-
公开(公告)号：CN116910779A
公开(公告)日：2023-10-20
申请号：CN202310837687.3
申请日：2023-07-10
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
Abstract: 本发明提出了一种基于国密算法的固件烧录保护方法及系统，涉及国密算法和嵌入式电子技术领域，安全下载器与上位软件连接后，基于双方的唯一识别信息，共同建立会话密钥；基于会话密钥，在上位软件和安全下载器之间进行固件的加密传输；安全下载器对收到的固件进行加密，将加密后的固件存储在安全下载器的FLASH中；安全下载器与单片机连接后，对加密后的固件进行解密，并将解密后的固件发送到引导加载程序BSL中，将固件烧录到单片机中；本发明利用安全下载器与上位软件的唯一识别信息，对固件进行多种加密保护，特别是基于国产密码算法和加密芯片对关键信息进行加密，保证上位软件与单片机之间固件传输和烧录的效率和安全性。
-
公开(公告)号：CN116909741A
公开(公告)日：2023-10-20
申请号：CN202310878440.6
申请日：2023-07-18
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G06F9/50 , G06F15/173
Abstract: 本发明涉及一种基于新一代申威众核处理器提高从核并行写共享主存临界资源速度的方法及系统，包括：从核在其私有的局部数据存储器上申请数据空间；将主存储器内的临界资源数据拷贝到各自的私有的局部数据存储器上；各从核进行读写操作；各从核通过远程内存访问(RMA)通道，发起规约操作，规约操作是指将多个从核私有的局部数据存储器内的临界资源数据进行某种聚合函数运算，得到一个最终结果；通过直接内存访问(DMA)通道，将私有的局部数据存储器内规约操作后的临界资源数据写回主存储器。本发明的方法可以有效提高申威众核处理器从核读写共享主存临界资源的速度，提高超级计算机的性能和效率。
-
公开(公告)号：CN116452696B
公开(公告)日：2023-08-29
申请号：CN202310712409.5
申请日：2023-06-16
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
Abstract: 本发明属于图像处理领域，为了解决现有技术没有充分利用图像特征信息的问题，提出了一种基于双域特征采样的图像压缩感知重构方法及系统，将原始图像基于图像域和特征域进行特征提取，并将所提取的特征进行分块采样得到采样值；将采样值进行卷积操作和第一像素混洗操作，得到初始重构图像；将初始重构图像经过深度重建子网络得到最终重构图像；深度重建子网络包括多个依次连接的更新模块和去噪模块，更新模块用于对初始重建图像和采样值基于不同特征维度的约束结合，去噪模块用于对更新模块的输出基于对不同分辨率特征分别去噪后融合输出。对原始图像双域特征提取，充分利用图像特征，提高后续图像重建质量。
-
公开(公告)号：CN116633705A
公开(公告)日：2023-08-22
申请号：CN202310919286.2
申请日：2023-07-26
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明公开的基于复合自动编码器的工业控制系统异常检测方法及系统，属于工业控制系统异常检测技术领域，包括：获取工业控制系统的多维时序数据；对多维时序数据进行时序划分，获得多段子序列数据；根据复合自动编码器和多段子序列数据，获得重构数据和预测数据；根据重构数据、子序列数据和预测数据，计算获得重构误差和预测误差；根据重构误差和预测误差，识别出现异常流量时间；根据每个时间每个维度的总误差，计算每个维度在出现异常流量时间前后的总误差变化率；判定总误差变化率大于变化率阈值的维度对应的流量数据为异常。实现了对工业控制系统中异常流量的准确识别。
-
公开(公告)号：CN116304959B
公开(公告)日：2023-08-15
申请号：CN202310586407.6
申请日：2023-05-24
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G06F18/2433 , G06N3/049 , G06N3/08
Abstract: 本发明提出了一种用于工业控制系统的对抗样本攻击防御方法及系统，涉及对抗样本攻击防御技术领域，对工业控制系统训练集和测试集进行数据预处理，并用预处理后的训练集训练异常检测模型；对测试集进行对抗样本攻击，为测试集中的传感器和执行器添加不同特征约束的扰动，生成对抗样本；基于对抗样本，通过特征加权的方式，对训练后的异常检测模型进行对抗样本防御，得到特征加权防御模型；利用特征加权防御模型对工业控制系统的行为数据进行异常检测，输出检测结果；本发明有效实现对工业控制系统异常检测模型的对抗样本攻击，提高生成对抗样本的效率，提高模型的性能，使模型在对抗样本攻击影响下具有一定的鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN116304959A
公开(公告)日：2023-06-23
申请号：CN202310586407.6
申请日：2023-05-24
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G06F18/2433 , G06N3/049 , G06N3/08
Abstract: 本发明提出了一种用于工业控制系统的对抗样本攻击防御方法及系统，涉及对抗样本攻击防御技术领域，对工业控制系统训练集和测试集进行数据预处理，并用预处理后的训练集训练异常检测模型；对测试集进行对抗样本攻击，为测试集中的传感器和执行器添加不同特征约束的扰动，生成对抗样本；基于对抗样本，通过特征加权的方式，对训练后的异常检测模型进行对抗样本防御，得到特征加权防御模型；利用特征加权防御模型对工业控制系统的行为数据进行异常检测，输出检测结果；本发明有效实现对工业控制系统异常检测模型的对抗样本攻击，提高生成对抗样本的效率，提高模型的性能，使模型在对抗样本攻击影响下具有一定的鲁棒性。
-
公开(公告)号：CN116304641A
公开(公告)日：2023-06-23
申请号：CN202310537570.3
申请日：2023-05-15
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G06F18/213 , G06F18/214 , G06N3/084
Abstract: 本发明公开了一种基于参考点搜索和特征交互的异常检测解释方法及系统，涉及异常检测可解释性技术领域，该方法包括：获取包含多个不同特征维度的数据集，利用异常检测模型检测出数据集中的异常数据；以检测出的异常数据为异常点，利用基于反向梯度传播的参考点搜索算法，寻找并确定该异常点的最优参考点；基于最优参考点和异常点之间的差异，确定高异常特征维度；利用基于有限差分法的交互检测算法，计算得到异常点中高异常特征与其余特征组成的特征对之间的交互强度；根据交互强度确定强交互作用的特征维度，结合高异常特征维度，得到异常数据的解释结果。本发明能够提高异常检测模型的可解释性，同时保证解释性能和时间效率之间的平衡。
-
公开(公告)号：CN111478807B
公开(公告)日：2023-03-24
申请号：CN202010255124.X
申请日：2020-04-02
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: H04L41/12 , H04L41/142 , H04L67/1042
Abstract: 本发明的有向多层网络最小反馈节点集的构造方法，包括：a).集合、能量和参数的初始化；b).节点i的插入及放回；c).反复执行步骤b)，直至集合S成功更新设定次数，将每次更新后得到的最小能量值记为Emin；d).反复执行步骤b)、c)，如果Emin值连续预先设定的次数内没有更新，此时即构造出了多层网络的最小反馈节点集。本发明的最小反馈节点集的构造方法，通过模拟退火算法可快速构造规模尽可能大的集合S，从而最终构造出规模尽可能小的反馈节点集，进而利用构造出的最小反馈节点集作为控制节点对多层网络进行控制，本发明为有向多层网络最小反馈节点集的构造提出了一种行之有效的方法。
-
公开(公告)号：CN114926680B
公开(公告)日：2022-11-11
申请号：CN202210524306.1
申请日：2022-05-13
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明涉及一种基于AlexNet网络模型的恶意软件分类方法及系统，包括：数据预处理：以二进制方式读取恶意软件；求取转移概率矩阵；标准化处理转移概率矩阵；在转移概率矩阵上应用色图，将恶意软件二进制文件可视化为恶意软件彩色图像，使用改进的CLAHE算法对恶意软件彩色图像进行增强处理。训练恶意软件分类模型即AlexNet网络模型；将待检测的恶意软件通过数据预处理后输入训练好的恶意软件分类模型得到恶意软件分类结果；本发明模型泛化能力强，同时避免信息的冗余或丢失问题，在增强图像的对比度同时能够抑制噪声，有效的提高分类的准确率；网络层数和模型参数减少，训练过程中消耗的时间和空间要少很多，分类速度明显提升。
-
公开(公告)号：CN111581163B
公开(公告)日：2022-03-08
申请号：CN202010396804.3
申请日：2020-05-12
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明公开了基于NTFS文件系统的数据无痕删除方法及系统，包括：读取NTFS卷头信息；对NTFS卷头信息进行解析；定位$MFT文件的起始地址；定位根目录的MFT表的起始地址；根据根目录的MFT表，获取根目录文件内容的起始地址；根据根目录文件内容的起始地址，对根目录进行解析，获取根目录下文件夹和文件的文件记录号；根据根目录下文件夹和文件的文件记录号，计算文件记录号的个数，对文件记录号对应的文件名依次循环遍历，判断文件记录号对应的文件名与待无痕删除的文件名是否相同；如果文件名相同，则删除与文件相关的所有痕迹；如果文件名不同，则对下一个文件记录号对应的文件名进行判断。
-
-
-
-
-
-
-
-
-
Search Results
139
records
(took 0.054 seconds)
