-
公开(公告)号：CN119545365B
公开(公告)日：2025-05-02
申请号：CN202510089364.X
申请日：2025-01-20
Applicant: 北京理工大学
Abstract: 本发明涉及卫星通信和区块链技术领域，特别涉及一种智能频谱预测与卫星终端接入配置方法，方法包括：利用卫星终端与用户设备建立连接，并利用卫星链路建立用户设备与区块链之间的连接；获取用户设备的频谱使用数据，并将频谱使用数据保存至区块链，其中，区块链中设置目标频谱预测模型，目标频谱预测模型由历史频谱使用数据训练得到；若频谱使用数据满足预设的智能合约触发条件，则调用目标频谱预测模型进行频谱预测，得到频谱预测结果，以基于频谱预测结果分配频谱资源。由此，解决了现有技术在频谱管理和利用方面，缺乏动态调整能力难以满足现代无线通信系统中不断增长的频谱需求等问题，保障了系统的连续性和可靠性。
-
公开(公告)号：CN118890103B
公开(公告)日：2024-12-24
申请号：CN202411376947.2
申请日：2024-09-29
Applicant: 北京理工大学
Abstract: 本申请涉及无线通信技术领域，特别涉及一种基于大模型的对抗扰动生成方法，其中，方法包括：利用大模型将电磁信号与满足预设条件的模态数据进行组合，得到多模态电磁信号数据；基于多模态电磁信号数据与显著图的电磁信号对抗样本生成对抗扰动信号；按照预设调制方式对原始电磁信号进行信号调制，并将第一调制后的信号与对抗扰动信号进行组合，得到满足预设抗干扰条件的传输信号；对传输信号进行对抗扰动去除处理，并对第二调制后的信号进行解调，得到解调结果，以根据解调结果得到大模型的原始数据。由此，解决了相关技术使用的处理电磁信号的对抗扰动算法仅针对单一模态数据，且其自适应性较差，面对复杂的电磁干扰其抵抗效果较差等问题。
-
公开(公告)号：CN119149801A
公开(公告)日：2024-12-17
申请号：CN202411377020.0
申请日：2024-09-29
Applicant: 北京理工大学
IPC: G06F16/951 , G06F40/166 , G06F40/284 , G06N20/00 , G06F16/31 , G06F16/335 , G06F21/56
Abstract: 本发明涉及网络安全技术领域，特别涉及一种基于大模型对抗恶意蜘蛛池的方法，其中，方法包括：基于爬虫在当前工作周期下返回的当前网页得到当前网页数据包的所有长尾关键词，输入预先训练的语义大模型得到当前网页数据包的所有目标关键词，由此检测当前网页是否满足预设相似条件，在满足预设相似条件的情况下，判定爬虫处于恶意蜘蛛池，并停止爬虫在当前网页的爬取。本发明实施例可以利用预训练大模型提取当前页面所有长尾关键词的对应的目标关键词，并构建网页特征向量，检测当前网页和先前网页的关键词相似程度，从而精准识别长尾关键词，以判断未知网页的相似性，快速诊断困入蜘蛛池的爬虫，保障了网络搜索的高效性和安全性，更加实用。
-
Patent Agency Ranking
公开(公告)号：CN119149801B
公开(公告)日：2025-01-24
申请号：CN202411377020.0
申请日：2024-09-29
Applicant: 北京理工大学
IPC: G06F16/951 , G06F40/166 , G06F40/284 , G06N20/00 , G06F16/31 , G06F16/335 , G06F21/56
Abstract: 本发明涉及网络安全技术领域，特别涉及一种基于大模型对抗恶意蜘蛛池的方法，其中，方法包括：基于爬虫在当前工作周期下返回的当前网页得到当前网页数据包的所有长尾关键词，输入预先训练的语义大模型得到当前网页数据包的所有目标关键词，由此检测当前网页是否满足预设相似条件，在满足预设相似条件的情况下，判定爬虫处于恶意蜘蛛池，并停止爬虫在当前网页的爬取。本发明实施例可以利用预训练大模型提取当前页面所有长尾关键词的对应的目标关键词，并构建网页特征向量，检测当前网页和先前网页的关键词相似程度，从而精准识别长尾关键词，以判断未知网页的相似性，快速诊断困入蜘蛛池的爬虫，保障了网络搜索的高效性和安全性，更加实用。
-
公开(公告)号：CN119545365A
公开(公告)日：2025-02-28
申请号：CN202510089364.X
申请日：2025-01-20
Applicant: 北京理工大学
Abstract: 本发明涉及卫星通信和区块链技术领域，特别涉及一种智能频谱预测与卫星终端接入配置方法，方法包括：利用卫星终端与用户设备建立连接，并利用卫星链路建立用户设备与区块链之间的连接；获取用户设备的频谱使用数据，并将频谱使用数据保存至区块链，其中，区块链中设置目标频谱预测模型，目标频谱预测模型由历史频谱使用数据训练得到；若频谱使用数据满足预设的智能合约触发条件，则调用目标频谱预测模型进行频谱预测，得到频谱预测结果，以基于频谱预测结果分配频谱资源。由此，解决了现有技术在频谱管理和利用方面，缺乏动态调整能力难以满足现代无线通信系统中不断增长的频谱需求等问题，保障了系统的连续性和可靠性。
-
公开(公告)号：CN119172154B
公开(公告)日：2025-02-18
申请号：CN202411376744.3
申请日：2024-09-29
Applicant: 北京理工大学
IPC: H04L9/40 , G06N3/0464 , G06N3/0442 , G06N3/0499 , G06N3/08
Abstract: 本发明涉及网络攻防技术领域，特别涉及一种基于深度学习的DDoS攻击流量检测方法，方法包括：解析终端设备发送的当前数据流得到多个数据包的特征序列；基于多个数据包的特征序列组成时序特征矩阵输入至目标深度学习模型进行流量检测，得到模型检测结果，其中，目标深度学习模型由对初始深度学习模型训练得到；若模型检测结果为DDoS攻击流量，则终端设备发送警报信息至显示界面，若终端设备接收到用户的DDoS攻击流量为正常流量的的确认指示，则判定DDoS攻击流量为正常流量，并自修正目标深度学习模型的参数，若终端设备接收到用户的DDoS攻击流量为非正常流量的确认指示，则判定DDoS攻击流量为非正常流量。
-
公开(公告)号：CN119172154A
公开(公告)日：2024-12-20
申请号：CN202411376744.3
申请日：2024-09-29
Applicant: 北京理工大学
IPC: H04L9/40 , G06N3/0464 , G06N3/0442 , G06N3/0499 , G06N3/08
Abstract: 本发明涉及网络攻防技术领域，特别涉及一种基于深度学习的DDoS攻击流量检测方法，方法包括：解析终端设备发送的当前数据流得到多个数据包的特征序列；基于多个数据包的特征序列组成时序特征矩阵输入至目标深度学习模型进行流量检测，得到模型检测结果，其中，目标深度学习模型由对初始深度学习模型训练得到；若模型检测结果为DDoS攻击流量，则终端设备发送警报信息至显示界面，若终端设备接收到用户的DDoS攻击流量为正常流量的的确认指示，则判定DDoS攻击流量为正常流量，并自修正目标深度学习模型的参数，若终端设备接收到用户的DDoS攻击流量为非正常流量的确认指示，则判定DDoS攻击流量为非正常流量。
-
公开(公告)号：CN118890103A
公开(公告)日：2024-11-01
申请号：CN202411376947.2
申请日：2024-09-29
Applicant: 北京理工大学
Abstract: 本申请涉及无线通信技术领域，特别涉及一种基于大模型的对抗扰动生成方法，其中，方法包括：利用大模型将电磁信号与满足预设条件的模态数据进行组合，得到多模态电磁信号数据；基于多模态电磁信号数据与显著图的电磁信号对抗样本生成对抗扰动信号；按照预设调制方式对原始电磁信号进行信号调制，并将第一调制后的信号与对抗扰动信号进行组合，得到满足预设抗干扰条件的传输信号；对传输信号进行对抗扰动去除处理，并对第二调制后的信号进行解调，得到解调结果，以根据解调结果得到大模型的原始数据。由此，解决了相关技术使用的处理电磁信号的对抗扰动算法仅针对单一模态数据，且其自适应性较差，面对复杂的电磁干扰其抵抗效果较差等问题。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.019 seconds)
