-
公开(公告)号：CN114579979A
公开(公告)日：2022-06-03
申请号：CN202210200134.2
申请日：2022-03-02
Applicant: 北京工业大学
IPC: G06F21/57 , G06F16/958
Abstract: 本发明公开了一种跨站脚本漏洞的检测方法和系统，属于漏洞检测技术领域，所述检测方法包括：获取待检测网址；获取待检测网址页面中的网址，获得网址集合；对所述网址集合进行聚类，获得一个或多个类簇；从所述类簇中选择一个或多个网址，获得第一网址；采用攻击向量对所述第一网址进行检测。通过对网址集合进行聚类，将相似度较高的网址作为同一类簇；同一类簇的结构相似、且属性相似度高，采用其中一个或多个网址进行漏洞检测，缩小了XSS漏洞检测的范围，避免同类网址或页面进行重复检测，从而提高漏洞检测效率。
-
Patent Agency Ranking
公开(公告)号：CN114519187B
公开(公告)日：2024-11-26
申请号：CN202210147263.X
申请日：2022-02-17
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于多维度混合特征的Android恶意应用检测方法及系统，方法包括：获取Android应用数据集，获取对应Android应用的静态特征集合；利用N‑gram模型对静态特征集合进行处理，生成N‑gram操作码特征；利用特征选择算法FB‑SAGA，采用基于频繁度的适应度函数对N‑gram操作码特征进行筛选；将筛选得到的特征与预设的敏感权限数据库和敏感API数据库进行比对，并与N‑gram操作码特征生成特征矩阵；将特征矩阵输入已训练完成的机器学习分类模型中进行判别，判定当前Android应用是否为恶意应用。通过本发明的技术方案，提高了Android恶意应用检测的分类准确率和分类效率，有效提高对未知应用的检测能力。
-
公开(公告)号：CN114519091A
公开(公告)日：2022-05-20
申请号：CN202210146150.8
申请日：2022-02-17
Applicant: 北京工业大学
IPC: G06F16/33 , G06F16/35 , G06F16/36 , G06K9/62 , G06N3/04 , G06N3/08 , G06F16/951 , G06F40/216 , G06F40/242 , G06F40/289
Abstract: 本发明公开了一种基于购物评论的人格特质分析方法及系统，方法包括：获取评论数据构建评论样本数据集，并进行分词及标注，得到实验数据集；将实验数据集向量化后输入LSTM网络模型，得到情感倾向；通过SC‑LIWC词典提取的关键词计算与每个人格维度的皮尔逊相关系数；将实验数据集的特征结合皮尔逊相关系数和情感倾向，输入以KNN、NB和SVM共同构建的人格特质分析融合模型进行训练；针对所需分析的评论数据进行文本特征及情感特征提取，通过LSTM网络模型得到情感倾向量化值，并输入人格特质分析融合模型，输出多标签的人格特质属性。通过本发明的技术方案，实现了对评论数据的情感倾向量化及人格特质分类，为个性推荐提供支持。
-
公开(公告)号：CN114519187A
公开(公告)日：2022-05-20
申请号：CN202210147263.X
申请日：2022-02-17
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于多维度混合特征的Android恶意应用检测方法及系统，方法包括：获取Android应用数据集，获取对应Android应用的静态特征集合；利用N‑gram模型对静态特征集合进行处理，生成N‑gram操作码特征；利用特征选择算法FB‑SAGA，采用基于频繁度的适应度函数对N‑gram操作码特征进行筛选；将筛选得到的特征与预设的敏感权限数据库和敏感API数据库进行比对，并与N‑gram操作码特征生成特征矩阵；将特征矩阵输入已训练完成的机器学习分类模型中进行判别，判定当前Android应用是否为恶意应用。通过本发明的技术方案，提高了Android恶意应用检测的分类准确率和分类效率，有效提高对未知应用的检测能力。
-
公开(公告)号：CN114519091B
公开(公告)日：2024-04-30
申请号：CN202210146150.8
申请日：2022-02-17
Applicant: 北京工业大学
IPC: G06F16/33 , G06F16/35 , G06F16/36 , G06F18/25 , G06F18/24 , G06N3/0442 , G06N3/048 , G06N3/08 , G06F16/951 , G06F40/216 , G06F40/242 , G06F40/289
Abstract: 本发明公开了一种基于购物评论的人格特质分析方法及系统，方法包括：获取评论数据构建评论样本数据集，并进行分词及标注，得到实验数据集；将实验数据集向量化后输入LSTM网络模型，得到情感倾向；通过SC‑LIWC词典提取的关键词计算与每个人格维度的皮尔逊相关系数；将实验数据集的特征结合皮尔逊相关系数和情感倾向，输入以KNN、NB和SVM共同构建的人格特质分析融合模型进行训练；针对所需分析的评论数据进行文本特征及情感特征提取，通过LSTM网络模型得到情感倾向量化值，并输入人格特质分析融合模型，输出多标签的人格特质属性。通过本发明的技术方案，实现了对评论数据的情感倾向量化及人格特质分类，为个性推荐提供支持。
-
公开(公告)号：CN114501312A
公开(公告)日：2022-05-13
申请号：CN202210147264.4
申请日：2022-02-17
Applicant: 北京工业大学
Abstract: 本发明公开了一种融合WIFI和PDR定位技术的室内定位方法及系统，方法包括：在起始时刻t0获取待测目标的WIFI定位结果，并作为PDR定位技术的起始位置；获取t0至中间时刻t1的传感器数据，得到t1的PDR定位结果，并获取t1的WIFI定位结果；判断t1的PDR定位结果与WIFI定位结果之间的误差是否超过预设阈值；若超过，则获取t0至终止时刻tr的传感器数据，得到tr的PDR定位结果；若未超过，则以t1的WIFI定位结果对应位置重置为PDR定位技术的起始位置，获取t1至tr的传感器数据，得到tr的PDR定位结果。通过本发明的技术方案，提高了室内定位的精度和稳定性，降低了室内定位的成本。
-
-
-
-
-
Search Results
6
records
(took 0.019 seconds)
