-
公开(公告)号：CN118586517A
公开(公告)日：2024-09-03
申请号：CN202410680745.0
申请日：2024-05-29
Applicant: 广东工业大学
IPC: G06N20/00 , G06F21/62 , G06F18/23213 , G06F18/2413
Abstract: 本发明公开了一种基于差分隐私的联邦学习安全聚合方法，方法包括：服务端根据收集的信息向各客户端分配隐私预算，并制作评分数据集。客户端根据分配的隐私预算初始化模型训练优化器，并进行模型训练以获得模型更新数据，然后根据隐私预算向服务端上传数据。服务端随机抽取部分客户端参与聚合，通过预设方法计算每个客户端的聚合权重，并基于权重对模型更新数据进行聚合，然后将其分发给各个客户端。本方法根据用户的不同隐私需求提供不同的隐私预算，避免浪费。在聚合时，使用评分数据集对用户上传的模型更新数据进行测试，减少投毒攻击的影响。聚合权重由隐私预算和模型评分两个因素决定，提高了聚合后模型的可用性。
-
公开(公告)号：CN118473706A
公开(公告)日：2024-08-09
申请号：CN202410462532.0
申请日：2024-04-17
Applicant: 广东工业大学
IPC: H04L9/40 , H04L41/16 , G06F18/23213 , G06F18/2411 , G06N3/0455 , G06N3/088
Abstract: 本发明公开的属于信息科学技术领域，具体为一种基于线性支持向量分类器与小批量K均值的无监督入侵检测模型，包括如下步骤：对数据包抓取；对数据包解析，以获得每个数据包的各种重要信息；利用线性支持向量分类器进行特征选择；获取最优特征，传入自动编码器；利用自动编码器计算获取重建误差；利用重建误差更新模型参数；利用自动编码器计算新旧数据的均方根误差；本发明相较于传统的K均值，小批量K均值将数据集划分成小批量，每次迭代仅使用部分数据来更新聚类中心。这种方法可以降低每次迭代的计算量，尤其适用于大型数据集，加快了算法的收敛速度。
-
公开(公告)号：CN118429638A
公开(公告)日：2024-08-02
申请号：CN202410532907.6
申请日：2024-04-30
Applicant: 广东工业大学
IPC: G06V10/26 , G06V10/774 , G06V10/82 , G06N3/0895 , G06N3/0464 , G06N3/09 , G06V10/764 , G06T7/00
Abstract: 本发明公开了一种多视图联合训练的半监督医学影像分割方法及系统，该方法包括：获取医学图像数据并进行划分；基于不同类别的网络构建分割网络模型；定义教师模式和学生模型；计算总体损失；基于所述总体损失更新所述学生模型；对训练完成的学生模型进行筛选；将待分割图像输入至最终分割模型。该系统包括：数据集构建模块、模型构建模块、模型定义模块、损失计算模块、模型更新模块、模型筛选模块和模型应用模块。通过使用本发明，能够增强对半监督医学影响分割的理解和预测能力。本发明可广泛应用于图像处理领域。
-
公开(公告)号：CN114338199B
公开(公告)日：2024-01-09
申请号：CN202111661242.1
申请日：2021-12-30
IPC: H04L9/40 , G06N3/0464 , G06N3/045 , G06N3/0442 , G06N3/084
Abstract: 本发明提供了一种基于注意力机制的恶意流量检测方法和系统，涉及通信网络安全技术领域。所述方法包括步骤：S1、对待检测的流量数据集进行特征选择，得到精简特征集；S2、进行预处理得到预处理数据集；S3、输入到基于注意力机制的深度残差收缩网络，获得恶意流量检测结果；本发明采用的网络模型包括了含有注意力机制的深度残差收缩网络结构，在分类准确率和误报率上有较好的表现，能提取关键数据信息，有效地降低了模型的训练和测试的时间。又由于流量数据具有时序性和特征冗余性，因此本技术方案也结合使用了长短期记忆网络，既减少或者降低了检测数据中冗余信息的影响，也延续了数据信息的上下文联系，增强了恶意流量检测的准确率。
-
-
Patent Agency Ranking
公开(公告)号：CN116433500A
公开(公告)日：2023-07-14
申请号：CN202310045491.0
申请日：2023-01-30
Applicant: 广东工业大学
IPC: G06T5/00 , G06N3/0464 , G06N3/0475 , G06N3/094 , G06N3/088
Abstract: 本发明公开的一种基于可逆网络的图像去雨方法、系统和可读存储介质，命名为CycleINN。属于图像处理领域。所述方法包括步骤：准备多组不配对的有雨图与无雨图组成数据集；对输入的有雨图进行卷积预处理，获取浅层特征图；采用深度可逆网络作为生成器，联合CycleGAN建立有雨图X和无雨图Y的重建模型；构建循环一致性约束损失函数和对抗损失函数；无监督模型训练；将有雨的图像输入去雨模型。本发明利用拟合能力强大的深度学习技术，为图像去雨任务建立去雨模型，并使用循环一致性约束重建模型进行融合训练，基于深度可逆网络与无监督相结合的模型能获得比较优秀的去雨效果。
-
公开(公告)号：CN112991239B
公开(公告)日：2023-06-30
申请号：CN202110287819.0
申请日：2021-03-17
Applicant: 广东工业大学
IPC: G06T5/20 , G06T5/00 , G06N3/08 , G06N3/0464
Abstract: 本发明提供一种基于深度学习的图像反向恢复方法，包括以下步骤：S1：输入RGB图像；S2：根据所述RGB图像获取噪声特征图；S3：利用所述RGB图像和噪声特征图，采用多任务框架的深度学习网络同时对所述RGB图像执行操作分类和边界框回归，得到RGB图像中被篡改的图像和区域；S4：输出被篡改的图像和区域；S5：采用U型深度卷积神经网络对被篡改的图像进行复原。本发明采用的多任务框架的深度学习网络丰富的特征表示使得能够区分不同的操作技术，提高了性能，不仅能检测篡改伪迹，还能区分各种篡改技术，采用U‑net网络能够成功复原合成孔径系统所成图像，并在复原效果上与盲解卷积算法接近。
-
公开(公告)号：CN110533581B
公开(公告)日：2023-05-02
申请号：CN201910737935.0
申请日：2019-08-12
Applicant: 广东工业大学
Abstract: 本发明提供一种基于雨滴概率图的雨滴消除方法、系统和存储介质，所述方法包括：接收一张雨滴图像；根据雨滴的先验信息构建雨滴概率图；通过自然图像的先验假设对所述雨滴图像的背景层和雨滴层进行约束，以构建最优化模型；基于所述雨滴概率图求解所述最优化模型，在求解所述最优化模型的迭代过程中同时更新所述雨滴概率图；输出无雨滴的图像。本发明通过对拍摄的雨滴图像进行成像模型假定，估计模型中雨滴概率图的分布，从而构建最优化模型来准确地消除图像中的雨滴，构建高质量的无雨滴图像，并可实现对雨滴图像的有效增强。
-
公开(公告)号：CN115994360A
公开(公告)日：2023-04-21
申请号：CN202211498633.0
申请日：2022-11-28
Applicant: 广东工业大学
Abstract: 本发明公开了基于运行时信息的可重入漏洞检测方法及系统，该方法包括：通过按需插桩方法收集智能合约运行时信息；根据漏洞检测算法对智能合约运行时信息进行动态遍历检测处理，得到检测结果；根据检测结果判断是否存在可重入漏洞，输出判断结果。该系统包括：字节码解析器模块、交易信息收集器模块、攻击探测器模块和交易管理器模块。通过使用本发明，能够通过提升智能合约检测覆盖率实现高效、准确地检测出可重入漏洞并进一步降低误报率。本发明作为基于运行时信息的可重入漏洞检测方法及系统，可广泛应用于区块链智能合约缺陷检测技术领域。
-
公开(公告)号：CN109543406B
公开(公告)日：2023-04-11
申请号：CN201811150736.1
申请日：2018-09-29
Applicant: 广东工业大学
Abstract: 本发明涉及一种基于XGBoost机器学习算法的Android恶意软件检测方法，首先通过反编译apk文件提取Permission，Intent，Component和API call特征，并量化组成特征矩阵，利用蚁群算法的并行性和较强的鲁棒性，对XGBoost分类器参数进行寻优，以求得最优目标并得到XGBoost的最优参数组合。该发明提出的改进的XGBoost机器学习算法与传统的XGBoost算法相比，在Android恶意软件检测时具有更高的分类精度,提高了恶意软件检测的正确率,降低了由于检测错误而导致Android系统遭受攻击的概率。
-
-
-
-
-
-
-
-
-
Search Results
317
records
(took 0.087 seconds)
