一种基于协作学习的网络异常流量识别与分类方法

    公开(公告)号:CN113255884A

    公开(公告)日:2021-08-13

    申请号:CN202110536592.9

    申请日:2021-05-17

    Abstract: 本发明是一种基于协作学习的网络异常流量识别与分类方法,包括如下步骤:1各个参与方对已抓取的DDoS攻击流量数据进行预处理;2协调服务器初始化模型的参数,并设定协作学习的超参数,包括协调方与参与方之间的通信轮次、每轮中参与方的训练次数;3协调服务器组织各个参与方的训练,在每一通信轮次中,各参与方使用本地数据集训练一CNN模型,协调方负责聚合各参与方的模型并将聚合后的模型发送给各参与方以进行下一轮的训练;4在模型收敛后,协调方将最终的模型发送给各参与方,用于DDoS流量的识别与分类。该方法使用深度学习挖掘DDoS流量数据特征与攻击类型之间的关系,利用协作学习技术,充分利用各个终端的数据训练模型。

    一种基于可重构卷积神经网络的道路风险目标识别方法

    公开(公告)号:CN112766232A

    公开(公告)日:2021-05-07

    申请号:CN202110190624.4

    申请日:2021-02-19

    Abstract: 一种基于可重构卷积神经网络的道路风险目标识别方法,包括如下步骤:用户对当前实际场景当中的需要进行识别的个体进行拍摄并上传至识别端;识别端启动图像识别程序,选择并保存用户上传的图片;在识别端的界面选择可重构卷积神经网络模型,调用可重构卷积神经网络模型进行识别,识别完成后将识别结果输出到界面。本方法通过车载摄像头设备或移动终端设备对前方道路进行实时检测,出现风险目标时进行拍摄,并上传到系统数据库完成道路风险目标检测,并将检测结果通过移动终端返回。不仅保证了数据的私密性,并且还可以将检测过的图片进行保存,用于后续训练优化卷积神经网络模型,提高在实际场景中的应用,极大程度上降低了识别的误差率。

    基于PUF和数字签名的RFID防伪装置和验伪方法

    公开(公告)号:CN106385320A

    公开(公告)日:2017-02-08

    申请号:CN201610933766.4

    申请日:2016-11-01

    CPC classification number: H04L9/3278 H04L9/3249 H04L2209/805

    Abstract: 本发明公开一种基于PUF和数字签名的RFID防伪装置,包括标签单元、RFID阅读器、签名单元和后台编辑器,所述标签单元包括RFID标签和PUF模块,所述RFID标签和所述PUF模块都与所述RFID阅读器双向连接,所述阅读器的另一端分别与所述数字签名设备和所述后台编辑器相连,所述数字签名设备与所述后台编辑器同时连接。本发明实现了RFID系统轻量级认证,确保标签运算的轻量性,恰当控制了整个系统的计算开销,提高了认证效率,加强了鲁棒性、可靠性和数据完整性,为公钥密码技术在RFID系统中的进一步扩展提供了可行的安全保障。

    基于最优传输与多头自注意力网络的多模态知识补全方法

    公开(公告)号:CN119476437A

    公开(公告)日:2025-02-18

    申请号:CN202411517873.X

    申请日:2024-10-29

    Abstract: 本发明属于知识图谱嵌入技术领域,公开了一种基于最优传输与多头自注意力网络的多模态知识补全方法,包括:将不同模态的数据,使用相应模态的预训练模型提取结构、视觉图像和文本嵌入,将视觉图像向量表示和文本向量表示输入到多头自注意力网络层为实体的不同模态信息赋予权重,得到辅助模态信息的嵌入,将分别得到的三种模态的嵌入,以结构嵌入为基准,通过最优传输策略最小化Wasserstein距离将其他两个模态与结构嵌入对齐保持一致;将对齐的多模态嵌入与结构嵌入融合得到统一表示。本发明充分利用到多模态辅助信息,有效解决模态空间异质性。在链接预测方面实现更好的预测。

    基于PUF和数字签名的RFID防伪装置和验伪方法

    公开(公告)号:CN106385320B

    公开(公告)日:2023-04-07

    申请号:CN201610933766.4

    申请日:2016-11-01

    Abstract: 本发明公开一种基于PUF和数字签名的RFID防伪装置,包括标签单元、RFID阅读器、签名单元和后台编辑器,所述标签单元包括RFID标签和PUF模块,所述RFID标签和所述PUF模块都与所述RFID阅读器双向连接,所述阅读器的另一端分别与所述数字签名设备和所述后台编辑器相连,所述数字签名设备与所述后台编辑器同时连接。本发明实现了RFID系统轻量级认证,确保标签运算的轻量性,恰当控制了整个系统的计算开销,提高了认证效率,加强了鲁棒性、可靠性和数据完整性,为公钥密码技术在RFID系统中的进一步扩展提供了可行的安全保障。

    一种基于K-means的差分隐私保护聚类方法

    公开(公告)号:CN112199722B

    公开(公告)日:2022-11-01

    申请号:CN202011102946.0

    申请日:2020-10-15

    Abstract: 一种基于K‑means的差分隐私保护聚类方法,包括数据预处理、聚类迭代和差分隐私;每次迭代需要做如下:设置隐私预算,计算噪声,计算每个簇的数据点的总和、点的数量,然后对其添加计算后的噪声。针对每次迭代,都维持一个隐私预算的上界和下界,在上下界间,根据可用性和隐私保护程度,选择自适应的隐私预算分配,重复步骤,直到误差平方和收敛或者达到迭代次数上限。本发明在K‑means聚类算法的迭代过程中,通过自适应的隐私预算分配,既在数据失真的基础上保护了数据隐私,又保证了数据的可用性。

Patent Agency Ranking