-
公开(公告)号：CN120050098A
公开(公告)日：2025-05-27
申请号：CN202510202792.9
申请日：2025-02-24
Applicant: 浙江大学 , 杭州高新区(滨江)区块链与数据安全研究院
IPC: H04L9/40 , H04L12/40 , G06N3/088 , G06N3/0464
Abstract: 本发明提出了一种基于无监督深度学习的CAN总线流量异常检测方法，通过设计神经网络模型进行数据训练与检测。方法包括：1)生成攻击测试集，收集并预处理CAN总线数据，设计注入攻击方法；2)构建包含特征嵌入、时序分解、特征增强和预测重构模块的神经网络；3)训练模型，将采集的正常CAN总线数据输神经网络，以输出序列与输入序列的重构误差作为损失函数进行训练；4)检测数据，将收集的测试集数据输入训练好的模型，输出异常评分，评分高的数据视为异常，评分低的数据视为正常。本发明提供的方法能够有效识别CAN总线中的异常流量，可对未知攻击类型进行检测，具有运行效率高、准确性好等优点。
-
公开(公告)号：CN119995940A
公开(公告)日：2025-05-13
申请号：CN202411998660.3
申请日：2024-12-31
Applicant: 杭州高新区(滨江)区块链与数据安全研究院 , 浙江大学
Abstract: 本申请涉及智能网联车辆技术领域，提出一种基于多源数据的车辆入侵检测方法、电子设备和计算机程序产品。该方法包括：获取车辆的通信数据和日志数据；对通信数据执行入侵分析处理，得到第一入侵检测结果；对日志数据执行入侵分析处理，得到第二入侵检测结果；根据第一入侵检测结果和第二入侵检测结果，确定车辆的复合入侵检测结果。该方法利用通信数据的入侵分析能够发现网络层面的潜在威胁，利用日志数据的入侵分析能够发现系统层面的异常行为，从而更好地捕获复杂入侵事件的特征，实现多维度的入侵检测效果，这样能够提高车辆入侵检测的覆盖率和准确率。
-
公开(公告)号：CN119941888A
公开(公告)日：2025-05-06
申请号：CN202411974851.6
申请日：2024-12-30
Applicant: 杭州高新区(滨江)区块链与数据安全研究院 , 浙江大学
IPC: G06T11/00 , G06T7/13 , G06V10/26 , G06V10/764 , G06V20/70
Abstract: 本申请适用于图像处理技术领域，提供了一种仿真场景的生成方法、装置、电子设备及计算机程序产品。仿真场景的生成方法包括：获取真实场景对应的目标图像；提取目标图像中每个目标物体各自的轮廓信息；根据每个目标物体各自的轮廓信息，确定每个目标物体各自的目标贴图；根据每个目标物体各自的目标贴图，生成真实场景对应的仿真场景。本申请的方法通过提取目标图像中每个目标物体各自的轮廓信息，再根据每个目标物体各自的轮廓信息生成真实场景对应的仿真场景，因此能够保证仿真场景中的目标物体的形态和结构与真实场景中的目标物体的形态和结构基本一致，提高了生成的仿真场景与真实场景的相似度。
-
公开(公告)号：CN119479611B
公开(公告)日：2025-04-29
申请号：CN202510032491.6
申请日：2025-01-09
Applicant: 杭州高新区(滨江)区块链与数据安全研究院 , 浙江大学
IPC: G10L13/027 , G10L25/48 , G10L25/30 , G06N3/0455 , G06N3/0895
Abstract: 本申请涉及一种基于自监督辅助任务的深度合成音频跨域检测方法和装置，其中，该方法包括：获取待检测音频作为测试数据集；基于预设的自监督辅助任务对测试数据集进行增广处理，得到增广数据集；基于增广数据集，将自监督辅助任务作为优化目标，对预训练的目标检测模型进行微调，得到目标微调模型；目标检测模型的训练任务包括伪造检测任务和自监督辅助任务；将测试数据集输入到目标微调模型中，得到检测结果。通过本申请，解决了相关技术中泛化性不足、跨域检测效果明显下降的问题，提高模型泛化性的同时，能够极大程度上降低模型训练的开销；并且够适应测试数据集中深度伪造属性的分布差异，从而提升跨域检测性能。
-
公开(公告)号：CN119814326A
公开(公告)日：2025-04-11
申请号：CN202411949718.5
申请日：2024-12-27
Applicant: 浙江大学 , 杭州高新区(滨江)区块链与数据安全研究院
Abstract: 本发明公开了一种基于改进的物理不可克隆函数的硬件设备验证方法。包括：在注册阶段，验证方获取设备方所使用的物理不可克隆函数物理模型以及将设备验证方密钥发送给设备方；在验证阶段，设备方向验证方发送设备正常传输的数据，验证方通过设备正常传输的数据生成动态挑战，设备方根据动态挑战生成动态响应和第二时间戳并组成传输数据，设备方利用设备验证方密钥对传输数据加密后再发送给验证方，验证方结合设备方所使用的物理不可克隆函数物理模型对加密的传输数据进行解密、有效性验证和正确性验证后，获得对应的设备验证结果。本发明适用于复杂和动态变化的环境，克服了现有预先录入挑战‑响应对的验证方法在实时性、适应性和安全性上的局限。
-
Patent Agency Ranking
公开(公告)号：CN119719002A
公开(公告)日：2025-03-28
申请号：CN202411795182.6
申请日：2024-12-06
Applicant: 杭州高新区(滨江)区块链与数据安全研究院 , 浙江大学
Abstract: 本申请涉及一种嵌入式设备的调试方法、装置、电子装置和存储介质，其中，该嵌入式设备的调试方法包括：通过UART接口，获取嵌入式设备的指令集信息；基于指令集信息，配置对应的交叉编译组件；利用交叉编译组件，将预设的探针源代码编译为可执行文件；提取可执行文件中的最小代码子集，并根据最小代码子集确定代码探针；通过UART接口，将代码探针注入至嵌入式设备上的空闲内存空间，并调试嵌入式设备。通过本申请，解决了对于嵌入式设备调试的灵活性低的问题。
-
公开(公告)号：CN119299238B
公开(公告)日：2025-03-18
申请号：CN202411829160.7
申请日：2024-12-12
Applicant: 浙江大学 , 杭州高新区(滨江)区块链与数据安全研究院
IPC: H04L9/40 , H04L43/024 , H04L43/04 , H04L12/40 , G06F18/23213 , G06F18/20 , G06F18/214 , G06F18/2131
Abstract: 本发明属公开了一种基于在线连续学习的网络流量异常检测方法，采用在线连续学习方式搭载基于小波变换的MLP神经网络对网络流量进行异常检测，具有持续自适应的智能检测能力，高效的系统性能，优异的检测效果，强大的实用性，解决了传统方法中模型遗忘问题，平衡了实时性和准确性，降低了资源消耗，提高了系统可扩展性，设置一个基于时间序列分析理论和小波变换的网络流量的重构模型，在显著提高计算效率的同时保持了对突发异常的高度敏感性。使用Haar小波对网络流量进行离散小波变换后仅采用单层MLP网络学习网络流量模式，这种轻量级的设计大大降低了资源占用，使系统能够灵活部署于各类网络设备，有效支持大规模网络环境下的异常检测任务。
-
公开(公告)号：CN119559675A
公开(公告)日：2025-03-04
申请号：CN202411515059.4
申请日：2024-10-28
Applicant: 杭州高新区(滨江)区块链与数据安全研究院 , 浙江大学
IPC: G06V40/16 , G06V40/40 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本申请涉及一种人脸识别方法、装置、计算机设备以及存储介质。包括：通过双流人脸识别模型中的内脸特征提取网络提取出模型训练图像的样本内脸特征，且通过双流人脸识别模型中的外脸特征提取网络提取出模型训练图像的样本外脸特征；根据模型训练图像、样本内脸特征和样本外脸特征确定双流人脸识别模型的特征一致性损失、人脸识别分类损失和身份一致性损失；根据特征一致性损失、人脸识别分类损失、身份一致性损失和双流人脸识别模型在模型训练时的二分类交叉熵损失，确定双流人脸识别模型是否可以作为目标人脸识别模型；若是，则根据目标人脸识别模型确定待检测图像是否为深度伪造图像。上述方案，能够提高人脸识别的精确度。
-
公开(公告)号：CN119478567A
公开(公告)日：2025-02-18
申请号：CN202510065436.7
申请日：2025-01-16
Applicant: 浙江大学 , 杭州高新区(滨江)区块链与数据安全研究院
IPC: G06V10/764 , G06V10/82 , G06V10/26 , G06N3/0475 , G06N3/0464 , G06N3/045 , G06N3/084 , G06N3/094
Abstract: 本发明公开了一种面向对抗补丁攻击的防御方法，利用掩码重构任务具有良好特征提取能力的特点，通过设计对抗性掩码生成方法和分类‑重构联合训练方法，实现了一种面向对抗补丁攻击的防御方法，面向对抗补丁攻击的防御方法将图像识别模型划分为主干网络和全连接层，分别用于特征提取和分类预测，将重构模型连接在主干网络后，用于接收主干网络提取的图像特征并重构图像，连接后的图像识别模型主干网络、全连接层和重构模型总体称为训练模型。这种连接方式无需修改原有图像识别模型的结构，只优化原有模型的权重参数，适用于任意架构的深度学习视觉模型，适用于任意训练状态的模型，而无需强制从头训练。
-
公开(公告)号：CN119449493A
公开(公告)日：2025-02-14
申请号：CN202510032417.4
申请日：2025-01-09
Applicant: 杭州高新区(滨江)区块链与数据安全研究院 , 浙江大学
IPC: H04L9/40 , G10L21/0216 , G10L21/0208
Abstract: 本申请涉及一种基于语音混淆的语音通信隐私保护方法、系统和介质，通过接收第一用户发送至第二用户的第一语音混淆数据；获取对应于第一用户的第一随机数和第一用户的第一身份；根据第一随机数和第一身份，在语音数据集中查找目标语音，并拼接目标语音，生成语音混淆噪声；根据语音混淆噪声，对第一语音混淆数据进行解混淆，还原得到第一语音数据；即使数据传输有损，也可以基于解混淆还原语音，因此可以保障接收方成功解密语音数据。
-
-
-
-
-
-
-
-
-
Search Results
442
records
(took 0.064 seconds)
