一种基于掩码多模态生成对抗网络的图像异常检测模型的构建方法

    公开(公告)号:CN116994044A

    公开(公告)日:2023-11-03

    申请号:CN202310931310.4

    申请日:2023-07-27

    Abstract: 一种基于掩码多模态生成对抗网络的图像异常检测模型的构建方法,涉及图像异常检测领域。解决现有的编码器等模型具有较大的容量,缺陷与正常区域的特征差别不明显;图像重建思想的方法大都只考虑了图像的单一模态,不能充分利用图像数据不同模态之间的关联性的问题。本发明提供以下方案,获取数据:将公开图像数据集分为训练数据集和验证数据集;数据处理:将训练数据集的对抗网络分为a、b两个主分支,得到#imgabs0#和#imgabs1#上述#imgabs2#和#imgabs3#为生成对抗网络中生成器所需的待重建图像;构建网络模型框架;设计模型损失函数;训练与测试网络,还适用于图像检测技术领域中。

    一种基于深度学习的时间序列异常检测系统

    公开(公告)号:CN112951415A

    公开(公告)日:2021-06-11

    申请号:CN202110356544.1

    申请日:2021-04-01

    Abstract: 本发明公开了一种基于深度学习的时间序列异常检测系统,包括用户、检测模块、显示模块、报警模块和电源模块,用户和检测模块相连接,显示模块和报警模块均与检测模块相连接,电源模块分别为报警模块、检测模块和显示模块供电,本发明中,通过保持数据异常的标准以及阈值,实时检测时间序列数据,并且能够根据当前时间序列的趋势,进而计算超过阈值所需要的时间,并提前进行报警,进而进一步的保障了病人的安全,节省了大量的人力物力。

    基于数据挖掘的网络入侵检测方法

    公开(公告)号:CN108156142A

    公开(公告)日:2018-06-12

    申请号:CN201711339616.1

    申请日:2017-12-14

    Abstract: 基于数据挖掘的网络入侵检测方法,涉及一种网络入侵检测方法。本发明为了解决现有的实时入侵检测存在的不能及时检测出特征发生变化的网络入侵行为进行的问题。本发明首先对已知的网络入侵类型进行分析,提取程序活动周期,获得已知的网络入侵类型对应的特征并训练网络入侵类型模型;模拟网络入侵,通过布置ELK日志分析平台的主机进行对所有日志文件进行监控;最后基于网络入侵类型模型进行实时进行网络入侵监控,同时利用ELK日志分析平台检测发生变化的日志文件及日志文件中的异常数据更新重点检测对象,完善网络入侵类型模型。本发明适用于网络入侵行为的检测。

Patent Agency Ranking