-
公开(公告)号：CN115168856A
公开(公告)日：2022-10-11
申请号：CN202210904928.7
申请日：2022-07-29
Applicant: 山东省计算中心(国家超级计算济南中心) , 贵州大学
Abstract: 本发明公开了二进制代码相似性检测方法，包括：构建二进制文件数据集，并对二进制文件数据集内的二进制文件进行反编译，得到二进制文件的二进制函数；获取二进制函数的汇编代码对bert模型进行训练，得到insbert模型；利用不同架构下的两个相同的二进制函数构建正样本函数对，利用不同的两个二进制函数构建负样本函数对，利用正样本函数对和负样本函数对对insbert模型进行训练，得到funcbert模型。本发明还提供了物联网固件漏洞检测方法。本发明能够跨指令架构检测二进制代码是否相似，可以用于恶意软件分析、版权纠纷、漏洞检测等领域。
-
公开(公告)号：CN110708160A
公开(公告)日：2020-01-17
申请号：CN201910959287.3
申请日：2019-10-10
Applicant: 山东省计算中心(国家超级计算济南中心)
Inventor： 付勇 , 杨美红 , 王美琴 , 郭山清 , 王继志 , 陈丽娟 , 樊燕红 , 杨明 , 杨英 , 陈振娅 , 穆超 , 李冠霖 , 杨光 , 文立强 , 王彪 , 杨明瞾 , 王英龙
IPC: H04L9/30
Abstract: 本公开公开了基于SM2算法标量乘法编码的抗侧信道攻击方法及系统，包括：生成基准坐标表，生成预编码坐标参数表ParTable；获取椭圆曲线公钥密码算法的参数k；基于基准坐标表、预编码坐标参数表ParTable和椭圆曲线公钥密码算法的参数k，实时生成编码表；基于实时生成的编码表，完成椭圆曲线公钥密码算法中的固定点标量乘法kG的运算，在椭圆曲线公钥密码的数字签名生成过程、数字签名验证过程、加密过程或密钥交换协商过程中使用运算获取的kG，抵御侧信道攻击。
-
公开(公告)号：CN119989410A
公开(公告)日：2025-05-13
申请号：CN202510078470.8
申请日：2025-01-17
Applicant: 山东省计算中心(国家超级计算济南中心) , 山东金煜电子科技有限公司
IPC: G06F21/62 , G06F21/60 , G06F21/33 , G06F16/901 , G06N5/01 , G06N5/022 , G06N5/04 , H04L9/40 , H04L9/00 , H04L9/32
Abstract: 本发明属于信息检索的技术领域，更具体地，涉及一种基于树分解的加密图质量约束最短路径查询方法、装置及计算机可读存储介质。所述方法包括密钥分发机构将密钥对发送至数据所有者，将密钥发送至用户；数据所有者将图数据构造为密文索引，并发送至云平台；当用户对图数据进行查询时；将授权令牌通过安全信道发送至用户；用户接收到授权令牌后，开始对图数据进行查询；云平台执行查询算法；获取查询的质量约束最短距离以及该最短路径的中间节点；授权令牌到达限制时间后，用户将失去对图数据G的查询权限。本发明解决了数据存储在第三方服务器上可能带来泄露和安全风险，尤其是云服务器可能未经授权访问或窃取数据，威胁用户隐私与安全的问题。
-
公开(公告)号：CN119882575A
公开(公告)日：2025-04-25
申请号：CN202510360780.9
申请日：2025-03-26
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: G05B19/042
Abstract: 本发明属于机器人控制的技术领域，更具体地，涉及一种基于双重预分割的大规模物联网数据收集系统及方法。所述方法包括：对物联网中的传感器节点进行预分割，将监测区域内的所有传感器节点划分为多个簇，每个簇由一个簇头节点管理；根据无人机数量和数据分布特征，将监测区域划分为多个子区域；基于深度强化学习为无人机群设计无碰撞的飞行路径；无人机根据路径规划过程提供的飞行路径，在检测区域内移动，访问传感器节点并收集数据；同时记录已访问节点和未访问节点的状态。本发明在大规模复杂的物联网环境下，远少于传感器节点数量的无人机即可实现大量数据的采集，并合理规划无人机路径实现无碰撞规划，高效完成节点数据的采集任务。
-
公开(公告)号：CN119808896A
公开(公告)日：2025-04-11
申请号：CN202510296997.8
申请日：2025-03-13
Applicant: 齐鲁工业大学(山东省科学院) , 山东省计算中心(国家超级计算济南中心)
IPC: G06N3/098 , G06F21/62 , G06F18/2132 , G06F18/214
Abstract: 本发明属于隐私保护的技术领域，更具体地，涉及面向保隐私异构去中心化学习的正则约束自适应调整方法。所述方法包括：将每个客户端#imgabs0#的本地模型#imgabs1#划分为共享模型#imgabs2#和保留模型#imgabs3#，对共享模型#imgabs4#进行正则化约束；客户端#imgabs5#使用上一轮聚合后的共享模型#imgabs6#和本地保留模型#imgabs7#，基于本地数据集#imgabs8#进行梯度下降更新；通过KL散度对正则化参数#imgabs9#进行动态更新调整；对共享模型进行差分隐私保护，然后将加噪后的共享模型广播给邻居客户端；客户端i的邻居客户端接收加噪后的共享模型并进行聚合，以得到下一迭代轮次的本地模型。本发明在保护数据隐私的同时，减轻数据异质性和差分隐私噪声对模型性能的负面影响。
-
Patent Agency Ranking
公开(公告)号：CN119155112B
公开(公告)日：2025-03-28
申请号：CN202411620659.7
申请日：2024-11-14
Applicant: 国网山东省电力公司电力科学研究院 , 浙江大学 , 山东省计算中心(国家超级计算济南中心)
Inventor： 王文婷 , 刘鑫 , 李迪 , 曹小亚 , 陈振娅 , 鉴庆之 , 刘吉龙 , 田博彦 , 田健 , 刘远龙 , 杨明 , 程鹏 , 王鑫 , 吴晓明 , 刘臣胜 , 秦佳峰 , 聂其贵 , 陈东
IPC: H04L9/40
Abstract: 本发明涉及网络流量技术领域，提供了一种智能电网Dos攻击检测方法、系统、介质、设备及程序。智能电网Dos攻击检测方法，包括：将同一条网络流量数据对应的三种特征进行合并，构建融合特征集；将融合特征集和对应的数值标签集作为输入，分别采用支持向量机和决策树，得到第一输出集和第二输出集；将第一输出集、第二输出集以及对应的数值标签集输入分类器，得到支持向量机的权重和决策树的权重，以构建多级决策模型；考虑多种性能指标，构建综合多维目标函数，对多级决策模型的超参数进行优化，得到优化后的多级决策模型，用于网络流量的Dos攻击检测。本发明能够快速识别智能电网中的DoS攻击行为，确保智能电网的安全运行。
-
公开(公告)号：CN119696907A
公开(公告)日：2025-03-25
申请号：CN202411890563.2
申请日：2024-12-20
Applicant: 齐鲁工业大学(山东省科学院) , 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明属于保密通信的技术领域，更具体地，涉及一种满足K跳约束的加密图最短路径查询方法。所述方法包括：图数据拥有者生成授权令牌并通过安全信道发送给图数据查询者；图数据查询者加密查询请求并发送给图数据拥有者；图数据拥有者解密查询请求对原始图数据进行处理并加密图数据信息发送给云服务器；云服务器接收到加密的数据处理查询最短路径发送给数据查询用户；图数据查询者接收到查询的结果，利用授权令牌的sk进行解密，得到明文结果。本发明解决了现有技术数据容易泄露，查询效率低下的问题。
-
公开(公告)号：CN119293861A
公开(公告)日：2025-01-10
申请号：CN202411845784.8
申请日：2024-12-16
Applicant: 齐鲁工业大学(山东省科学院) , 山东省计算中心(国家超级计算济南中心)
IPC: G06F21/62 , G06N3/0464 , G06N3/098
Abstract: 本发明属于联邦学习的技术领域，更具体地，涉及面向异构联邦学习的自适应差分隐私保护方法。所述方法包括在模型的不同层次上引入自适应噪声。模型的各层次对整体学习效果的贡献存在差异，为了在加噪的同时尽可能减小对关键特征的破坏，本文基于模型层次的重要性程度对不同部分进行差异化加噪，即在较重要的层次上施加较少噪声，而在次要层次上施加更多噪声。本发明解决了传统的差分隐私联邦学习方法由于噪声的引入，通常会对模型的性能产生负面影响，尤其是降低模型的收敛速度和精度的问题。
-
公开(公告)号：CN119272205A
公开(公告)日：2025-01-07
申请号：CN202411783759.1
申请日：2024-12-06
Applicant: 齐鲁工业大学(山东省科学院) , 山东省计算中心(国家超级计算济南中心)
IPC: G06F18/2433 , H04L9/40 , G06F18/15 , G06F18/213 , G06F18/2431 , G06N3/0455 , G06N3/0442 , G06N3/084 , G06Q50/06
Abstract: 本发明属于网络安全和数据保护的技术领域，更具体地，涉及基于TGRU模型的虚假数据注入攻击检测与定位方法。所述方法首先通过预处理多种传感器的测量数据，输入到TGRU模型进行训练，结合Transformer的全局特征提取能力与GRU的时间序列处理能力进行数据分析。利用基于欧几里得距离的双重计算机制分析正常数据和攻击数据的分布，设定检测阈值。一旦检测到攻击，系统将当前时刻TGRU模型生成的预测数据与检测到的攻击数据进行整合，训练元模型以实现攻击位置的精确定位。最终，通过优化模型架构减少计算步骤，确保高效运行。本发明解决了现有技术在处理复杂网络环境中的局限性，尤其是在应对高维时序数据时精度不足且计算效率低的问题。
-
公开(公告)号：CN119005302A
公开(公告)日：2024-11-22
申请号：CN202411455446.3
申请日：2024-10-18
Applicant: 齐鲁工业大学(山东省科学院) , 山东省计算中心(国家超级计算济南中心)
IPC: G06N3/098 , G06F18/241 , G06N3/096 , G06F18/25
Abstract: 本发明属于联邦学习的技术领域，更具体地，涉及一种基于特征提取器与分类器灵活组合的联邦学习方法。所述方法包括：服务器初始化全局模型；如果是第一轮，则把本地分类器更新为全局分类器，如不是，则让本地分类器沿用上一轮次训练后的本地分类器；训练本地分类器，再对本地特征提取器进行训练，全局特征提取器生成全局特征锚点指导本地特征提取器的训练，同时让本地特征提取器先与全局分类器进行组合训练，再与本地分类器进行组合训练；基于客户端样本数量大小，生成聚合权重，并对本地模型聚合，得到新一轮的全局模型；重复步骤直到模型收敛或到达设定的通信轮次。本发明解决了模型性能下降、隐私泄露问题。
-
-
-
-
-
-
-
-
-
Search Results
147
records
(took 0.047 seconds)
