基于连接型多进制条码的无反馈光通路单向传输的方法

    公开(公告)号:CN102546101A

    公开(公告)日:2012-07-04

    申请号:CN201110435887.3

    申请日:2011-12-22

    Abstract: 基于连接型多进制条码的无反馈光通路单向传输的方法,本发明涉及基于连接型多进制条码的无反馈光通路单向传输的方法。本发明是为了解决内外网之间数据的传递时通过大数据量存储介质将数据从外网安全拷贝到内网,不能自动化处理和所产生的安全问题。本发明的步骤如下:一、压缩处理;二、整体数据纠错编码;三、数据分块;四、分块数据纠错编码;五、多进制条码编码;六、条码组合和图像显示;七、图像录入装置;八、图像缓存管理;九、有效图像的辨别;十、图像处理;十一、多进制条码解码;十二、分块数据纠错解码;十三、数据合并;十四、整体数据纠错解码;十五、解压缩。本发明适用于类似单向传输的安全系统中。

    连续型大容量多进制条码显示与解析方法

    公开(公告)号:CN102509143A

    公开(公告)日:2012-06-20

    申请号:CN201110387843.8

    申请日:2011-11-29

    Abstract: 连续型大容量多进制条码显示与解析方法,涉及一种数据传输方法。它是为了解决现有的条码的数据传输容量有限,以及不具有连续型、条码颜色失真和单向传输技术安全性低的问题。本发明通过一维条码和多进制条码的结合以及边框、定位点和比色板的设计,实现了条码数据的连续传输,一帧条码的容量也大有增加,颜色恢复较为准确,再加上一维条码还携带有这一帧数据的哈希值,可以检验传输数据的正确性和完整性,数据传输技术安全性大幅度提高。本发明适用于数据传输。

    基于梯度对齐的未知域对抗攻击方法

    公开(公告)号:CN119990249A

    公开(公告)日:2025-05-13

    申请号:CN202510054988.8

    申请日:2025-01-14

    Abstract: 本发明提出了基于梯度对齐的未知域对抗攻击方法,属于人工智能信息安全技术领域,解决了现有迁移对抗攻击在跨场景中的有效性显著降低的问题,具体包括:步骤1:获取源域数据集Ds;步骤2:在源域的数据集上使用#imgabs0#训练方法训练代理模型#imgabs1#步骤3:基于代理模型生成可迁移的有效对抗样本,对抗在目标数据集Dt训练的目标模型#imgabs2#完成对未知域的对抗攻击。发明使用多种后端攻击方法在代理模型上生成对抗样本,这允许本发明所提出的方法增强现有的转移攻击,使其适用于跨领域转移攻击。

    利用机器码和汇编代码融合改进二进制代码相似性检测

    公开(公告)号:CN118194053A

    公开(公告)日:2024-06-14

    申请号:CN202410343354.X

    申请日:2024-03-25

    Abstract: 本发明提出了利用机器码和汇编代码融合改进二进制代码相似性检测,包括:步骤1:获得每个二进制函数的汇编代码和十六进制机器码;步骤2:对获得每个二进制函数的汇编代码进行预处理;步骤3:构建BERT预训练模型,对BERT预训练模型进行迭代训练;步骤4:获取语义相同的二进制代码对应的十六进制机器码和汇编代码数据集,并输入初步训练完成后的BERT预训练模型进行训练,获得微调模型并进行训练;步骤5:获取二进制代码相似度。本发明通过将十六进制机器码和汇编代码进行语义融合,使得模型能够提取更丰富的语义向量,既包含了汇编代码归一化时丢失的信息,又补充了十六进制机器码的语义。

    基于符号执行的跨架构二进制可执行文件漏洞检测方法及系统

    公开(公告)号:CN115344866A

    公开(公告)日:2022-11-15

    申请号:CN202210852472.4

    申请日:2022-07-20

    Abstract: 本发明公开了一种基于符号执行的跨架构二进制可执行文件漏洞检测方法及系统,其中,该方法包括:基于调用图构建引用树,将待分析的可执行文件和目标函数输入引用树中进行引用树解析;将污点源设置为套接字数据接收函数的缓冲区,以完成污点源数据标记;基于调用链向后符号执行的污点传播算法,引入状态函数记录引用树中从引用链中节点ik到达目标函数的污点分析过程,获得污点汇聚点的数据分析结果;提取目标函数的实际参数将污点汇聚点构建成污点汇聚点森林,遍历污点汇聚点森林中的每棵树,检测其每个节点上的值是否被污染。该方法在预定义的漏洞多发函数处检测函数参数是否受污点数据影响来判断该路径下的此次函数调用是否存在潜在风险。

    一种飞机机械结构变化引起磁干扰的补偿方法及装置

    公开(公告)号:CN112965014B

    公开(公告)日:2022-09-02

    申请号:CN202110240969.6

    申请日:2021-03-04

    Abstract: 一种飞机机械结构变化引起磁干扰的补偿方法及装置,属于航空磁补偿领域,目的是为了解决由飞机机械结构变化引起的磁干扰会影响估计航磁干扰补偿系数的精度的问题。所述方法包括:构造矩阵△δ、Hpdrudder和Hpdelevator;根据公式估计系数矩阵θrudder;根据公式估计系数矩阵θelevator;利用所述系数矩阵θrudder和θelevator对飞机机械结构变化引起磁干扰进行补偿。所述装置包括:矩阵构造模块、第一计算模块、第二计算模块和补偿模块。上述方法及装置,将控制升降舵与方向舵运动的钢索等效成若干个磁偶极子,以此计算平动钢索和转运钢索在运动过程中引起的磁干扰,可应用于航磁干扰补偿系统中对特殊类型磁干扰的补偿过程。

    一种飞机尾杆振动引起的磁干扰的补偿方法及装置

    公开(公告)号:CN112858960B

    公开(公告)日:2022-07-22

    申请号:CN202110222204.X

    申请日:2021-02-28

    Abstract: 一种飞机尾杆振动引起的磁干扰的补偿方法及装置,属于航空磁补偿领域,目的是为了对飞机尾杆振动产生的磁干扰进行补偿。所述方法包括:在飞机进行校准飞行时,同时采集飞机的高度、加速度数据、总场数据和磁场三分量数据;根据飞机尾杆的三轴加速度ax、ay和az获得飞机尾杆的三轴位移hx、hy和hz;构造矩阵ΔE;对ΔE和总场数据HT的每一列数据进行带通滤波;根据公式bpf(HT)=bpf(ΔE)θE估计飞机尾杆振动引起的磁干扰的补偿系数θE;利用补偿系数θE计算飞机尾杆振动引起的磁干扰HI,并根据HE=HT‑HI计算实际地磁场值HE。所述装置包括:采集模块、尾杆位移计算模块、矩阵构造模块、滤波模块、补偿系数估计模块和补偿模块。

    基于显著性对抗训练的对抗样本防御方法

    公开(公告)号:CN112766401B

    公开(公告)日:2022-03-01

    申请号:CN202110120845.4

    申请日:2021-01-28

    Inventor: 王莘 宫羽欣

    Abstract: 本发明公开了一种基于显著性对抗训练的对抗样本防御方法,包括:利用投影梯度下降法生成对抗样本;利用可解释性方法获取模型对于对抗样本的显著图;将显著图划分为预设数量的小块样本,并计算每个小块样本的平均显著值,每个小块样本根据对应位置的平均显著值进行JPEG压缩;将显著性压缩后的对抗样本作为训练数据进行对抗训练。在测试时,将显著性压缩后的样本输入模型进行识别。该方法提升模型的对抗鲁棒性,提升模型对于对抗样本的识别准确率。

    一种飞机机械结构变化引起磁干扰的补偿方法及装置

    公开(公告)号:CN112965014A

    公开(公告)日:2021-06-15

    申请号:CN202110240969.6

    申请日:2021-03-04

    Abstract: 一种飞机机械结构变化引起磁干扰的补偿方法及装置,属于航空磁补偿领域,目的是为了解决由飞机机械结构变化引起的磁干扰会影响估计航磁干扰补偿系数的精度的问题。所述方法包括:构造矩阵△δ、Hpdrudder和Hpdelevator;根据公式估计系数矩阵θrudder;根据公式估计系数矩阵θelevator;利用所述系数矩阵θrudder和θelevator对飞机机械结构变化引起磁干扰进行补偿。所述装置包括:矩阵构造模块、第一计算模块、第二计算模块和补偿模块。上述方法及装置,将控制升降舵与方向舵运动的钢索等效成若干个磁偶极子,以此计算平动钢索和转运钢索在运动过程中引起的磁干扰,可应用于航磁干扰补偿系统中对特殊类型磁干扰的补偿过程。

    一种基于条件变分自编码器的机器学习模型对抗性样本生成方法

    公开(公告)号:CN112801297A

    公开(公告)日:2021-05-14

    申请号:CN202110076669.9

    申请日:2021-01-20

    Inventor: 王莘 俞廷岳

    Abstract: 本发明公开了一种基于条件变分自编码器的机器学习模型对抗性样本生成方法,步骤1:根据训练好的鉴别器调整自编码器生成噪声;步骤2:对生成噪声的自编码器输入图像样本和标签,将图像样本经过自编码器后完成与噪声相叠加生成对抗图像样本;步骤3:将步骤2生成对抗图像样本和标签再次输入训练好的鉴别器;步骤4:使训练好的鉴别器鉴别对抗图像样本并输出标签;步骤5:基于步骤4的输出的标签与步骤3输入的标签进行对比,将对抗图像样本识别为指定的目标标签。本发明在不了解目标模型实现细节的黑盒条件下,快速地、有针对性地生成对抗性样本图像。

Patent Agency Ranking