-
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。
-
Patent Agency Ranking
-
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：CN116996392B
公开(公告)日：2023-12-29
申请号：CN202311254711.7
申请日：2023-09-27
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: H04L41/12 , H04L41/142 , H04L41/0677 , H04L43/0876 , H04L43/50
Abstract: 本发明公开了一种基于加权有向图算法的流量路径重构方法及系统，涉及计算机网络技术领域。该方法包括步骤：采集待发送的流量数据，并对流量数据进行格式转化；根据流量数据的报文头格式，对流量数据进行提取；根据每一条报文的采样数据据创建子路径，并对子路径进行去重和排序；确定目标流路径，将其余子路径并行生成并进行对比，生成旁路路径；创建单向加权有向图，对目标流路径和旁路路径分别赋值；根据每条路径的路径终点进行权值更新，根据更新后的路径权值重新构造加权有向图；将重新构造的加权有向图中权重最大的路径作为重构路径。本发明能够实现更精确、全面的流量路径重构,(56)对比文件Mano Vikash Janardhanan ET AL.OnLearning a Hidden Directed Graph withPath Queries《.2022 58th Annual AllertonConference on Communication, Control, andComputing (Allerton)》.2022,全文.赵晓东;陈思宇;方欢.基于偏好的有向图的路径搜索问题的研究.电脑知识与技术.2017,(第07期),全文.
-
公开(公告)号：CN116452696B
公开(公告)日：2023-08-29
申请号：CN202310712409.5
申请日：2023-06-16
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: 本发明属于图像处理领域，为了解决现有技术没有充分利用图像特征信息的问题，提出了一种基于双域特征采样的图像压缩感知重构方法及系统，将原始图像基于图像域和特征域进行特征提取，并将所提取的特征进行分块采样得到采样值；将采样值进行卷积操作和第一像素混洗操作，得到初始重构图像；将初始重构图像经过深度重建子网络得到最终重构图像；深度重建子网络包括多个依次连接的更新模块和去噪模块，更新模块用于对初始重建图像和采样值基于不同特征维度的约束结合，去噪模块用于对更新模块的输出基于对不同分辨率特征分别去噪后融合输出。对原始图像双域特征提取，充分利用图像特征，提高后续图像重建质量。
-
公开(公告)号：CN114926680B
公开(公告)日：2022-11-11
申请号：CN202210524306.1
申请日：2022-05-13
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明涉及一种基于AlexNet网络模型的恶意软件分类方法及系统，包括：数据预处理：以二进制方式读取恶意软件；求取转移概率矩阵；标准化处理转移概率矩阵；在转移概率矩阵上应用色图，将恶意软件二进制文件可视化为恶意软件彩色图像，使用改进的CLAHE算法对恶意软件彩色图像进行增强处理。训练恶意软件分类模型即AlexNet网络模型；将待检测的恶意软件通过数据预处理后输入训练好的恶意软件分类模型得到恶意软件分类结果；本发明模型泛化能力强，同时避免信息的冗余或丢失问题，在增强图像的对比度同时能够抑制噪声，有效的提高分类的准确率；网络层数和模型参数减少，训练过程中消耗的时间和空间要少很多，分类速度明显提升。
-
-
-
-
-
-
-
Search Results
38
records
(took 0.044 seconds)
