一种异常SQL检测方法及装置

    公开(公告)号:CN112100617B

    公开(公告)日:2023-11-24

    申请号:CN202010970567.7

    申请日:2020-09-15

    Abstract: 本申请提供一种异常SQL检测方法及装置,该方法包括:获取待检测SQL语句;对待检测SQL语句进行特征提取,确定待检测SQL语句对应的第一特征向量;基于预设的哈希函数,确定第一特征向量对应的哈希编码;根据哈希编码,确定待检测SQL语句在预设的哈希库中所对应的多个近邻语句;分别计算第一特征向量与各近邻语句所对应的第二特征向量之间的距离;根据距离的升序排序结果,确定预设数量的目标语句;根据各目标语句的预设语句标签,确定待检测SQL语句的检测结果。通过确定待检测SQL语句的邻近语句,根据待检测SQL语句与各邻近语句之间的距离,进一步确定目标语句,在保证了检测精度的同时,提高了检测效率。(56)对比文件李应博;张斌.基于改进TFIDF算法的SQL注入攻击检测方法.信息工程大学学报.2020,(第01期),全文.张楚涵;张家侨;冯剑琳.AKNN-Qalsh:PostgreSQL系统高维空间近似最近邻检索插件.中山大学学报(自然科学版).2019,(第03期),全文.

    一种病理切片肿瘤间质比量化方法

    公开(公告)号:CN116228737A

    公开(公告)日:2023-06-06

    申请号:CN202310316194.5

    申请日:2023-03-29

    Abstract: 本发明公开了一种病理切片肿瘤间质比量化方法,步骤如下:(1)基于图像块的弱监督神经网络训练流程:首先对经数字扫描的全切片图像进行分块,然后对每个图像块分配唯一的标签,即肿瘤或非肿瘤,最后使用交叉熵损失和平移不变损失,训练添加了二维随机失活层的神经网络;(2)基于神经网络的肿瘤间质比量化算法:使用之前训练好的模型生成类激活映射图对切片进行识别,使用形态学算法计算得到间质区域,进一步计算得到肿瘤间质比。本发明适用于临床中对于病人的肿瘤状态做出定量的准确判断,与现有方法相比,本发明具有可重复性高、执行成本低、计算准确率高的特点,能够帮助病理医生量化难以人工计算的预后因素,显著减少病理医生的工作量。

    一种基于图像的桥梁裂缝检测方法及系统

    公开(公告)号:CN111127450B

    公开(公告)日:2023-03-31

    申请号:CN201911371902.5

    申请日:2019-12-27

    Abstract: 本发明公开了一种基于图像的桥梁裂缝检测方法及系统,包括以下步骤:1)获取桥梁图像;2)对获取的桥梁图像进行预处理;3)利用形态学算子对步骤2)处理后的图像进行噪声抑制和裂缝连接;4)利用Hough直线检测算法对步骤3)处理后的图像进行噪声抑制;5)利用形状特征对步骤4)处理后的图像进行噪声抑制,得到最终的检测结果。优点:通过设计多重噪声抑制步骤,有效排除了桥梁裂缝图像中钢筋、接缝等结构以及阴影、水迹等自然因素对裂缝分割造成的干扰;同时算法速度较快,适合高分辨率图像分割。除此之外,算法检测裂缝灵敏度高,对于较细小的裂缝也有较好的检测效果。

    一种大批量的去中心化分布式图像分类器训练方法和系统

    公开(公告)号:CN114186671A

    公开(公告)日:2022-03-15

    申请号:CN202111516644.2

    申请日:2021-12-07

    Applicant: 南京大学

    Inventor: 李武军 史长伟

    Abstract: 本发明公开一种大批量的去中心化分布式图像分类器训练方法和系统,各工作节点使用本地图像分类器参数,根据本地存储的图像样本计算随机梯度后,对梯度进行归一化处理,并使用该归一化梯度更新动量和本地参数。各节点与邻居节点通信以获得其最新图像分类器参数,并与自身本地图像分类器参数做加权平均,作为新的本地参数参与到下一轮更新。不断重复以上训练步骤,直到达到停止条件时,各个节点停止,将各节点上的参数平均值作为最终的输出参数。本发明中的方法取消中心节点,不会出现中心节点处拥塞的问题,与此同时,本方法适用于大批量图像分类器训练,大批量训练可以减少参数更新和通信次数,从而可以充分利用GPU等计算资源,大幅提高训练效率。

    一种基于哈希学习的广告定向投放方法

    公开(公告)号:CN108596687B

    公开(公告)日:2021-07-09

    申请号:CN201810437471.7

    申请日:2018-05-09

    Applicant: 南京大学

    Inventor: 李武军 翟一飞

    Abstract: 本发明公开了一种基于哈希学习的广告定向投放方法,包括使用神经网络离线训练模型的步骤,对模型参数量化为二值编码的步骤,对用户进行线上广告定向投放的步骤。首先收集广告主为待投放广告提供的种子用户数据,根据数据构建用户与广告的二值关系矩阵用于训练;然后基于哈希学习的框架,先通过神经网络为每个用户和广告学习一个低维实值表示向量,再将所有参数量化为二值表示,进一步压缩模型以便于线上的存储和计算;最后在线上使用得到的模型为用户和所有待投放广告的相关性进行打分,根据得分高低对用户进行广告定向投放。本发明的方法与现有技术相比,用户和广告在线上被表示为经过压缩的二值编码,因而可大幅减少线上存储开销,提高计算性能。

    一种自然场景下端到端文本识别方法

    公开(公告)号:CN110135419A

    公开(公告)日:2019-08-16

    申请号:CN201910371620.9

    申请日:2019-05-06

    Applicant: 南京大学

    Inventor: 李武军 陈雨

    Abstract: 本发明公开了一种自然场景下端到端文本识别方法,包括用自然场景图片及真实标记训练框架以及对自然场景图片上文本区域及内容进行预测:训练阶段中,收集包含文本的自然场景下的图片、构建包含文本位置与内容的数据集、定义标准的端到端文本识别框架、使用真实检测标记训练检测部分、使用近邻相关边界优化算法优化检测区域、使用优化后的检测区域输入进识别部分中以训练识别部分参数、保存训练好的框架参数至数据平台;测试阶段中,读取训练好的框架参数、输入测试图像、检测阶段检测文本区域、采用基于近邻相关性边界优化算法优化检测区域、将优化后的检测区域送入识别部分进行文本识别。

    一种基于对抗协同训练的半监督医疗图像分割方法

    公开(公告)号:CN110097131A

    公开(公告)日:2019-08-06

    申请号:CN201910378091.5

    申请日:2019-05-08

    Applicant: 南京大学

    Abstract: 本发明公开一种基于对抗协同训练的半监督医疗图像分割方法,使用少量有标注的医疗图像数据以及大量无标注的医疗图像数据来训练神经网络分割模型从而提升模型性能。模型使用了两个结构不同的解码器分支,这两个解码器分支共享同一个编码器,通过协同训练的方法可以使得两个解码器分支互相学习。同时,模型还使用对抗学习方法来训练一个判别器,判别器可以学习到分割结果和真实标签之间的高阶连续性,从而使得分割网络的输出在视觉上更接近真实标签。同时判别器还可以选择无标注数据的伪标签中置信度较高的部分来训练分割模型。本发明提供的方法不受疾病和病灶种类的限制,可以用于肝脏、口腔等各种部位疾病的医疗图像分割,具有很好的普适性和通用性。

    一种基于角度间隔损失函数的声纹识别方法

    公开(公告)号:CN109903774A

    公开(公告)日:2019-06-18

    申请号:CN201910293479.5

    申请日:2019-04-12

    Applicant: 南京大学

    Abstract: 本发明公开了一种基于角度间隔损失函数(简称AM-Softmax)的声纹识别方法,包括使用AM-Softmax损失函数训练模型的步骤,以及对说话人身份进行识别和验证的步骤:首先利用已标注过说话人身份的语音数据,以AM-Softmax损失函数为训练准则,训练深度神经网络模型;最后在识别和验证系统中,通过训练得到的深度神经网络模型提取表示说话人身份的特征向量,并和数据库中注册的人的特征向量进行比对,识别或验证说话人的身份。

Patent Agency Ranking