-
公开(公告)号：CN104657638B
公开(公告)日：2017-11-10
申请号：CN201510033144.1
申请日：2015-01-22
Applicant: 成都朝越科技有限公司 , 电子科技大学
IPC: G06F21/31
Abstract: 本发明公开了一种基于运动特征的手机解锁方法，它包括以下步骤：当手机上锁以后，用户按键或者触屏触发认证界面,点击开始匹配按钮；检测手机的三维运动轨迹，手机的三维运动轨迹即手机在X方向、Y方向和Z方向上的加速度，将手机的三维运动轨迹与预设的解锁动作的三维运动轨迹进行对比，若手机的三维运动轨迹与预设的解锁动作的三维运动轨迹的相似度大于阈值，则解锁成功，否则解锁失败。本发明提供一种基于运动特征的身份识别系统及识别方法，提供一种基于运动特征的手机解锁方法，采用将人体动作特征作为输入这一全新技术和理念实现身份识别，同时将认证空间从二维拓展到三维，具有较高的安全性和良好的趣味性。
-
公开(公告)号：CN105335629A
公开(公告)日：2016-02-17
申请号：CN201510609340.9
申请日：2015-09-22
Applicant: 电子科技大学
CPC classification number: G06F21/305 , G06F21/31 , G06F21/88 , G06F2221/2111 , G06F2221/2125
Abstract: 本发明实现了一种基于传感器技术并结合智能穿戴设备的移动设备实时防护方法，该方法适用于如智能手机、平板电脑等移动设备。主要功能为通过传感器实时监控设备状态，利用数学模型分析和判定设备被盗风险，进而实现及时的报警和软硬件保护功能。利用可穿戴式设备比如智能手环，将报警提示和数据操控、硬件找回等功能集中到一个独立的外部控制部件上，使得用户可以及时收到报警信息并通过手环控制设备及其内部数据，从而避免了设备被盗和数据泄露的发生。本发明的优势在于能够实时监控设备状态，及时发出报警信息，并且实现了一套独立可靠的外部控制部件。安全性能和稳定性优异，采用智能穿戴设备使得本发明更易于推广。
-
公开(公告)号：CN105323355A
公开(公告)日：2016-02-10
申请号：CN201510609322.0
申请日：2015-09-22
Applicant: 电子科技大学
CPC classification number: H04M1/70 , G06F21/126 , G06F21/32 , G06F21/602 , H04M1/72519
Abstract: 本发明提供一种基于掌纹识别的Android隐私保护系统。该保护系统采用掌纹识别作为身份认证方式，将其与个人隐私及共享资源的保护结合起来，在Android平台上实现了对手机上文件、应用、通讯、密码以及对远端服务器上共享资源的多方位，多维度保护。整个系统分为客户端和服务端，其中客户端实现掌纹识别认证、本地隐私保护以及对远端资源的安全访问，同时提出基于纹理基元统计特征的掌纹识别算法。服务端实现对共享资源的加密存储及基于角色的访问控制。客户端与服务端通过由国密SM4算法与RSA算法相结合的安全信道进行通信。此外，客户端和服务端中的文件资源均经过SM4算法加密，且均可对文件资源设定时限，超过时限资源将自动被删除，这为隐私提供了多一层保障。
-
公开(公告)号：CN105205944A
公开(公告)日：2015-12-30
申请号：CN201510615446.X
申请日：2015-09-22
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于移动终端的掌纹认证ATM机自助存取系统的双因素认证机制的实现方法，包括移动终端部分和ATM机部分。移动终端带有摄像功能的智能手机，可自动获取每个用户所特有的掌纹图像信息，并将掌纹图像信息加以加密处理后发送到ATM机，并进行下一步的存取操作；ATM机用于接收并验证由移动终端传送来的掌纹加密信息，通过基于掌纹和手机IMEI码的双因素认证协议进行用户身份认证，若验证正确则进行ATM机后续操作。本发明的优势在于本作品创新性地取代了传统基于银行卡和密码的用户认证方式，采用了全新的认证机制与设备组成方式，最大程度地简化用户身份认证步骤，提高了用户使用的便捷性，去除了认证设备，进一步减小设备大小，并降低了设备的生产成本。
-
公开(公告)号：CN104796407A
公开(公告)日：2015-07-22
申请号：CN201510127979.3
申请日：2015-03-23
Applicant: 电子科技大学
Abstract: 本发明公开了一种未知协议特征的提取方法，它将每一种协议的数据帧随机分为两部分，对每一部分按字节进行切分，并统计每一字节出现的次数和频率，得到频繁字节；对频繁字节进行筛选，得到每一种协议对应的频繁字节；将一种协议对应的连续出现的频繁字节进行拼接，得到特征长串即频繁串，并筛选得到每一种协议的特征候选集；根据特征候选集将该协议的数据帧表征为向量；对特征候选集使用相关性特征选择CFS算法进行特征选择，将所选出的特征进行记录；利用KNN算法进行分类，并统计分类的准确率和识别率。本发明提供了一种未知协议特征的提取方法，帮助决策者高效地对未知协议进行识别。
-
Patent Agency Ranking
公开(公告)号：CN104767736A
公开(公告)日：2015-07-08
申请号：CN201510127295.3
申请日：2015-03-23
Applicant: 电子科技大学
IPC: H04L29/06
Abstract: 本发明公开了一种将未知单协议数据流分离为不同类型的数据帧的方法，首先利用n-gram技术对数据帧进行分割，根据齐夫分布，选择曲线图中最接近直线的n值作为所求，然后利用Jaccard参数对非频繁字节进行过滤，通过改变不同的阈值得到其最优解对n-gram进行过滤，得到出现次数多于阈值的n-gram集合；然后利用无监督的特征选择算法提取特征串集合，特征选择中将上一步得到的特征候选集作为输入，根据最大相关-最小冗余的特征选择标准，得到能更好的表征该协议不同类型消息的特征，以此作为特征向量用于聚类中；最后利用聚类算法实现协议消息的识别，将具有相同格式的消息聚在一起。本发明在ICMP上对该方法进行评估，消息识别的准确率和召回率均可达到90%以上。
-
公开(公告)号：CN101930561A
公开(公告)日：2010-12-29
申请号：CN201010179995.4
申请日：2010-05-21
Applicant: 电子科技大学
Abstract: 本发明涉及文本处理技术领域，是一种基于N-Gram分词模型的反向神经网络垃圾邮件过滤装置。利用N-Gram技术对邮件分词加上自定义词语特征项并结合反向神经网络实现对垃圾邮件的判断和过滤。所述装置包括：首先，利用Markov链和N-Gram技术处理邮件，提取出邮件样本特征，经过权重计算和特征选择得到样本邮件词语-文档空间；其次，用自定义的词语特征项匹配邮件样本，生成自定义特征-文档空间，将两种方法生成的文档特征合并生成新的邮件向量空间；再次，构造反向神经网络模型，根据邮件训练样本空间的特征项生成与网络神经元对应的特征向量，并用邮件训练样本向量空间训练网络模型，得到训练好的邮件分类器；最后，邮件测试样本根据上面生成的神经元对应特征向量生成测试样本向量空间，并测试训练好的邮件分类器对邮件类别判断的准确率。使用本发明提供的实施例可以对垃圾邮件进行判断，从而过滤垃圾邮件。
-
公开(公告)号：CN119692808A
公开(公告)日：2025-03-25
申请号：CN202411765939.7
申请日：2024-12-04
Applicant: 电子科技大学
IPC: G06Q10/0637 , G06N3/042 , G06N3/0464 , G06N3/08 , G06N3/0499
Abstract: 本发明公开了一种产业链完整性评估模型、系统及方法，涉及产业链评估技术领域，所述模型包括节点特征编码模块、候选节点集挑选模块、成对编码生成模块和评估模块；节点特征编码模块用于基于消息传递神经网络学习产业链隐性异构图中节点的特征表示；候选节点集挑选模块用于基于PPR评分从产业链隐性异构图中筛选出对目标节点对影响显著的节点；成对编码生成模块用于基于图注意力机制计算目标节点对的成对编码，捕捉节点间的复杂关系；评估模块用于通过多层感知机预测目标节点对的存在概率，以及通过完整性评估指标对预测的存在概率进行量化评估。本发明实现了产业链隐性异构图中节点间复杂关系的精确捕捉，能够全面量化节点间的影响关系。
-
公开(公告)号：CN115712972B
公开(公告)日：2024-11-26
申请号：CN202211453973.1
申请日：2022-11-21
IPC: G06F30/18 , G06F30/27 , G06F119/02
Abstract: 本发明属于网络安全领域，提供了一种基于深度学习的边缘计算环境下的DDos检测方法。主旨在于解决因为边缘节点算力受限、存储空间小、网络波动大的环境问题，无法部署应用的问题。主要方案包括搭建了预处理层，对输入的网络流量数据依次进行过滤脏数据、归一化处理、攻击类型标签统计分析，利用Smote算法上采样稀疏类、对稠密类进行下采样以此平衡标签类别；模型构建；将预处理后的网络流量数据划分得到训练集和测试集，通过训练集和测试集输入到模型中进行训练，得到训练好的模型；将训练好的模型部署到边缘节点中，搜集节点中的网络流量数据，使用预处理层来处理流量数据后送入部署的模型进行实时DDos预测。
-
公开(公告)号：CN118297140A
公开(公告)日：2024-07-05
申请号：CN202410482564.7
申请日：2024-04-22
IPC: G06N3/098 , G06N3/096 , G06N3/045 , G06N3/0495 , G06F18/241 , G06V10/764 , G06V10/82 , G06V10/94
Abstract: 本发明公开了一种基于可重用分类器的联邦蒸馏学习方法，主要用于增强神经网络的泛化能力，从而提高网络性能。该方法包括以下步骤：S1，在联邦知识蒸馏中重用来自异构模型的分类器，降低蒸馏策略的计算复杂度并提高全局模型的泛化能力；S2，引入自适应且可学习的轻量级映射器，确保特征映射和分类器之间的尺寸兼容性；S3，结合分类器之间注意力权重向量的计算，有效解决局部知识偏差对全局知识的影响。本发明方法通过重用客户端的分类器和分配注意力权重来提高网络性能，从而增强全局神经网络的泛化性。此外，FedMAC为每个客户端分配一个可训练的映射器，以对齐特征图、捕获关键知识并过滤掉负面知识。
-
-
-
-
-
-
-
-
-
Search Results
97
records
(took 0.061 seconds)
