-
公开(公告)号：CN115148303B
公开(公告)日：2024-11-01
申请号：CN202210690052.0
申请日：2022-06-17
Applicant: 广东工业大学
IPC: G16C20/70 , G16C20/20 , G16B30/00 , G16B40/00 , G06F18/22 , G06F18/2135 , G06F18/24 , G06N3/048 , G06N3/042 , G06N3/0895
Abstract: 本发明提出了一种基于规范化图神经网络的微生物‑药物关联预测方法，包括利用现有的微生物‑药物关联数据库构建微生物‑药物的关联网络；构建微生物‑药物的多模态属性图；根据微生物‑药物的关联网络和微生物‑药物的多模态属性图，建立引入正则化的图神经网络模型；利用现有的微生物‑药物关联数据库构建训练集和测试集，用训练集训练引入正则化的图神经网络模型；将测试集输入训练后的图神经网络模型，预测测试集中微生物‑药物的关联。本发明通过在神经网络模型中引入正则化，防止模型过拟合，从而解决孤立节点问题，从而提高微生物‑药物关联预测的准确性。
-
公开(公告)号：CN118709561A
公开(公告)日：2024-09-27
申请号：CN202410858029.7
申请日：2024-06-28
Applicant: 广东工业大学
IPC: G06F30/27 , G06Q10/04 , G06F18/24 , G06F17/13 , G06F18/214 , G06N3/0475 , G06N3/094 , G06N3/084
Abstract: 本发明公开了一种基于泊松流模型的对抗训练方法及装置，包括：从原始数据集中采样样本数据集并建模为电场电子，由常微分方程模拟电子在电场中的运动，计算每个样本数据的经验泊松场以计算损失函数，迭代更新泊松流模型参数；基于泊松流模型使用前向模拟生成与原始数据集具有相似分布特性的高维点，并将高维点转换为与样本数据格式相同的图像数据；将图像数据输入预训练的深度学习分类网络，生成伪标签并选取置信度相对高的若干样本数据与原始数据集合并生成合并数据集；基于合并数据集生成对抗样本，并使用对抗样本与原始数据集训练目标分类模型。本发明提高了训练数据的多样性，显著缓解了对抗训练的鲁棒过拟合，提高了目标模型的对抗鲁棒性。
-
公开(公告)号：CN117688355A
公开(公告)日：2024-03-12
申请号：CN202311536951.6
申请日：2023-11-16
Applicant: 广东工业大学 , 广东三维家信息科技有限公司
IPC: G06F18/2113 , G06F18/23213 , G06F18/2411 , G06Q40/00
Abstract: 本发明涉及联邦学习的安全技术领域，更具体地，涉及一种联邦学习中数据污染的恶意节点检测方法，本发明主要基于分析和对比各用户历史数据更新的差异性，为了更精确地衡量每个节点的贡献，将所有节点的历史更新变化纳入评估范围，更能真实反映在非独立数据分布下模型参数的更新和分布特性，首先对高维度参数进行降维处理，然后再针对各节点对全局模型的贡献情况进行评估，可以有效地筛选出存在异常更新行为的节点，这不仅提高了联邦学习的聚合效率，还有助于优化模型的准确度，并显著增强了系统的安全性，在k‑means聚类中使用余弦距离替代欧氏距离，通过多次迭代，该方法能更有效地识别并隔离潜在的恶意节点，从而增强系统的鲁棒性和安全性。
-
公开(公告)号：CN114257428B
公开(公告)日：2024-02-27
申请号：CN202111509168.1
申请日：2021-12-10
IPC: H04L9/40 , G06F18/2431 , G06N3/0442 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于深度学习的加密网络流量识别及分类方法，所述识别方法包括以下步骤：S1：获取加密网络流量数据并进行预处理得到若干单独的会话；S2：对于预处理后的流量数据进行统计特征的选择；S3：对预处理后的流量数据进行有效载荷截取；S4：将统计特征和有效载荷进行特征整合并进行特征标准化；S5：利用整合后的特征对识别模型进行训练，得到训练好的识别模型；S6：利用训练好的识别模型对加密网络流量进行识别和分类。本发明提高了加密网络流量识别及分类的准确度，实现了更高的分类性能，并且能够对细粒度的加密网络流量进行识别和分类同时具有更强的场景适用性。
-
公开(公告)号：CN110378430B
公开(公告)日：2023-07-25
申请号：CN201910667229.3
申请日：2019-07-23
Applicant: 广东工业大学
IPC: G06F18/214 , H04L9/40
Abstract: 本申请公开了一种基于多模型融合的网络入侵检测的方法，包括：获取公开数据集；对公开数据集中的数据进行预处理，得到训练数据集和待测数据集；利用训练数据集对预设融合模型进行训练，直至预设融合模型收敛；利用收敛后的预设融合模型对待测数据集进行基于多模型融合的网络入侵检测，得到基于多模型融合的网络入侵检测结果。本申请减少了不相关特征和冗余信息对检测结果的影响，与传统的机器学习方法相比，节省了人工挖掘关联规则的成本，更有效的利用了数据特征，提高了基于多模型融合的网络入侵检测率。本申请同时还提供了一种基于多模型融合的网络入侵检测的系统、设备及计算机可读存储介质，具有上述有益效果。
-
Patent Agency Ranking
公开(公告)号：CN114726614B
公开(公告)日：2023-05-23
申请号：CN202210356162.3
申请日：2022-04-06
Applicant: 广东工业大学
IPC: H04L9/40 , G06F40/126 , G06F18/241 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于条件变分自编码器和SENet的XSS攻击检测方法，包括以下步骤：获取攻击样本数据并进行数据预处理，将预处理后的数据映射至设定的区域；构建条件变分自编码器CVAE模型，利用得到的数字数据训练条件变分自编码器CVAE模型，并将训练好的模型的编码器作为特征提取器；构建SENet模型，利用特征提取器对预处理后的数据进行采样得到特征，利用特征训练SENet模型，得到分类器；提取待检测攻击数据的特征，输入至分类器，输出分类结果，完成XSS攻击检测。本方法与传统的XSS攻击检测的方法相比，结合了条件变分自动编码器的特点和SENet的优点提升了学习数据的表征能力，提高了XSS攻击检测的准确率。
-
公开(公告)号：CN110008709B
公开(公告)日：2023-05-05
申请号：CN201910290868.2
申请日：2019-04-11
Applicant: 广东工业大学
IPC: G06F21/57
Abstract: 本申请公开了一种权限提升漏洞的检测方法，包括：获取包括发送组件、媒介组件、接收组件的CClink；当CClink中接收组件声明了 属性后，判断发送组件是否声明了对应的 属性；若未声明 属性，则判断媒介组件是否有与接收组件的 属性对应的 属性；若有 属性，则判断媒介组件是否设置了 属性；若媒介组件未设置 属性，则确定存在权限提升问题。本申请自动的检测权限提升漏洞，不需要人工干涉，提高效率，改善用户体验，本申请同时还提供了一种装置、一种电子设备和计算机可读存储介质，均具有上述有益效果。
-
公开(公告)号：CN116010950A
公开(公告)日：2023-04-25
申请号：CN202211664994.8
申请日：2022-12-22
Applicant: 广东工业大学 , 广州天诚伟业通信科技有限公司
IPC: G06F21/56 , G06F21/53 , G06F18/214 , G06N3/0464 , G06N3/045 , G06N3/08
Abstract: 本发明提出一种基于ViT孪生神经网络的恶意软件检测方法及系统，涉及计算机网络信息安全的技术领域，首先获取公开的恶意软件PE文件数据集，通过静态分析和动态分析联合获取PE文件的原始信息和运行状态下的信息，将静态分析和动态分析获取的数据合并，并将合并后的一维数据转化为二维数据，再转化为灰度图，最后将灰度图分割为训练集和测试集，然后构建ViT孪生神经网络模型，利用训练集和测试集分别训练和测试评估ViT孪生神经网络模型，不断调参优化，得到训练好的ViT孪生神经网络模型用于恶意软件检测，较充分地提取恶意软件的特征，提高恶意软件检测的准确率和召回率。
-
公开(公告)号：CN113269265B
公开(公告)日：2023-04-07
申请号：CN202110626544.9
申请日：2021-06-04
Applicant: 广东工业大学
IPC: G06F18/214 , G06F18/2431 , G06N7/01
Abstract: 本发明实施例涉及一种疼痛波动性的特征选取方法、装置、存储介质及设备，该方法通过对集合数据进行处理过程中加入时间间隔变量，得到疼痛波动性数据，使得改进后的疼痛波动性数据能够受到时间间隔的影响，进而更准确地体现疼痛严重程度随时间的变化情况；之后基于逻辑回归的LASSO回归方式对LASSO回归预测模型输出的特征结果进行特征选择，得到第一特征数据并将其与随机森林预测模型输出的特征结果进行特征选择的第二特征数据、第三特征数据和第四特征数据进行综合，使被选的结果特征具有代表性和普遍性，保证预测患者疼痛模型的可解释性，并依然保持预测结果的较高准确率，解决了现有患者疼痛的预测模型中特征选取缺乏代表性和普遍性的问题。
-
公开(公告)号：CN110765472B
公开(公告)日：2023-02-03
申请号：CN201910939342.2
申请日：2019-09-30
Applicant: 广东工业大学
Abstract: 本发明公开了一种基于区块链和分布式存储的位置隐私保护方法，包括：将用户查询请求分为多个数据段，用分布式存储网络存储所述多个数据段及用户标识数据；随机选取其中一个服务器作为加噪服务器，根据用户标识数据获取位于在其他存储服务器内的数据段而得到完整查询请求，并对查询请求进行加噪；所有位置服务提供商共同创建一条联盟链，同时在联盟链上创建一个智能合约；用户通过加密算法得到一个包括公钥和私钥的密钥对，使用公钥在联盟链上注册；用户在联盟链上选择查询请求对应的位置服务提供商，将加噪后的查询请求发送给选择的位置服务提供商，位置服务提供商根据查询请求向用户提供位置服务。
-
-
-
-
-
-
-
-
-
Search Results
317
records
(took 0.062 seconds)
