-
公开(公告)号：CN118427704B
公开(公告)日：2024-10-29
申请号：CN202410854924.1
申请日：2024-06-28
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G06F18/2413 , G06F18/214 , G06F18/2433 , G06F18/21 , G06N3/0442 , G06N3/0455 , G06N3/08
Abstract: 本发明涉及基于GRU的变分自编码器的攻击和防御方法及系统，属于工业控制系统攻击防御技术领域。包括：将数据集划分为训练集和测试集；对训练集和测试集进行数据预处理；利用训练好的GRU模型来学习各个传感器序列之间的约束关系；在测试数据中对传感器加入不同的扰动，利用所学到的各个传感器序列之间的约束关系并结合FGSM攻击方法来生成对抗样本；采用处理好的数据集对VAE异常检测模型进行训练，得到VAE异常检测模型的训练的重构误差；将VAE异常检测模型训练的重构误差与权重矩阵相结合，得到优化重构误差，并且采用优化重构误差来检测是正常或者异常。本发明提升了模型鲁棒性，免受针对最弱特征的攻击而且可解释性强。
-
公开(公告)号：CN118839335A
公开(公告)日：2024-10-25
申请号：CN202411327850.2
申请日：2024-09-24
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G06F21/56 , G06F18/213 , G06F18/24 , G06V10/40 , G06V10/764
Abstract: 本发明属于恶意软件检测技术领域，提供了一种基于多源域自适应的工控恶意代码检测方法及系统；其中，检测方法包括：获取并转换重塑多源域数据集的样本数据，得到灰度图片；根据所得到的灰度图片和预设的多源域自适应模型，进行目标域的数据检测，完成基于多源域自适应的工控恶意代码检测。本发明引入多源域，从源域数据集中学习恶意特征并将所得到的恶意特征迁移到目标域的样本检测中，实现对目标域样本的良性恶意二分类检测，完成基于多源域自适应的工控恶意代码检测。
-
公开(公告)号：CN118779923A
公开(公告)日：2024-10-15
申请号：CN202411261010.0
申请日：2024-09-10
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
Abstract: 本发明属于隐私保护技术领域，为了解决现有技术中没有对测量矩阵进行优化，没有考虑多个隐私区域的多级隐私保护等问题，提出了一种多级隐私保护方法、系统、设备及存储介质，利用加速梯度算法对相干性和谱范数最小化模型的无约束近似优化问题进行求解，对测量矩阵进行优化，大幅提高了数据处理的效率和准确性，提高了压缩感知的采样与重构性能；通过对不同位置的隐私区域采用不同混淆矩阵进行混淆，实现对多位置隐私区域的不同权限的隐私保护；不同的混淆矩阵及其位置信息转换成二进制数字水印，进而生成水印嵌入矩阵，通过差异化水印信息的思想解决了密钥共享问题。
-
公开(公告)号：CN118468272A
公开(公告)日：2024-08-09
申请号：CN202410916949.X
申请日：2024-07-10
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G06F21/56 , G06F18/213 , G06F18/243 , G06V10/20 , G06V10/44 , G06V10/764 , G06V10/82 , G06N3/0464
Abstract: 本发明涉及恶意代码检测领域，提供了一种基于域空间特征对齐方法的恶意代码变体检测方法和系统。该方法包括，分别将源域样本代码和目标域样本代码进行灰度图转换，得到第一源域灰度图和第一目标域灰度图；进行对比度增强，将第一源域灰度图和第一目标域灰度图从空间域转换为频域，再采用逆离散余弦变换，得到第二源域灰度图和第二目标域灰度图；采用深度残差网络，得到源域特征向量和目标域特征向量，再根据源域特征向量，得到输出结果；基于分类损失和域空间特征对齐损失，构建总优化目标损失，优化深度残差网络；基于待检测的代码，输入已训练的深度残差网络中，得到恶意代码或正常代码。本发明提高了对新型恶意软件及变体的检测准确性。
-
公开(公告)号：CN117972701B
公开(公告)日：2024-06-07
申请号：CN202410381116.8
申请日：2024-04-01
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G06F21/56 , G06F18/25 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/082
Abstract: 本公开提供了基于多特征融合的抗混淆恶意代码分类方法及系统，涉及网络安全技术领域，根据恶意代码的.asm文件和.bytes文件；分别利用.asm文件和.bytes文件获取加权平均值和灰度图像；将所述加权平均值和灰度图像分别输入至改进的CNN模型中进行特征提取，并将提取出的特征进行融合，生成多特征融合特征表示，将所述多特征融合特征表示输入至引入双向注意力机制的Bi‑LSTM模型中，在前向和后向方向上分别计算注意力权重，并将两个方向的上下文信息进行整合，输出恶意代码分类结果。
-
Patent Agency Ranking
公开(公告)号：CN117972701A
公开(公告)日：2024-05-03
申请号：CN202410381116.8
申请日：2024-04-01
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G06F21/56 , G06F18/25 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/082
Abstract: 本公开提供了基于多特征融合的抗混淆恶意代码分类方法及系统，涉及网络安全技术领域，根据恶意代码的.asm文件和.bytes文件；分别利用.asm文件和.bytes文件获取加权平均值和灰度图像；将所述加权平均值和灰度图像分别输入至改进的CNN模型中进行特征提取，并将提取出的特征进行融合，生成多特征融合特征表示，将所述多特征融合特征表示输入至引入双向注意力机制的Bi‑LSTM模型中，在前向和后向方向上分别计算注意力权重，并将两个方向的上下文信息进行整合，输出恶意代码分类结果。
-
-
公开(公告)号：CN117439817A
公开(公告)日：2024-01-23
申请号：CN202311753061.0
申请日：2023-12-20
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
Abstract: 本发明公开一种工业控制系统入侵响应方法、系统、设备及介质，涉及工业控制系统技术领域，包括：确定异常路径；以最小化网络层安全策略成本、攻击收益和服务影响为多目标优化函数，在候选策略空间中采用改进的MOEA/D算法选择最优网络层安全策略；根据所检测到的异常节点确定待执行的物理层安全策略，从而在异常路径下执行最优网络层安全策略和物理层安全策略。解决工控网络层安全策略选择时现有多目标优化算法难以找到帕累托最优解的问题，以及缺少物理层策略选择方法的问题。
-
公开(公告)号：CN119130802B
公开(公告)日：2025-04-22
申请号：CN202411612028.0
申请日：2024-11-13
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G06T3/4046 , G06V10/80 , G06V10/82 , G06N3/0464
Abstract: 本发明公开一种基于动态卷积和特征融合的图像压缩感知重构方法及系统，涉及图像处理技术领域，该方法为：获取待压缩感知重构的原始图像；将原始图像输入至训练完成的图像压缩感知模型中，经模型中的采样子网和初始化重构子网，进行分块采样并提取初始化重构特征图，初始化重构特征图再输入至模型中的深度重构子网，经并行的动态卷积分支和Transformer分支，分别依次提取多尺度的动态卷积局部特征和全局特征，并通过加权特征融合模块对相同尺度的两特征融合，最终输出图像的融合特征，经重构后，模型输出高质量的重构图像。本发明采用动态卷积和Transformer分支结构，结合特征自适应融合，有效提高重构图像的质量。
-
公开(公告)号：CN119130802A
公开(公告)日：2024-12-13
申请号：CN202411612028.0
申请日：2024-11-13
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G06T3/4046 , G06V10/80 , G06V10/82 , G06N3/0464
Abstract: 本发明公开一种基于动态卷积和特征融合的图像压缩感知重构方法及系统，涉及图像处理技术领域，该方法为：获取待压缩感知重构的原始图像；将原始图像输入至训练完成的图像压缩感知模型中，经模型中的采样子网和初始化重构子网，进行分块采样并提取初始化重构特征图，初始化重构特征图再输入至模型中的深度重构子网，经并行的动态卷积分支和Transformer分支，分别依次提取多尺度的动态卷积局部特征和全局特征，并通过加权特征融合模块对相同尺度的两特征融合，最终输出图像的融合特征，经重构后，模型输出高质量的重构图像。本发明采用动态卷积和Transformer分支结构，结合特征自适应融合，有效提高重构图像的质量。
-
-
-
-
-
-
-
-
-
Search Results
36
records
(took 0.033 seconds)
