-
公开(公告)号：CN116777878A
公开(公告)日：2023-09-19
申请号：CN202310757433.0
申请日：2023-06-26
Applicant: 杭州市滨江区浙工大网络空间安全创新研究院
Abstract: 本发明公开了一种基于视觉的夜间PM2.5监测方法及系统，应用于夜间大气环境监测技术领域。包括以下步骤：S1通过摄像设备获取原始图像，进行有效帧检测，从而获得有效图像；S2通过图像处理算法提取目标场景中的辉光特征图，同时通过自行部署的传感器或环境监测站获取目标场景真实大气环境中的PM2.5环境读数；S3将辉光特征图调整为固定大小，将辉光特征图作为神经网络的输入，真实大气环境中的PM2.5环境读数作为标签，进行端到端的神经网络学习；S4根据神经网络的输入进行训练，通过训练后的神经网络推断PM2.5的值。本发明根据图像中亮度和强度衰减两个属性，提取辉光特征图，通过神经网络拟合大气环境中PM2.5的浓度。
-
Patent Agency Ranking
公开(公告)号：CN116776785A
公开(公告)日：2023-09-19
申请号：CN202310757356.9
申请日：2023-06-26
Applicant: 杭州市滨江区浙工大网络空间安全创新研究院
IPC: G06F30/33 , G06F13/42 , G06F115/08
Abstract: 本发明公开了一种集成芯片的被动模式验证方法及系统，涉及芯片验证技术领域，包括搭建基于UVM的SV域验证平台、基于Mealy状态机的CPP域验证平台以及信号传输通道；SV域验证平台将第三方VIP提供的测试序列作为待测设计激励，接收待测设计的输出信号并周期采样，将采样后的信号封装成第一事务；第一事务在CPP域验证平台进行检测；将检测结果通过信号传输通道传输给SV域验证平台进行报错或警告处理并在验证结束时输出验证报告。本发明基于被动模式全面且客观地监测不同测试案例下待测设计输出信号与通信协议要求的匹配度，对主端和从端之间收发情况进行规范约束，并且对信号中出现的时间或状态转换问题进行警告或报错处理。
-
公开(公告)号：CN116578923A
公开(公告)日：2023-08-11
申请号：CN202310603996.4
申请日：2023-05-26
Applicant: 杭州市滨江区浙工大网络空间安全创新研究院
IPC: G06F18/241 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于傅里叶频谱的信号对抗样本检测方法，属于机器学习的信号安全技术领域，包括如下步骤：制作良性样本数据集和对抗样本数据集，分别提取良性样本数据集和对抗样本数据集的傅里叶频谱特征并各自进行特征融合，组成特征数据集并划分特征训练集和特征测试集；构建检测网络，利用特征训练集对检测网络进行二分类训练，得到最优检测网络模型；将特征测试集输入最优检测网络模型，输出检测结果。利用离散傅里叶变换对数据进行处理，分别提取良性样本和对抗样本特征并各自进行特征融合，有效缩短方法过程；并利用复数全连接网络进行分类，更贴合电磁信号的特征，可以有效提高检测的精度。
-
公开(公告)号：CN117972402B
公开(公告)日：2025-05-06
申请号：CN202410093129.5
申请日：2024-01-23
Applicant: 哈尔滨工程大学 , 杭州市滨江区浙工大人工智能创新研究院
IPC: G06F18/2131 , G06F18/2135 , G06F18/214 , G06F21/57
Abstract: 本发明提出一种针对电磁信号识别模型的后门攻击方法，本发明分析了AMC面临后门攻击的安全威胁，并对后门攻击的投毒、训练和触发过程，定义了威胁模型；本发明提出了基于DWT和SVD的后门攻击隐写算法，提取了秘密样本的小波域不同频率特征，将其作为后门触发器注入到良性样本中，实现了不可见的、触发器与样本有关的高效后门攻击；本发明的核心在于采用小波域的特征提取与主成分分析的方法，将后门触发器的可见性隐藏到特征级别，并保证了每个毒化样本的后门触发器都与毒化前的良性样本有关，进一步增加了后门的隐蔽性。
-
公开(公告)号：CN117938596B
公开(公告)日：2025-01-17
申请号：CN202410092632.9
申请日：2024-01-23
Applicant: 哈尔滨工程大学 , 杭州市滨江区浙工大人工智能创新研究院
Abstract: 本发明提出一种基于解耦Hilbert‑Schmidt信息瓶颈DHSIB的自动调制分类对抗防御方法，所述方法从互信息的角度分析了AMC模型中间表征中的任务相关和任务无关特征，给出了任务无关特征对对抗鲁棒性影响的解释。本发明针对AMC模型，提出一种对抗防御系统模型，此外描述了频谱监测场景的威胁模型，并且在实验中使用直接攻击方法。
-
公开(公告)号：CN117746163B
公开(公告)日：2025-03-07
申请号：CN202410098174.X
申请日：2024-01-23
Applicant: 哈尔滨工程大学 , 杭州市滨江区浙工大人工智能创新研究院
IPC: G06V10/764 , G06V10/40 , G06V10/82 , G06V10/52 , G06F18/10 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 一种基于多尺度视觉Transformer的雷达工作模式识别方法，它涉及一种雷达工作模式识别方法。本发明为了解决传统雷达工作模式识别算法全局特征提取能力差，识别功能泛化性差的问题。本发明使用CWD时频变换将雷达脉冲信号转化为时频图，并对样本进行了长度一致化处理，有利于深度学习模型充分提取信号的时频演化规律；该发明采用基于Biformer的多尺度特征提取网络，引入了分层的双层路由注意力机制，可以更好地在捕捉雷达信号时频图的全局和局部特征，能够在有效降低算法的复杂度的同时取得更高的识别准确率。本发明属于数字信号处理技术领域。
-
-
-
-
-
Search Results
26
records
(took 0.051 seconds)
