方法，属于深度学习测试领域。本发明首先将训练集中所有样本按类别输入待测模型，在模型各层选取平均输出值最高的n个神经元，构建各类别对应的神经元组合路径；其次将种子样本输入模型，计算模型神经元与种子样本所属类别神经元组合路径之间的输出值差异；然后以最大化该差异为优化目标，通过梯度上升算法生成新测试样本；最后判断测试样本是否符合保留条件。本发明针对现有测试样本生成方法忽略了样本类别特征和神经元输出之间的关联性问题，构建了不同类别对应的神经元组合路径，使种子样本偏离其所在的神经元组合路径，从而生成特征分布更多样的测试样本。
-
公开(公告)号：CN112487907B
公开(公告)日：2022-12-20
申请号：CN202011326019.7
申请日：2020-11-23
Applicant: 北京理工大学 , 上海汽车集团股份有限公司
IPC: G06V20/54 , G06V10/774 , G06V10/764 , G06V20/59
Abstract: 本发明公开的一种基于图分类的危险场景识别方法及系统，属于汽车智能交互技术领域。本发明采集驾驶员的操作信息，提取驾驶特征参数，采集本车周边交通场景信息；根据采集的交通场景信息提取交通场景动静态特征；根据采集的交通场景动静态特征使用图方法表示为有节点标签的无向图；根据生成的交通场景有节点标签的无向图，识别交通场景危险等级。基于图分类实现城区交通环境危险场景识别，根据驾驶操作信息和车辆行驶信息聚类得到危险场景标签，生成更符合数据分布特征的标签，通过驾驶信息精确识别交通场景中的危险场景，提高交通危险场景识别准确率，使所识别出的交通危险场景更加符合实际的驾驶环境，提高驾驶环境适应性和安全性。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.024 seconds)
