-
公开(公告)号：CN118038210A
公开(公告)日：2024-05-14
申请号：CN202410247436.4
申请日：2024-03-05
Applicant: 北京交通大学
IPC: G06V10/774 , G06V10/762 , G06V10/44 , G06V10/54 , G06V10/56 , G06V10/82 , G06N3/0464
Abstract: 本发明提供了一种基于语义特征的DNN模型的训练样本选择方法。该方法包括：使用基于频域的显著性检测方法提取各个样本图像的语义特征；对所有样本图像的语义特征进行聚类和采样，将样本图像划分为具有不同语义特征的多个类别，得到用来测试和重训练深度神经网络DNN模型的样本图像。本发明通过使用基于频域的显著性检测方法来提取测试用例的语义特征，这能够捕捉与人类直觉相符的数据本质特征，并将其在频域特征空间中聚类为不同的类别，使用基于频域的显著性检测方法来提取测试用例的语义特征，能够更有效地检测出DNN多样的错误，提高DNN模型的对抗鲁棒性。
-
公开(公告)号：CN116192421B
公开(公告)日：2024-04-30
申请号：CN202211500772.2
申请日：2022-11-28
Applicant: 北京交通大学
IPC: H04L9/40 , H04L41/16 , G06F18/23 , G06N3/0442 , G06N3/0455 , G06N3/08
Abstract: 本发明提供了一种基于溯源图和自注意力机制的APT攻击检测方法。该方法包括：根据待进行APT攻击检测的系统日志生成溯源图，将溯源图序列抽取为特征序列，采用基于Transformer的编码器‑解码器来训练自注意力网络，生成特征提取网络，通过特征提取网络将特征序列转换为特征向量；使用改进后的ADOA算法对特征向量中的正常样本进行聚类，生成多个聚类中心，根据特征向量中的未标记的样本数据与聚类中心之间的距离，判断未标记的样本数据是否异常。本发明使用Transformer模型建模系统的状态变化，使用大量的正常数据结合自注意力机制的编码器‑解码器来训练模型提取特征，提取APT攻击对系统产生的长期影响，使得攻击行为的特征与正常行为的特征更易区分。
-
公开(公告)号：CN117196311A
公开(公告)日：2023-12-08
申请号：CN202311206270.3
申请日：2023-09-18
Applicant: 北京交通大学
IPC: G06Q10/0635 , G06Q10/067 , G06Q10/10 , G06Q50/08
Abstract: 本发明提供了一种铁路工程建设项目风险管理方法。本发明基于DoDAF规范化体系结构描述方法和FAHP层级分析结构模型提出，是一种适用于铁路建设工程项目的多维度全生命周期工程建设项目风险管理方法。本发明所提基于DoDAF和FAHP的铁路建设工程项目风险管理方法考虑将铁路工程安全风险管理贯穿可行性研究、初步设计、施工图设计、工程实施、竣工验收后风险评估等全生命周期过程，并遵循安全第一、预防为主、动态管理和分阶段实施的原则，能够指导建设、勘察设计、施工、监理单位系统化、体系化的开展风险识别、风险评估、风险控制等工作，落实风险管理责任。
-
公开(公告)号：CN119537200A
公开(公告)日：2025-02-28
申请号：CN202411323086.1
申请日：2024-09-23
Applicant: 北京交通大学
IPC: G06F11/3668 , G06F18/27 , G06F18/214
Abstract: 本发明涉及自动化测试领域，提供了一种程序符号执行测试方法、装置及设备，该方法包括：获取待测程序，通过多个训练好的预测模型对待测程序进行符号执行测试，得到多个测试结果；将每个预测模型的测试结果进行合并得到最终测试结果；训练好的预测模型为根据训练集训练得到，训练集为程序集合。本发明解决了现有技术中现有技术中单一启发式方法难以全面覆盖程序路径的缺陷，实现了对待测程序进行高效、全面的符号执行测试，提高了测试覆盖率。
-
公开(公告)号：CN118038210B
公开(公告)日：2025-01-17
申请号：CN202410247436.4
申请日：2024-03-05
Applicant: 北京交通大学
IPC: G06V10/774 , G06V10/762 , G06V10/44 , G06V10/54 , G06V10/56 , G06V10/82 , G06N3/0464
Abstract: 本发明提供了一种基于语义特征的DNN模型的训练样本选择方法。该方法包括：使用基于频域的显著性检测方法提取各个样本图像的语义特征；对所有样本图像的语义特征进行聚类和采样，将样本图像划分为具有不同语义特征的多个类别，得到用来测试和重训练深度神经网络DNN模型的样本图像。本发明通过使用基于频域的显著性检测方法来提取测试用例的语义特征，这能够捕捉与人类直觉相符的数据本质特征，并将其在频域特征空间中聚类为不同的类别，使用基于频域的显著性检测方法来提取测试用例的语义特征，能够更有效地检测出DNN多样的错误，提高DNN模型的对抗鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN118863142A
公开(公告)日：2024-10-29
申请号：CN202410880588.8
申请日：2024-07-02
Applicant: 内蒙古高新科技控股有限责任公司 , 中北通信息技术有限公司 , 北京交通大学
Abstract: 本说明书实施例提供边坡位移预测方法以及装置，其中所述边坡位移预测方法包括：获取待监测区域当前时刻之前的的初始图结构，其中，所述初始图结构包括至少两个监测点以及所述监测点的时间不变特征；基于所述监测点的时间不变特征简化所述初始图结构中监测点的连接关系，获得中间图结构；利用图神经网络分析所述中间图结构的空间特征获得空间信息，并利用循环神经网络分析所述空间信息和前一时刻的时间信息，获得当前时刻的时间信息；将所述当前时刻的时间信息输入至回归器获得当前时刻的位移预测结果。通过该方法既能高效处理大规模空间数据，又能精确捕获和预测时间序列数据中的复杂动态关系，为露天煤矿边坡的安全监控提供强有力的技术支持。
-
公开(公告)号：CN114358912B
公开(公告)日：2024-10-15
申请号：CN202111362361.7
申请日：2021-11-17
Applicant: 北京交通大学
Abstract: 本发明提供了一种基于联邦学习的风险权重融合的异常检测方法。该方法包括：将参与联邦学习的各银行机构视为客户端，各个客户端分别建立机器学习模型，在每轮迭代中，各个客户端的机器学习模型利用本地数据样本集迭代训练后，提取参数更新信息和本轮次训练的风险权重信息，并上传至中央服务器；中央服务器将接收到的所有参数更新信息融合各客户端的风险权重信息进行安全聚合后，下发联合模型参数更新信息给各个客户端，各个客户端根据接收的联合模型更新信息进行本地的机器学习模型的参数更新。本发明通过风险权值聚合的方式强化提取相应参与方的优势特征，在金融欺诈识别等异常检测领域，对于异常数据检测的准确率和召回率进行提升。
-
公开(公告)号：CN117478354A
公开(公告)日：2024-01-30
申请号：CN202311179127.X
申请日：2023-09-13
Applicant: 北京交通大学
Abstract: 本发明提供一种基于自编码器模型的APT攻击检测方法及系统，属于APT攻击检测技术领域，采用固定长度的广度优先有向游走，生成一组信息丰富、独立的溯源图特征序列；使用训练好的基于多头自注意力机制的编码器来提取APT攻击长期特征序列，使用输出矩阵的平均向量作为整个序列的表示；读取系统正常行为生成K个聚类中心，对测试集的数据进行长期特征提取，根据提取的特征向量分别到K个聚类中心的最短距离是否超过阈值来判断该行为是否为攻击行为。本发明增加数据的无损压缩算法和增量的数据特征表示，有效降低系统资源使用和数据的计算量；提高了提取的长期特征的有效性；引入多头注意力机制来高效、完整的提取长序列数据的全局特征。
-
公开(公告)号：CN117252410A
公开(公告)日：2023-12-19
申请号：CN202310839076.2
申请日：2023-07-10
Applicant: 北京交通大学
IPC: G06Q10/0635 , G06Q10/067 , G06Q10/10 , G06Q50/08
Abstract: 本发明提供一种铁路工程建设项目风险管理方法及系统，属于工程项目风险预测管理技术领域，收集铁路工程建设项目数据信息；建立/更新项目信息库，构建基于DoDAF的风险管理模型，确定风险管理实施细则；根据确定的风险管理实施细则和构建的基于WBS的风险管理模型，结合按项目进展更新的项目数据信息，以及项目执行过程及其对应的风险管理过程，确定各阶段风险管理报告方案。本发明考虑铁路建设工程项目以各参建单位为主体、负责不同生命周期阶段风险管理有着本质特征；能够指导各工程参与单位系统化、体系化地开展风险识别、风险评估、风险控制等工作，落实风险管理责任；为实现铁路建设工程的安全、稳定、质量、环境、工期、投资等目标提供技术保障。
-
公开(公告)号：CN117194028A
公开(公告)日：2023-12-08
申请号：CN202311171642.3
申请日：2023-09-12
Applicant: 北京交通大学
Abstract: 本发明提供一种单片机上可靠多任务并发调度的方法及系统，属于单片机技术领域，本发明物理内存保护机制的引入，给单片机上运行程序的栈空间的动态分配和回收提供了可能；使得开发人员不再需要预先估计每个任务所需要的栈空间，基于栈空间的动态分配与回收机制，在系统根据时间片切换任务时，便能够在运行该任务之前预先估计任务要使用的栈空间和堆空间，若剩余的空间不足以支撑该任务的运行时，便可以延后该任务的运行，直到其它任务的栈空间和堆空间被动态回收以后，再重新调度该任务的运行，由此便提升了系统的并发度；通过精细的利用物理内存保护机制，系统在调度到一个任务运行时，禁止该任务访问其它任务的内存区域。
-
-
-
-
-
-
-
-
-
Search Results
36
records
(took 0.034 seconds)
