-
公开(公告)号：CN106339322A
公开(公告)日：2017-01-18
申请号：CN201610821508.7
申请日：2016-09-13
Applicant: 哈尔滨工程大学
CPC classification number: G06F11/3612 , G06N7/005
Abstract: 本发明涉及计算机软件技术领域，具体涉及一种基于HMM-ACO的软件行为预测的方法。本发明包括：(1)建立知识库；知识库包括模型参数集、可观测序列集对应的标准隐状态短序列集、判定待检测序列是否异常的阈值；(2)进行软件行为识别，得到软件运行过程中产生的待检测系统调用序列集；(3)进行软件行为预测。本发明通过研究HMM在软件行为预测方面存在应用上的缺陷，即HMM会因为参数B的问题而陷入局部最优，导致模型精度下降，建立了蚁群算法与HMM相结合的新模型HMM-ACO，有效地提高了模型的精度，进而提高了软件行为预测的准确率。
-
公开(公告)号：CN107844460B
公开(公告)日：2020-12-25
申请号：CN201710606786.5
申请日：2017-07-24
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种基于P‑MAXQ的多水下机器人的围捕方法，该方法采用概率统计Bayes公式和MAXQ算法结合的行为预测方法，并建立了相应的预测P‑MAXQ(Predication MAXQ)算法理论；在P‑MAXQ理论建立了基础上构建了动作状态预测表；并且在P‑MAXQ中增加了即时评价函数以及相应的完成函数使得MAUVS在围捕过程中行为得到即时的调整，因此，本发明一种基于P‑MAXQ的多水下机器人的围捕方法，提高整个MAUVS系统围捕时的准确率，进而提高MAUVS的分工和协作的效率。
-
公开(公告)号：CN107688752B
公开(公告)日：2020-11-20
申请号：CN201710717235.6
申请日：2017-08-21
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种面向多视图聚类挖掘的个性化隐私保护方法，属于信息安全技术领域。本发明提出隐私偏序拓扑分类算法(PT，Privacy Topology)，针对不同隐私数据的敏感性差异表示问题，先定义隐私关系并构建隐私偏序集，据此设计隐私数据的拓扑分类算法求解隐私线序集。针对隐私数据的多个视图，对原始数据、隐私度、元组敏感度、隐私线序集等视图进行多视图聚类。提出面向聚类的个性化匿名算法(PPOC，Personal Privacy Oriented Classtering),通过可变k‑匿名策略，利用面向多视图聚类的满足个性化需求的隐私保护算法，实现对不同聚类簇以及同簇内部不同元组施加程度有别的个性化保护操作。
-
公开(公告)号：CN106682514B
公开(公告)日：2020-07-28
申请号：CN201611156874.1
申请日：2016-12-15
Applicant: 哈尔滨工程大学
IPC: G06F21/56
Abstract: 本发明涉及计算机软件技术领域，具体涉及的是一种能够用于软件异常行为的监控及入侵检测的基于子图挖掘的系统调用序列特征模式集生成方法。本发明包括：(1)定义相关概念；(2)汇聚系统调用参数类型；(3)确定系统调用属性关系规则；(4)确定子图特征值；(5)系统调用序列预处理；(6)候选子图拓展；(7)冗余子图精简；(8)构造特征模式集。本发明子图特征值的设定能够依照系统调用序列自身的不同情况,自动衡量候选子图的取舍,从而减少后续子图拓展挖掘过程中的工作量，为冗余子图重要程度的量化精简提供了良好的基础。
-
Patent Agency Ranking
公开(公告)号：CN107844460A
公开(公告)日：2018-03-27
申请号：CN201710606786.5
申请日：2017-07-24
Applicant: 哈尔滨工程大学
CPC classification number: G06F17/18 , B25J9/1669 , G06Q10/04
Abstract: 本发明公开了一种基于P-MAXQ的多水下机器人的围捕方法，该方法采用概率统计Bayes公式和MAXQ算法结合的行为预测方法，并建立了相应的预测P-MAXQ(Predication MAXQ)算法理论；在P-MAXQ理论建立了基础上构建了动作状态预测表；并且在P-MAXQ中增加了即时评价函数 以及相应的完成函数 使得MAUVS在围捕过程中行为得到即时的调整，因此，本发明一种基于P-MAXQ的多水下机器人的围捕方法，提高整个MAUVS系统围捕时的准确率，进而提高MAUVS的分工和协作的效率。
-
公开(公告)号：CN107578117A
公开(公告)日：2018-01-12
申请号：CN201710599219.1
申请日：2017-07-21
Applicant: 哈尔滨工程大学
IPC: G06Q10/04
Abstract: 本发明为克服现有技术的缺陷，提出了一种多层异构动态粒子群优化方法。该算法将粒子群拓扑结构设置为多层次结构，同时在粒子的速度更新过程当中，引入吸引粒子的概念，将粒子周围的吸引粒子对其自身的影响考虑在内，对粒子的速度更新公式进行改进。这种改进方式能够平衡算法本身的局部搜索能力和全局搜索能力，很好的解决了由于粒子之间信息共享机制简单导致的算法容易早熟，收敛速度慢等缺陷。本发明的有益效果是：相比于传统的粒子群优化算法收敛速度较快，增强了粒子之间的信息交互能力，提高了算法的局部开发能力和寻优效率。
-
公开(公告)号：CN107566153A
公开(公告)日：2018-01-09
申请号：CN201710599197.9
申请日：2017-07-21
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种自管理的微服务实现方法，创新地提出把微服务按层级划分部署的方法；创新地使用Kubernetes技术进行不同服务层级的封装分组的方法，按组提供调用接口；创新地使用监控算法Bloom-Filter思想的方法，使得云平台微服务的部署发现监控和管理合理高效，容易维护，并且有很好的扩展性，解决了用户对云服务平台功能种类及数量的需求动态迭代时，致使微服务进程数量众多甚至是海量时，云服务平台对微服务部署发现监控，查询调用，维护管理效率低下臃肿等问题。最终实现云平台中微服务的部署、发现、监控及维护管理，不受制于用户对云平台功能服务数量及种类动态递增的需求。
-
公开(公告)号：CN107426207A
公开(公告)日：2017-12-01
申请号：CN201710603864.6
申请日：2017-07-21
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种基于SA-iForest的网络入侵异常检测方法，属于网络安全领域。首先通过对训练集随机选择属性训练出多棵iTree，通过交叉验证计算出它们的异常检测精度，同时采用Q-统计量计算出iTree之间的差异性，然后把精确度和差异性作为iTree挑选标准，根据iTree的差异性和精确度，利用模拟退火算法从初始森林中选出比较优秀的iTree来构建集成iForest，然后对测试集进行测试统计出其异常分值，完成对网络入侵异常检测。该方法不仅减小了iTree的集成规模而且利用模拟退火优化算法的快速收敛性来提高网络入侵异常检测效率，同时还提高了算法的泛化能力和预测性能。
-
公开(公告)号：CN106682514A
公开(公告)日：2017-05-17
申请号：CN201611156874.1
申请日：2016-12-15
Applicant: 哈尔滨工程大学
IPC: G06F21/56
Abstract: 本发明涉及计算机软件技术领域，具体涉及的是一种能够用于软件异常行为的监控及入侵检测的基于子图挖掘的系统调用序列特征模式集生成方法。本发明包括：(1)定义相关概念；(2)汇聚系统调用参数类型；(3)确定系统调用属性关系规则；(4)确定子图特征值；(5)系统调用序列预处理；(6)候选子图拓展；(7)冗余子图精简；(8)构造特征模式集。本发明子图特征值的设定能够依照系统调用序列自身的不同情况,自动衡量候选子图的取舍,从而减少后续子图拓展挖掘过程中的工作量，为冗余子图重要程度的量化精简提供了良好的基础。
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.024 seconds)
