-
公开(公告)号：CN108520005A
公开(公告)日：2018-09-11
申请号：CN201810204996.6
申请日：2018-03-13
Applicant: 北京理工大学
Abstract: 本发明设计了一种基于机器学习的针对网络主动监控系统的误报消除方法，属于信息安全技术领域。具体为：步骤一、建立实验数据集。步骤二、对实验数据集进行预处理，然后利用模糊聚类算法进行处理，检测出非攻击数据。步骤三、对数据的最终分类结果进行输出。本发明提出的基于机器学习的针对网络主动监控系统的误报消除方法与已有技术相比较，具有以下优点：①利用聚类方法对数据进一步处理，能够降低整体误报率。②采用的数据集是经过分类检测处理之后的数据，去除了无关数据。
-
公开(公告)号：CN107317756A
公开(公告)日：2017-11-03
申请号：CN201710556319.6
申请日：2017-07-10
Applicant: 北京理工大学
IPC: H04L12/751 , H04L29/06
CPC classification number: H04L45/02 , H04L63/1441
Abstract: 本发明涉及一种基于Q学习的最佳攻击路径规划方法，属于信息安全技术领域。具体操作步骤为：步骤一、获取网络结构。步骤二、获取网络系统中各主机中存在的漏洞。步骤三、建立Q学习模型。步骤四、通过Q学习模型，获取最佳攻击路径路径。本发明提出的基于Q学习的最佳攻击路径规划方法与已有技术相比较，具有以下优点：①不需要收集训练数据，对网络模型进行训练；②可在线学习，实时确定不同时刻不同网络状态对应的最佳攻击路径；③学习率使用了退火模型，所以收敛的更加精确；④最优攻击路径生成速度快；⑤由于不需要生成攻击图，所以可以适用于大规模计算机集群。
-
公开(公告)号：CN102930297A
公开(公告)日：2013-02-13
申请号：CN201210435946.1
申请日：2012-11-05
Applicant: 北京理工大学
Abstract: 本发明提出的一种基于增强耦合HMM的语音-视觉融合的情感识别方法，属于自动情感识别领域。本发明方法融合了脸部表情和语音两种特征流，使用改进的EM算法训练连续型二分量耦合HMM，训练时考虑并不断更新各样本的权重，使得训练过程偏重于难于识别的样本。本发明方法与已有识别方法相比明显提高了分类的准确度。
-
公开(公告)号：CN102004549B
公开(公告)日：2012-05-09
申请号：CN201010558253.2
申请日：2010-11-22
Applicant: 北京理工大学
Abstract: 一种自动唇语识别系统，包括：头戴式摄像头、人机交互模块、唇部轮廓定位模块、几何向量获取模块、运动向量获取模块、特征矩阵构造模块、变换矩阵T获取模块、转换特征矩阵获取模块、存储器A、存储器B、典型相关判别分析模块。头戴式摄像头用来录制汉字发音图像序列，通过人机交互模块传输至唇部轮廓定位模块，其使用卷积虚拟静电场Snake模型从中检测及跟踪唇部轮廓；几何向量获取模块和运动向量获取模块从唇部轮廓中分别提取出几何和运动特征，并将它们联合起来作为典型相关判别分析模块的输入特征矩阵；典型相关判别分析模块计算特征矩阵间的相似度，处理后获取识别结果。本发明系统与已有唇语识别系统相比较，具有更高的识别准确率。
-
公开(公告)号：CN101908149A
公开(公告)日：2010-12-08
申请号：CN201010218543.2
申请日：2010-07-06
Applicant: 北京理工大学
IPC: G06K9/64
Abstract: 本发明涉及一种从人脸图像序列中识别脸部表情的方法，属于人脸表情分析与识别技术领域。本发明使用脸部特征点跟踪的方法针对表情图像序列中的每一帧图像依次提取归一化的脸部关键点位移量和特定几何特征的长度，将这些数据组成一个特征列向量；序列中的所有特征列向量按次序排列形成一个特征矩阵，每个特征矩阵代表一个脸部表情图像序列；然后利用典型相关分析方法比较特征矩阵之间的相似性，从而将待识别人脸图像确定为高兴、悲伤、恐惧、厌恶、惊讶和生气基本表情之一。本发明将典型相关分析方法成功运用到人脸表情识别中，有效地利用了表情产生过程中的动态信息，并获取了较高的识别率和较少的CPU运算时间。
-
Patent Agency Ranking
公开(公告)号：CN109040027B
公开(公告)日：2020-08-18
申请号：CN201810763946.1
申请日：2018-07-12
Applicant: 北京理工大学
Abstract: 本发明涉及一种基于灰色模型的网络脆弱性节点的主动预测方法，属于信息安全技术领域。通过获取网络中实时的主机信息、拓扑信息、漏洞信息等特征，利用灰色关联分析的方法确定其在网络系统中的权重，完成对观测数据的统一计算，并将计算所得的状态信息输入到灰色预测模型，利用最小二乘法确定灰色系数，实现预测模型；最后，根据未达网络节点的态势增量与预测模型曲线进行关联分析，以最接近的态势增量所在的节点作为下一个网络脆弱性预测节点。
-
公开(公告)号：CN109040027A
公开(公告)日：2018-12-18
申请号：CN201810763946.1
申请日：2018-07-12
Applicant: 北京理工大学
Abstract: 本发明涉及一种基于灰色模型的网络脆弱性节点的主动预测方法，属于信息安全技术领域。通过获取网络中实时的主机信息、拓扑信息、漏洞信息等特征，利用灰色关联分析的方法确定其在网络系统中的权重，完成对观测数据的统一计算，并将计算所得的状态信息输入到灰色预测模型，利用最小二乘法确定灰色系数，实现预测模型；最后，根据未达网络节点的态势增量与预测模型曲线进行关联分析，以最接近的态势增量所在的节点作为下一个网络脆弱性预测节点。
-
公开(公告)号：CN107948137A
公开(公告)日：2018-04-20
申请号：CN201711057910.3
申请日：2017-11-01
Applicant: 北京理工大学
IPC: H04L29/06
CPC classification number: H04L63/1433 , H04L63/1441
Abstract: 本发明涉及一种基于改进的Q学习的最佳攻击路径规划方法，属于信息安全技术领域。具体操作步骤为：步骤一、获取网络结构。步骤二、获取网络系统中各主机中存在的漏洞，建立主机漏洞状态表。步骤三、建立改进的Q学习模型。步骤四、通过改进的Q学习算法，获取最佳攻击路径路径。本发明提出的基于改进Q学习的最佳攻击路径规划方法与已有技术相比较，具有以下优点：①取消了动作集合并将所有动作与状态融合,使得算法的空间复杂度下降；②最优攻击路径生成速度快；③生成的最优攻击路径更简洁有效。
-
公开(公告)号：CN107368540A
公开(公告)日：2017-11-21
申请号：CN201710493196.6
申请日：2017-06-26
Applicant: 北京理工大学
Abstract: 本发明涉及一种基于用户自相似度的多模型相结合的电影推荐方法，属于数据科学与数据挖掘技术领域。本发明基于用户对电影的评分信息的自相似度来动态地将协同过滤与内容过滤所得结果进行融合，得到推荐结果。在电影的多值属性与机器学习中的分类树模型的结合时，提出了将一部电影的多个属性值分开，使之成为独立的特征向量，将多值属性与分类树模型很好地结合在一起。本发明提出的基于用户自相似度的多模型相结合的电影推荐方法与已有方法相比较，优点是：本发明基于用户对电影的评分信息的自相似度来动态地将协同过滤与内容过滤所得结果进行融合，得到的推荐结果更符合用户需求，推荐质量更高。
-
公开(公告)号：CN106850607A
公开(公告)日：2017-06-13
申请号：CN201710050255.2
申请日：2017-01-20
Applicant: 北京理工大学
IPC: H04L29/06
Abstract: 本发明涉及一种基于攻击图的网络安全态势的量化评估方法，属于信息安全技术领域。具体为：步骤一、生成攻击图。步骤二、评估攻击图G中节点的重要度。步骤三、在步骤一操作的基础上，计算攻击图G中节点被渗透成功的最大概率。步骤四、得到网络安全态势评估值。本发明提出的方法与已有技术相比较，具有以下优点：①基于攻击图的评估方法能够反映出攻击者利用网络中的漏洞进行多步攻击的意图。②评估方法中使用的数据易于采集，具有可操作性。③评估过程中可以得到网络中各节点的防护情况，反映网络中各节点的防护情况。④评估方法综合考虑了网络的拓扑信息、漏洞关联信息和攻击者的攻击意图，评估结果精度高。
-
-
-
-
-
-
-
-
-
Search Results
37
records
(took 0.031 seconds)
