-
公开(公告)号：CN113870356B
公开(公告)日：2024-08-27
申请号：CN202111030993.3
申请日：2021-09-03
Applicant: 南京理工大学
IPC: G06T7/80 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种结合目标检测与双目视觉的闸机通行行为识别与控制方法，对摄像头拍摄到的左右图像进行匹配，生成对应的视差图；采集俯视角度的多张包含行人和行李的目标图片，训练目标检测模型；利用训练好的目标检测模型对摄像头拍摄区域进行目标检测，获取区域内所有的行人和行李目标位置信息；将检测到的目标中心点坐标传入视差图中获取对应的视差信息，并将视差信息转换为目标离摄像头的距离，进而计算目标的实际高度；对每个目标的位置信息、目标与目标之间的位置关系以及行人的身高信息进行分析，判别行人通行行为，并将通行行为判定的结果发送给闸机，控制闸机动作。本发明能够有效提升闸机智能化水平，提高了闸机通行效率和安全性。
-
公开(公告)号：CN114205151B
公开(公告)日：2024-08-20
申请号：CN202111513183.3
申请日：2021-12-12
Applicant: 南京理工大学
IPC: H04L9/40 , H04L67/02 , H04L41/16 , G06N3/0442 , G06N3/0464 , G06N3/045
Abstract: 本发明公开了一种基于多特征融合学习的HTTP/2页面访问流量识别方法，该方法首先对目标HTTP/2站点在典型用户交互过程中产生的主页访问流量以及资源响应流量进行采集；对流量数据进行预处理后得到完整的TCP流；一方面使用自编码网络捕获主页访问流量的内容分布规则特征，另一方面使用递归神经网络识别资源响应流量的主体资源类别；进一步将内容分布规则特征和主体资源类别特征进行融合拼接，输入到卷积神经网络模型中，得到站点页面识别结果。本发明利用多条数据流作为指纹提取的基本单位，通过深度学习方法对不同类型数据流进行特征提取，并融合多特征对目标站点进行充分表征，从而提高HTTP/2页面访问流量的识别精度。
-
公开(公告)号：CN113988360B
公开(公告)日：2024-07-12
申请号：CN202111061677.2
申请日：2021-09-10
Applicant: 国网江苏省电力有限公司电力科学研究院 , 国网江苏省电力有限公司 , 南京理工大学
IPC: G06Q10/04 , G06Q10/0639 , G06Q50/06
Abstract: 本发明公开了一种基于风速波动特征分型的风电功率预测方法及装置，该方法通过分析风速与风电功率的波动特征，对风速与风电功率的波动过程进行划分，基于风速与风电功率波动程度的关联性，对天气波动过程进行分类，在此基础上，建立适用于不同天气波动过程的预测模型，最后将不同预测模型输出的预测结果重新进行时序排列，得到风电功率组合预测值。本发明考虑风速波动特征与预测模型间的关联性进行分型预测，建立组合模型来提高模型的通用性，进而提高风电功率的预测精度。
-
公开(公告)号：CN117834289A
公开(公告)日：2024-04-05
申请号：CN202410028207.3
申请日：2024-01-08
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于统一描述语法的协议混淆方法，该方法包括：针对目标混淆流量，提取其协议的结构、消息格式、字段和状态机等特征；根据该统计特征结合自定义协议语言和标准库创建消息定义和事件处理程序创建协议混淆配置文件；通过真实的目标混淆协议数据训练状态机预测构建决策树；最后，基于消息格式和状态机的模拟的协议混淆方法对原始流量进行整形。本发明通过对协议消息格式和状态机的分析，同时结合可编程协议规范的应用，可以很好的对网页流量进行变形为目标混淆流量，使其原始协议流量无法被识别，对于保护用户隐私安全、对抗流量分析攻击具有重要意义。
-
公开(公告)号：CN116032560A
公开(公告)日：2023-04-28
申请号：CN202211608242.X
申请日：2022-12-14
Applicant: 南京理工大学
IPC: H04L9/40 , G06F18/22 , G06F18/2413 , G06F18/2415 , G06F18/25 , G06F18/2131 , G06N3/0455 , G06N3/0464 , G06N3/042 , G06N3/047 , G06N3/084
Abstract: 本发明公开了一种基于有向异构图语义汇聚模型的伪装通信流量检测方法，该方法包括：针对伪装通信流量样本，逐流提取数据包长度序列、包间时延序列、相邻包负载频域向量相似度序列，构建流量样本的总体特征矩阵；基于KNN算法构建流量结构图，结合多头图自注意力卷积神经网络模型实现伪装流量的识别；构建层次化有向异构图全域语义汇聚模型，并对层内与层间语义进行汇聚，实现伪装通信服务节点的综合决策。本发明一方面通过深入挖掘流量的多维度时空特征，结合当前主流深度学习模型可以很好的对伪装通信流量进行识别；另一方面通过构建伪装通信服务节点的全域可疑语义汇聚模型，能够进一步提高识别准确率。
-
Patent Agency Ranking
公开(公告)号：CN115913761A
公开(公告)日：2023-04-04
申请号：CN202211595629.6
申请日：2022-12-13
Applicant: 南京理工大学
Abstract: 本发明公开了一种针对加密隧道中实时互动音频应用流量的识别方法，该方法包括：针对典型的实时互动音频应用，分析反编译代码、动态调试应用、构建应用行为与流量特性的关联图谱；基于协议层次规则对加密隧道流量进行包级层次化时空表征，利用Transformer分类器识别归属应用；最后，基于应用行为‑流量特性关联图谱分窗口提取加密隧道中应用流量的包级、流级特征构建特征矩阵，结合集成学习模型逐窗口进行行为判决，最终形成流量样本的完整行为描述。本发明通过融合应用逆向分析与行为流量特性分析、并结合主流的机器学习分类器，可以很好的对加密隧道中实时互动音频应用流量的归属应用及应用行为进行识别，对于加强网络监管、维护舆情环境具有重要意义。
-
公开(公告)号：CN112995118B
公开(公告)日：2022-10-14
申请号：CN201911309598.1
申请日：2019-12-18
Applicant: 南京理工大学
IPC: H04L9/40 , H04L43/028
Abstract: 本发明公开了一种针对Obfuscated‑KCP协议流量的检测方法及系统，方法包括：提取Obfuscated‑KCP协议流量数据包长度序列、时间差序列；构建标准时空维度多阶矩阵；对待检测UDP协议流量进行协议过滤；提取待检测UDP协议流量第一次交互中所有上行UDP数据包的载荷信息；对载荷信息进行随机性检验，并从待检测UDP协议流量中将检验结果不具备随机性的流量滤除；构建过滤后待检测UDP协议流量对应的时空维度多阶矩阵；根据时空维度多阶矩阵与标准时空维度多阶矩阵的相似度判断待检测UDP协议流量是否为Obfuscated‑KCP协议流量。系统用于实现上述方法。本发明能实现对Obfuscated‑KCP协议流量的识别，操作简单，并且在模型的兼容性与稳健性方面均表现良好，适用于不同的网络环境，应用范围广。
-
公开(公告)号：CN110691357B
公开(公告)日：2022-06-24
申请号：CN201910832577.1
申请日：2019-09-04
Applicant: 南京理工大学
IPC: H04W12/37 , H04W12/122
Abstract: 本发明公开了一种基于Intent通信行为语义图的安卓应用间隐信道检测方法，包括以下内容：从目标安卓平台中筛选可疑的候选应用集合；通过监控Intent相关函数获取Intent通信事件建立候选应用‑Intent函数调用权重图；对发送广播消息调用行为和接受广播消息调用行为进行关系匹配，建立发送应用‑接收应用关联图；将发送应用‑接收应用关联图分解为多个Intent通信对，提取Intent通信对的行为语义描述向量，并提取通信对中两个应用的敏感权限标志向量，将两个向量合并构成合谋应用特征向量，对该向量进行有监督学习实现应用间隐信道的检测。本发明利用通信特征来描述一对安卓应用程序的合谋窃密行为，具有良好的适用性，适合于运行环境差异较大且训练样本不足情形下的安卓合谋窃密应用检测。
-
公开(公告)号：CN114374396A
公开(公告)日：2022-04-19
申请号：CN202011105955.5
申请日：2020-10-15
Applicant: 南京理工大学
IPC: H03M13/11
Abstract: 本发明公开了一种针对星载计算机信息安全存储过程中基于编码的防护方法，首先在星载计算机的ROM中找到需要防护的信息的物理地址，从物理地址中分别提取出二进制信息的数据段和代码段，使用编码算法对代码段的信息进行编码后再重新写入到相应的段中。当信息加载到内存中时可先对其进行解码，然后将解码过的信息加载到内存中。本发明采用编码的形式对信息进行防护，可以减少信息在存储过程中由于太空辐射所带来的位反转问题，并给出了可靠的防护结果。
-
公开(公告)号：CN114373469A
公开(公告)日：2022-04-19
申请号：CN202011105942.8
申请日：2020-10-15
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于U‑Net模型的缺失音频自动修复方法，包括以下内容：将音频信号处理为长度相同的样本并构建多样音频数据集；将所有音频样本处理成固定长度的三部分，从左到右分别为左侧上下文部分、间隙部分以及右侧上下文部分；利用短时傅里叶变换将音频上下文部分和间隙部分都转化为频谱图；深度学习模型中的编码器对上下文部分的频谱图进行特征学习，解码器实现间隙部分缺失音频的自动修复，跳跃连接将两个相应层相连以扩大网络接收范围，提高网络修复性能；最后使用局部加权求和策略将生成的频谱图转换为音频信号。本发明利用U‑Net深度学习模型和局部加权求和策略来对缺失音频进行修复，修复效果好，而且计算成本较低，适用于短音频中音频缺失情况的修复。
-
-
-
-
-
-
-
-
-
Search Results
84
records
(took 0.037 seconds)
