-
公开(公告)号：CN116738443B
公开(公告)日：2023-12-26
申请号：CN202311003502.5
申请日：2023-08-10
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06F21/57 , G06F18/214
Abstract: 本发明公开了一种基于多示例感知的软件漏洞检测方法及相关设备，所述方法包括：获取包级代码片段，使用预训练模型对所述包级代码片段进行训练，得到表征向量；将表征向量分别映射到不同的线性空间中，得到包级代码片段的注意力表征向量；将第一标志向量与表征向量结合，得到包级代码片段中的每个函数代码片段的第二表征向量，将每个函数代码片段的第二表征向量拼接，再进行卷积和拆分操作，得到函数级第二标志向量和目标表征向量，并通过最大池化层计算得到文件级标志向量，根据函数级第二标志向量和文件级标志向量检测漏洞。本发明捕捉示例本身的局部信息和不同示例之间的全局信息，同时检测判断文件级代码和函数级代码是否包含漏洞。
-
公开(公告)号：CN116738443A
公开(公告)日：2023-09-12
申请号：CN202311003502.5
申请日：2023-08-10
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06F21/57 , G06F18/214
Abstract: 本发明公开了一种基于多示例感知的软件漏洞检测方法及相关设备，所述方法包括：获取包级代码片段，使用预训练模型对所述包级代码片段进行训练，得到表征向量；将表征向量分别映射到不同的线性空间中，得到包级代码片段的注意力表征向量；将第一标志向量与表征向量结合，得到包级代码片段中的每个函数代码片段的第二表征向量，将每个函数代码片段的第二表征向量拼接，再进行卷积和拆分操作，得到函数级第二标志向量和目标表征向量，并通过最大池化层计算得到文件级标志向量，根据函数级第二标志向量和文件级标志向量检测漏洞。本发明捕捉示例本身的局部信息和不同示例之间的全局信息，同时检测判断文件级代码和函数级代码是否包含漏洞。
-
公开(公告)号：CN116644423A
公开(公告)日：2023-08-25
申请号：CN202310911409.8
申请日：2023-07-25
Applicant: 山东捷讯通信技术有限公司 , 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本发明公开了一种容器攻击的监控的方法及装置；可应用于信息安全技术领域，解决现有技术中的容器攻击的监控方法存在的监控系统开销较大、移植性低、自身安全能力弱的技术问题。本发明的容器攻击监控的方法及装置，采用字节码的形式编写容器监控程序，字节码解析与监控程序将容器监控字节码加载到内核中，执行解析并进行容器监控，当有恶意程序启动容器或者在容器内执行时，字节码解析与监控程序就会产生监控数据，通知用户空间程序，用户空间程序形成容器攻击监控记录输出。
-
公开(公告)号：CN116150445A
公开(公告)日：2023-05-23
申请号：CN202310351898.6
申请日：2023-04-04
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06F16/903 , G06F16/901 , G06F21/60 , G06F7/58
Abstract: 本申请涉及数据处理技术领域，尤其是涉及一种批量信息查询方法及电子设备、存储介质。本申请应用于信息查询端的批量信息查询方法，先获取查询字段集、公共哈希函数，对第一数目个关键字段进行第一映射处理得到第一哈希数组与第一位置信息，将第一位置信息与关键字段发送至公共运算方，从公共运算方获取第一加密数据，从数据服务端接收第二加密数据，将第一索引数据与第二索引数据进行匹配处理，当第一索引数据与第二索引数据匹配成功，基于第一密钥信息对加密子数据进行解析处理，得到查询结果信息，即可在批量进行信息私密检索查询的过程中，利用公共哈希函数与公共伪随机函数实现关键字段与候选字段的存储与匹配，降低了通信开销的产生。
-
公开(公告)号：CN115269939B
公开(公告)日：2023-02-17
申请号：CN202211191349.9
申请日：2022-09-28
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06F16/903
Abstract: 本发明公开了一种正则表达式生成方法、装置、智能终端及计算机存储介质，正则表达式生成方法包括：获取正样本数据和负样本数据；初始化正样本数据获得正则表达式种群；根据正样本数据和负样本数据评估正则表达式种群中正则表达式的适应度；根据适应度最高的正则表达式在正样本数据上进行样本匹配时的精确率，获得正则表达式集合；根据正则表达式集合获得最终正则表达式。本发明可以根据样本数据自动生成正则表达式，不需要人工编写大量的正则表达式，提高正则表达式的生成效率和准确性。
-
Patent Agency Ranking
公开(公告)号：CN115169594A
公开(公告)日：2022-10-11
申请号：CN202211100671.6
申请日：2022-09-09
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本发明适用于分布式机器学习调试领域，提供了一种隐私保护分布式机器的学习调试方法及调试系统，所述学习调试方法包括以下步骤：步骤S1：首先数据分析师建好分布式机器学习pipeline；步骤S2：在本地客户端训练过程中；步骤S3：服务端接收来自本地训练的模型和计算的调试中间值；步骤S4：服务端调试模块根据分布式机器学习调试算法基于服务端收集的调试元数据和各个客户端传送的调试中间值对本轮联邦训练进行检测；步骤S5：联邦训练结束后，输出本次训练的调试报告。旨在解决背景技术中存在的技术问题。
-
公开(公告)号：CN114416159B
公开(公告)日：2022-07-22
申请号：CN202210335647.4
申请日：2022-04-01
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本发明公开了一种基于信息增强调用序列的API推荐方法及装置，方法包括解析源代码提取得到原始API调用序列，根据原始API调用序列获取用户自定义API和非自定义API的对应关系，得到增强API调用序列；将原始API调用序列和增强API调用序列分别放入神经网络嵌入层，得到原始序列表示向量和第一增强序列表示向量，将第一增强序列表示向量输入神经网络第一编码器，得到第二增强序列表示向量，并和原始序列表示向量进行信息融合得到API新向量表示；将API新向量表示输入神经网络第二编码器中，得到API序列向量并输入相似度计算模块，得到每一个候选API的概率。本发明可解决原始API调用序列信息不足和用户自定义API携带信息过少影响推荐准确率的问题。
-
公开(公告)号：CN114416159A
公开(公告)日：2022-04-29
申请号：CN202210335647.4
申请日：2022-04-01
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本发明公开了一种基于信息增强调用序列的API推荐方法及装置，方法包括解析源代码提取得到原始API调用序列，根据原始API调用序列获取用户自定义API和非自定义API的对应关系，得到增强API调用序列；将原始API调用序列和增强API调用序列分别放入神经网络嵌入层，得到原始序列表示向量和第一增强序列表示向量，将第一增强序列表示向量输入神经网络第一编码器，得到第二增强序列表示向量，并和原始序列表示向量进行信息融合得到API新向量表示；将API新向量表示输入神经网络第二编码器中，得到API序列向量并输入相似度计算模块，得到每一个候选API的概率。本发明可解决原始API调用序列信息不足和用户自定义API携带信息过少影响推荐准确率的问题。
-
公开(公告)号：CN115208881B
公开(公告)日：2024-03-26
申请号：CN202210620853.X
申请日：2022-06-02
Applicant: 哈尔滨工业大学(深圳) , 深圳市先河系统技术有限公司
Abstract: 本申请实施例提供了一种区块链的共识方法、设备及存储介质，属于人工智能技术领域。该方法包括：接收云服务器发送的切换指令，根据所述切换指令切换为主节点；获取交易数据；根据预设区块数据将所述交易数据进行封装处理，得到目标区块数据；对所述目标区块数据进行编码处理，得到目标数据包；将所述目标数据包分别发送至多个子节点，以使所述多个子节点对所述目标数据包进行一致性校验以生成反馈信息；接收多个所述子节点根据所述目标数据包反馈的反馈信息；其中，所述子节点根据所述反馈信息连接新的所述主节点或保持与所述主节点通信；根据所述反馈信息退出所述主节点或保持为所述主节点。本申请实施例能够提高数据传输的吞吐量。
-
公开(公告)号：CN116503642A
公开(公告)日：2023-07-28
申请号：CN202310269638.4
申请日：2023-03-15
Applicant: 哈尔滨工业大学(深圳)
IPC: G06V10/764 , G06V10/42 , G06V10/82 , G06N3/098 , G06N20/20
Abstract: 本发明公开了一种基于改进联邦学习的数据分类方法、系统及相关设备，方法包括：目标客户端根据预设的改进联邦学习算法对其对应的待训练的数据分类模型进行模型迭代训练，获得对应的已训练的数据分类模型，目标客户端根据预设的改进联邦学习算法进行一轮迭代时，基于全局特征提取器模型参数、全局分类器模型参数和本地分类器模型参数对待训练的数据分类模型的模型参数进行调整，全局特征提取器模型参数和全局分类器模型参数由目标客户端从服务器获取，本地分类器模型参数由目标客户端从本地存储的数据获取；目标客户端获取待分类数据，通过对应的已训练的数据分类模型进行分类获取待分类数据对应的目标类别。本发明有利于提高数据分类的准确性。
-
-
-
-
-
-
-
-
-
Search Results
91
records
(took 0.028 seconds)
