-
公开(公告)号：CN102609355A
公开(公告)日：2012-07-25
申请号：CN201210017468.2
申请日：2012-01-19
Applicant: 南京理工大学连云港研究院
IPC: G06F11/36
Abstract: 一种基于马姆奎斯特Malmquist指数的软件运行安全风险评价方法，根据数据包络分析方法得出所有软件关键运行在t时刻的风险产出前沿面及风险值；根据前沿面和风险值，得出两时刻间的马姆奎斯特指数值；最后，根据马姆奎斯特指数值和初始风险级别，计算各个时刻的风险级别进行风险评价。它充分利用了数据包络分析和Malmquist指数的特点，对风险的迁移和变化能做到及时的监控，从而能有效的减轻或者消除风险。
-
公开(公告)号：CN108427891B
公开(公告)日：2022-11-04
申请号：CN201810200442.9
申请日：2018-03-12
Applicant: 南京理工大学
IPC: G06F21/62 , G06F16/9536 , G06Q30/02
Abstract: 本发明公开了一种基于差分隐私保护的邻域推荐方法。该方法为：首先在训练阶段，将已收集的用户对物品的评价或喜好，转化为用户‑评分矩阵，作为推荐方法模型的训练集；然后利用基于邻域的推荐方法建立评分预测模型，预测用户对物品的评分情况，在基于邻域的推荐方法中，计算出差分隐私保护下的平均值，用户偏置项与物品偏置项；在评分预测阶段，利用基于指数机制的差分隐私保护邻居选择方法选择邻居；利用相似度的局部敏感度，添加拉普拉斯噪声进行差分隐私保护；最后利用评分预测模型与训练出的差分隐私保护模型参数，预测用户对物品的评分。本发明可以在提供推荐结果时，对用户的信息进行差分隐私保护，并具有较高的推荐准确度。
-
公开(公告)号：CN113505864A
公开(公告)日：2021-10-15
申请号：CN202111059213.8
申请日：2021-09-10
Applicant: 南京理工大学
Abstract: 本发明公开一种群智能单像素生成扰动与攻击方法，属于图像识别及恶意攻击领域。首先输入图像进行矢量表示；生成对抗性扰动编码；利用飞蛾优化方法对扰动编码的优化，迭代得到最优扰动编码；进行目标类别错误标签的概率检测并保存输出最优扰动编码组。本发明利用飞蛾优化方法无需梯度信息进行优化的固有属性，进而提升扰动编码对目标类别的错误标签率，达到对原始图像和深度学习网络的低维攻击效果。本发明将飞蛾群智能优化算法应用到图像识别单像素攻击领域，给单像素攻击方法提供另一种参考，说明群智能方法在对抗机器学习领域中可应用性，能够针对神经网络生成低成本的对抗性攻击工具。
-
公开(公告)号：CN109194498B
公开(公告)日：2021-10-08
申请号：CN201810845915.0
申请日：2018-07-27
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于LSTM的网络流量预测方法，方法为：利用封包嗅探工具抓取网络流量数据，在路由节点上部署封包嗅探工具，抓取网络流量数据，将单位时间内所有封包作为一个样本，每个样本中的所有封包分开保存；进行数据预处理，提取特征，并标注标签，提取的特征包括总封包数、出境/入境封包比例、出境/入境封包总长度、出境/入境封包平均长度、出境/入境封包长度方差、总/平均传输时间；使用LSTM对数据进行建模；使用模型预测新的数据，得到网络流量的预测值。本方法将长短时记忆模型与人工神经网络相结合，提升了网络流量的预测精确度。
-
公开(公告)号：CN109117763A
公开(公告)日：2019-01-01
申请号：CN201810849521.2
申请日：2018-07-28
Applicant: 南京理工大学
Abstract: 本发明提出了一种基于RGB-D数据建立超平面的异常行为识别方法。该方法为：首先利用RGB-D摄像头获取训练集，形成带有深度、时间帧的骨骼图；其次对数据进行特征分析，筛除冗余数据，将数据分类并打上标签；然后使用oneclass算法对已分类的数据进行训练，得到训练边界；最后计算测试样本的边界，与训练边界进行对比，得出判决函数，判断测试样本是否为异常行为。本发明结合RGB-D处理技术，得到人体的骨骼框架，同时利用机器学习中的特征选取方法，可以更好地处理得到的数据，具有方法简单、处理速度快、计算精度高、实用性强的优点。
-
Patent Agency Ranking
公开(公告)号：CN104915649B
公开(公告)日：2018-12-14
申请号：CN201510300584.9
申请日：2015-06-04
Applicant: 南京理工大学
IPC: G06K9/00
Abstract: 本发明公开了一种应用于人脸识别的活体检测方法，该方法包括：对当前识别环境的背景进行建模；人脸检测，获取人脸位置和大小，同时作为下一次检测人脸的初始位置；采用SSIM方法计算输入人脸图像的背景和建模背景图像之间的相似度；检测到人脸时，利用超声波测量摄像头与障碍物之间的距离，同时利用逻辑回归模型获取分类概率值f；SSIM值和f值线性组合，得到最终结果R，R小于一定阈值时认为是欺骗攻击。本发明方法检测的成功率高，稳定性好。
-
公开(公告)号：CN108615056A
公开(公告)日：2018-10-02
申请号：CN201810401959.4
申请日：2018-04-28
Applicant: 南京理工大学
IPC: G06K9/62
CPC classification number: G06K9/6278
Abstract: 本发明公开了一种基于可分解评分函数的树增强朴素贝叶斯分类方法。该方法为：构建分类网络时，在树增强朴素贝叶斯的结构基础上，允许每个属性结点没有父结点或只有一个父结点；首先采用低阶CI测试初步剔除无效属性结点，结合属性结点依赖关系，获得各个属性结点的候选父结点集合，过滤掉冗余属性父结点；然后利用可分解的BDeu评分函数对局部最优无环图进行贪婪查找，构建最终的SETAN网络结构。本发明在进行数据分类时去除了冗余属性父结点，增强了分类模型的可靠性，降低了时间的复杂度，且提高了分类的准确率。
-
公开(公告)号：CN108280217A
公开(公告)日：2018-07-13
申请号：CN201810117975.0
申请日：2018-02-06
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于差分隐私保护的矩阵分解推荐方法。该方法如下：将已收集的用户对物品的评价或喜好，转化为用户-评分矩阵，作为推荐方法模型的训练集；利用评分平均值、用户因子矩阵、物品因子矩阵、用户偏置项、物品偏置项预测用户对物品的评分情况；通过差分隐私平均值计算方法，计算出差分隐私保护下的用户评分的平均值；根据评分预测模型，建立最小化平方误差函数；利用差分隐私随机梯度下降方法，训练评分预测模型并在训练过程中添加差分隐私噪声，实现参数的差分隐私保护；利用评分预测模型与训练出的差分隐私保护模型参数，预测用户对物品的评分。本发明可以在提供推荐结果时，对用户的信息进行差分隐私保护，并具有较高的推荐准确度。
-
-
公开(公告)号：CN104915649A
公开(公告)日：2015-09-16
申请号：CN201510300584.9
申请日：2015-06-04
Applicant: 南京理工大学
IPC: G06K9/00
Abstract: 本发明公开了一种应用于人脸识别的活体检测方法，该方法包括：对当前识别环境的背景进行建模；人脸检测，获取人脸位置和大小，同时作为下一次检测人脸的初始位置；采用SSIM方法计算输入人脸图像的背景和建模背景图像之间的相似度；检测到人脸时，利用超声波测量摄像头与障碍物之间的距离，同时利用逻辑回归模型获取分类概率值f；SSIM值和f值线性组合，得到最终结果R，R小于一定阈值时认为是欺骗攻击。本发明方法检测的成功率高，稳定性好。
-
-
-
-
-
-
-
-
-
Search Results
111
records
(took 0.026 seconds)
