-
公开(公告)号：CN105808252A
公开(公告)日：2016-07-27
申请号：CN201610123820.9
申请日：2016-03-04
Applicant: 北京理工大学
IPC: G06F9/44
CPC classification number: G06F8/74
Abstract: 本发明涉及一种Windows操作系统内核函数遍历方法，属于计算机与信息科学技术领域。本发明首先找到操作系统中的函数起始点，包括：快速系统调用函数、系统服务描述符表中的函数、中断处理函数等函数地址等；然后以这些函数为起点向子函数遍历，搜索跳转指令和调用指令找到子函数及其对应的参数；循环递归以上操作，直到找不到子函数为止；最后结合符号表获取函数名。本发明可以对Windows操作系统的内核函数进行遍历，其方法也可以适用于其他操作系统。
-
公开(公告)号：CN103209173B
公开(公告)日：2016-07-13
申请号：CN201310075248.X
申请日：2013-03-08
Applicant: 北京理工大学
IPC: H04L29/06
Abstract: 本发明公开了一种针对网络协议的漏洞挖掘方法，其步骤包括：1构造一个具有特征码的正常数据并输入到目标客户端。2劫持系统调用，挂起目标客户端进程，记录特征数据的偏移位置。3对内存中的特征数据，进行动态变异。4继续执行目标客户端进程，使得变异后的特征数据通过目标客户端的发包流程，发送给目标服务端。5监测目标服务端状态，如果监测到异常状态，则记录异常和变异信息，并报告一个安全漏洞。与现有技术相比，本发明可以大大提高未知网络协议的漏洞挖掘效率。
-
公开(公告)号：CN105740238A
公开(公告)日：2016-07-06
申请号：CN201610124157.4
申请日：2016-03-04
Applicant: 北京理工大学
IPC: G06F17/27
CPC classification number: G06F17/2785 , G06F17/2745 , G06F17/2765
Abstract: 本发明涉及一种融合句义信息的事件关系强度图构建方法。首先基于汉语句义结构理论，提取句子语义信息，扩充事件的特征维度，并利用改进的TF?IDF方法完成事件向量表达，再结合上下文信息和核心事件信息优化事件向量，最后利用LDA方法获取事件之间关系强度，设定合适的关系强度阈值，构建事件关系强度图。本发明通过融合句义信息，提供了一种将孤立分散的事件以一种可度量形式关联起来的方法，并通过事件关系强度图直观展示事件间的关系，准确的定位核心事件，有力支撑后续基于事件关系的自动文摘、舆情预测等自然语言处理应用。
-
公开(公告)号：CN103150371B
公开(公告)日：2016-06-29
申请号：CN201310074209.8
申请日：2013-03-08
Applicant: 北京理工大学
IPC: G06F17/30
Abstract: 本发明涉及一种基于正反向训练的去混淆文本检索方法，属于计算机科学与信息检索技术领域。本发明首先对符合检索意愿和违背检索意愿的文本进行语言特征提取，训练得到检索模板；进而利用该检索模板，对待检索文本提取的语言特征库进行检索，得到检出文本，并按照与检索模板相似度由高到低对检出文本进行排序；最终在检出文本中，使用符合检索意愿和违背检索意愿的文本，反馈式更新检索模板，重新检索，得到优化检索结果。与现有技术相比，本发明采用的正、反向训练文本检索方法具有检索准确率高、检索速度快、去混淆明显等特点。
-
公开(公告)号：CN103177088B
公开(公告)日：2016-05-18
申请号：CN201310074916.7
申请日：2013-03-08
Applicant: 北京理工大学
Abstract: 本发明涉及一种基于EM聚类-BP神经网络的空缺数据弥补方法，属于生物医学技术领域。本发明首先采用处理不完全数据问题中很重要的迭代算法EM算法，通过EM聚类，将不同缺失数据划分到不同的簇中，完成初步弥补；然后通过BP神经网络方法对每个簇中的完全数据建模，并完成对各个簇中缺失数据的精确弥补。在一定程度上加强弥补算法对任意缺失机制的适用性，并提高弥补的准确性，可适用于生物医学空缺数据弥补领域。
-
Patent Agency Ranking
公开(公告)号：CN103150381B
公开(公告)日：2016-03-02
申请号：CN201310080760.3
申请日：2013-03-14
Applicant: 北京理工大学
Abstract: 本发明涉及一种基于规则和统计相结合的谓词识别方法，属于自然语言处理与机器学习领域，目的是为解决谓词高精度高效率识别问题。本发明采用分步识别方法，从已进行词法和句法标注的句子中识别谓词，首先对待测句子进行词法分析，得到可疑谓词及其个数；接着利用初步识别判定条件进行谓词初步识别；对不满足初步识别判定条件的可疑谓词提取相关词法和句法特征并利用C4.5训练得到的决策树判定模型对其进行判定；最终汇总两步识别结果给出每个待测句子中的谓词。本发明具有准确率高、识别速度快、对非动词性谓词识别率高等特点，适用于要求高精度的汉语谓词识别领域，对句义分析的发展具有很大的推动作用，具有很好的应用价值和推广价值。
-
公开(公告)号：CN103176963A
公开(公告)日：2013-06-26
申请号：CN201310074933.0
申请日：2013-03-08
Applicant: 北京理工大学
Abstract: 本发明涉及一种基于CRF++的汉语句义结构模型自动标注方法，属于计算机科学与自然语言处理语义分析技术领域。本发明首先使用BFS-CTC汉语标注语料库语料，训练得到谓词识别模型、词关系识别模型和语义格类型识别模型；进而使用上述三种识别模型，对原始句子进行识别，得到句子中谓词信息、词关系信息和语义格类型信息；最终根据谓词、词关系和语义格类型的搭配规则得到汉语句义结构模型。本发明为语义分析领域，提供了更多的更全面的语义特征，为使用计算机对句子进行句义结构模型分析奠定了基础。同时为BFS-CTC汉语标注语料库的自动标注，提供了一定的可能，语料数据无论是研究还是实际应用，都是极其重要的，将对BFS-CTC汉语标注语料库的扩充，起到极大的推动作用。
-
公开(公告)号：CN103150371A
公开(公告)日：2013-06-12
申请号：CN201310074209.8
申请日：2013-03-08
Applicant: 北京理工大学
IPC: G06F17/30
Abstract: 本发明涉及一种基于正反向训练的去混淆文本检索方法，属于计算机科学与信息检索技术领域。本发明首先对符合检索意愿和违背检索意愿的文本进行语言特征提取，训练得到检索模板；进而利用该检索模板，对待检索文本提取的语言特征库进行检索，得到检出文本，并按照与检索模板相似度由高到低对检出文本进行排序；最终在检出文本中，使用符合检索意愿和违背检索意愿的文本，反馈式更新检索模板，重新检索，得到优化检索结果。与现有技术相比，本发明采用的正、反向训练文本检索方法具有检索准确率高、检索速度快、去混淆明显等特点。
-
公开(公告)号：CN102831447A
公开(公告)日：2012-12-19
申请号：CN201210314435.4
申请日：2012-08-30
Applicant: 北京理工大学
IPC: G06K9/66
Abstract: 本发明涉及一种基于Haar-like特征的多类别面部表情高精度识别方法，属于计算机科学与图形图像处理技术领域。本发明首先使用Haar-like特征和串联人脸检测分类器实现高准确性的人脸检测；进而利用AdaBoost.MH算法对高维Haar-like特征进行特征筛选；最终使用随机森林算法进行表情分类器训练，以完成表情识别。与现有技术相比，本发明在进一步提升多种类别表情识别率的同时，大大减少训练和识别的时间开销，并可方便地实现并行化，以进一步提高识别效率、满足实时处理及移动计算的需求。本发明可对静态图像和动态视频进行高精度识别；不仅适用于桌面计算机，也适用于手机、平板电脑等移动计算平台。
-
公开(公告)号：CN114547102B
公开(公告)日：2025-04-04
申请号：CN202210047190.7
申请日：2022-01-14
Applicant: 北京理工大学
IPC: G06N20/00 , G06F18/214 , G06F18/23213
Abstract: 本发明涉及基于梯度驱动数据生成的模型窃取攻击方法，属于计算机与信息科学技术领域。该方法先对数据集进行K‑means聚类；然后将聚类簇质心组成的查询数据集通过API输入到目标模型中得到每条数据对应的标签；接着使用数据‑标签对作为训练集训练替代模型；最后根据目标模型和替代模型间的输出差异构造目标函数，并基于函数梯度生成数据以迭代训练替代模型。本发明基于模型间输出差异梯度来生成数据并以此窃取目标模型，解决了模型窃取过程中目标模型训练集未知造成的替代模型准确率低的问题，减少了目标模型API调用的次数，提高了模型窃取效率。
-
-
-
-
-
-
-
-
-
Search Results
232
records
(took 0.076 seconds)
