基于原型学习和联邦学习的物联网入侵检测方法及系统

    公开(公告)号:CN118199925A

    公开(公告)日:2024-06-14

    申请号:CN202410188565.0

    申请日:2024-02-20

    摘要: 本发明公开了一种基于原型学习和联邦学习的物联网入侵检测方法及系统,属于入侵检测领域,通过将物联网的每个客户端本地神经网络模型划分为嵌入层和决策层,对客户端上的每个攻击类的所有潜在向量计算各自的聚类中心,将聚类中心作为对应攻击类在当前客户端上的本地原型并上传到中央服务器;再通过中央服务器生成全局原型并分发回对应的客户端;根据全局原型个性化训练客户端的本地神经网络模型,以便用来检测对本地物联网网络的攻击行为。本发明通过对齐不同物联网客户端本地原型的同时保持其本地模型一定程度的个性化,来增强每个客户端入侵检测能力。

    一种基于跨模态结构一致性和预训练技术的视觉语言对齐方法和系统

    公开(公告)号:CN117557803A

    公开(公告)日:2024-02-13

    申请号:CN202311326846.X

    申请日:2023-10-13

    摘要: 本发明涉及一种基于跨模态结构一致性和预训练技术的视觉语言对齐方法和系统。该方法包括:采用视觉预训练编码器和语言预训练编码器分别获取图像目标表示和对应的文本单词表示,构建视觉向量表示空间和语言向量表示空间;基于视觉语言共线关系的结构一致性,分阶段由粗到细地将视觉向量表示空间映射到语言向量表示空间,从而将图像目标表示与相应的文本单词表示进行对齐。本发明从人类的认知角度的多模态共现结构一致性出发,分三阶段从粗到细将视觉表示对齐到了上下文一致的语言表示,最终得到一个简单的线性映射层,可以很容易地和各种视觉语言结合,将视觉表示对齐到相应的语言表示,提升了模型细粒度关联视觉语言信息的能力。

    一种基于圆形检测的高效鲁棒印章检测与文字识别方法

    公开(公告)号:CN117275008A

    公开(公告)日:2023-12-22

    申请号:CN202311140736.4

    申请日:2023-09-05

    IPC分类号: G06V30/19 G06V30/14 G06V30/18

    摘要: 本发明公开了一种基于圆形检测的高效鲁棒印章检测与文字识别方法,其步骤包括:1)基于圆检测的技术从待检测图片中获取候选印章区域;2)对所述候选印章区域进行拉直,将所述候选印章区域中的环形文字变水平后进行文字识别;3)利用印章中的图片对称性和文字特性,对所述候选印章区域进行过滤,得到该待检测图片中的印章区域,并输出所述印章区域中的文字。本发明鲁棒性更强,可检测出模糊彩色图像、黑白图像、含多个印章、残缺扭曲和光线不一致环境下的印章;且针对文字扭曲严重的印章,文字识别的最小编辑距离优于其他平台;本发明在不依靠GPU的条件下,极大提高了印章检测效率,且检测印章区域更为准确,减少了非印章区域的文字引入。

    一种基于NetFlow数据的特定加密流量识别方法及系统

    公开(公告)号:CN113630384B

    公开(公告)日:2022-10-14

    申请号:CN202110778054.0

    申请日:2021-07-09

    摘要: 本发明涉及一种基于NetFlow数据的特定加密流量识别方法及系统。该方法的步骤包括:利用原始网络流量生成NetFlow序列;采用双向LSTM网络捕获NetFlow序列的上下文关系;采用注意力机制对NetFlow序列的上下文关系进行注意力权重计算,得到NetFlow序列的特征;利用得到的NetFlow序列的特征识别加密流量。本发明以NetFlow序列作为输入来保护用户隐私,利用双向LSTM网络尽可能捕获稀疏流记录上下文关系,增加注意力机制进行注意力权重计算,对信息进行加权,实现对相关性特征的增强,自动学习流记录的潜在特征。即使在较低的采样率下,本发明仍能够取得较好的加密流量识别效果。

    一种用于发现IPv6加速部署状态的综合性测量方法和系统

    公开(公告)号:CN111343008A

    公开(公告)日:2020-06-26

    申请号:CN202010090769.2

    申请日:2020-02-13

    摘要: 本发明涉及一种用于发现IPv6加速部署状态的综合性测量方法和系统。本发明利用公开数据集及其主动测量的扫描结果和被动测量收集的IPv4网络流量来形成正常的网络状态,利用加速部署期间被动测量收集的IPv6网络流量来形成加速网络状态,通过在地址分布、流量趋势、服务部署、协议探测、安全问题分析等多个标准下进行正常状态和加速部署状态的比较,以深度分析IPv6的加速部署状态。本发明结合主动测量和被动测量完成测量工作并从多个角度综合性地分析IPv6网络状态,通过比较正常状态和加速部署状态能够更有效地发现IPv6加速部署状态的网络状况。

    一种基于梯度的网络流量分类方法及系统

    公开(公告)号:CN115034284A

    公开(公告)日:2022-09-09

    申请号:CN202210403955.6

    申请日:2022-04-18

    IPC分类号: G06K9/62 G06N3/04 G06N3/08

    摘要: 本发明公开了一种基于梯度的网络流量分类方法及系统。本方法为:利用类别标注的网络流量样本集训练用于获取流量特征的深度学习网络;其中,训练方法为:将类别标注的网络流量样本输入所述深度学习网络,得到对应的流量特征;将网络流量样本的标注类别及对应的流量特征分别输入到Rectified‑ArcFace层计算预测损失值,使得类别和流量特征之间的角度间隔最大化;将损失值反向传播优化;将一验证数据集输入训练后的深度学习网络,得到梯度阈值;将待识别网络流量输入深度学习网络,将所得候选类别反向传播并计算Rectified‑ArcFace层网络权重的梯度H,如果H大于梯度阈值,则将待识别网络流量的类别为未知类别。

    基于多任务学习和层次分类的加密流量QoE检测方法及系统

    公开(公告)号:CN113765738A

    公开(公告)日:2021-12-07

    申请号:CN202110872166.2

    申请日:2021-07-30

    摘要: 本发明公开一种基于多任务学习和层次分类的加密流量QoE检测方法及系统,属于计算机软件技术领域,选择将视频流量随着时间达到本地的数据包的数量绘制成流量趋势图,通过对趋势图使用CNN进行自动特征提取来实现加密流量QoE指标的分类,同时利用多任务学习算法和层次分类,联合利用多个QoE指标互相辅助学习,从而可以自动识别出QoE指标中的隐式特征,达到更高的QoE指标分类的准确率,可以很好地应对时间和网络变化产生的流量特征变化,在多个不同的视频流量数据集下均取得了非常好的分类效果。