-
公开(公告)号：CN108123962A
公开(公告)日：2018-06-05
申请号：CN201810055240.X
申请日：2018-01-19
Applicant: 北京理工大学
CPC classification number: H04L63/1433 , H04L41/14 , H04L63/1441 , H04L63/20
Abstract: 本发明涉及一种利用Spark实现BFS算法生成攻击图的方法，属于信息安全技术领域。具体操作步骤为：步骤一、获取网络结构。步骤二、获取网络系统中各主机中存在的漏洞，建立主机漏洞信息表。步骤三、通过宽度优先搜索(BFS)算法，对主机权限进行更新。步骤四、绘制攻击图。本发明提出的利用Spark实现BFS算法生成攻击图的方法与已有技术相比较，具有以下优点：①本发明采用宽度优先搜索(BFS)算法,减少遍历节点所需的时间；②每个BFS节点进行分布式计算，减少进行分布式所需传输的数据大小，使得算法的时间复杂度下降。③本发明利用Spark引擎的多集群进行分布式运算，提高数倍速度；④本发明方法不需要拆分网络结构，生成的攻击路径更加全面，没有疏漏。
-
公开(公告)号：CN108111535A
公开(公告)日：2018-06-01
申请号：CN201810031551.2
申请日：2018-01-12
Applicant: 北京理工大学
IPC: H04L29/06
CPC classification number: H04L63/1433 , H04L63/20
Abstract: 本发明涉及一种基于改进的蒙特卡洛算法的最优攻击路径规划方法，属于信息安全技术领域。具体操作步骤为：步骤一、获取网络系统状态信息。步骤二、通过改进的蒙特卡洛算法，获取最优攻击路径。本发明提出的基于改进蒙特卡洛算法的最佳攻击路径规划方法与已有技术相比较，具有以下优点：①基于权向量的评估值计算避免了路径丢失问题。②算法空间复杂度降低。
-
公开(公告)号：CN107347069A
公开(公告)日：2017-11-14
申请号：CN201710556626.4
申请日：2017-07-10
Applicant: 北京理工大学
IPC: H04L29/06 , H04L12/721 , H04L12/751 , H04L12/24
CPC classification number: H04L63/1433 , H04L41/145 , H04L41/147 , H04L45/02 , H04L45/123
Abstract: 本发明涉及一种基于Kohonen神经网络的最佳攻击路径规划方法，属于信息安全技术领域。具体操作步骤为：步骤一、获取网络结构。步骤二、收集网络系统中主机及漏洞信息。步骤三、建立Kohonen神经网络模型。步骤四、训练Kohonen神经网络模型，得到训练好的Kohonen神经网络模型。步骤五、使用训练好的Kohonen神经网络模型，对实验数据进行预测，得到输出向量Ym。步骤六、构造K-攻击图。步骤七、根据K-攻击图构造概率矩阵以及最佳原子攻击矩阵。步骤八、得到最佳攻击路径。本发明提出的基于Kohonen神经网络的攻击路径规划方法与已有技术相比较，具有以下优点：①生成的攻击图只保留最可能的攻击节点，避免了状态爆炸问题。②泛化性能强。③最优攻击路径生成速度快。
-
公开(公告)号：CN107273752A
公开(公告)日：2017-10-20
申请号：CN201710495331.0
申请日：2017-06-26
Applicant: 北京理工大学
Abstract: 本发明涉及一种基于词频统计和朴素贝叶斯融合模型的漏洞自动分类方法，属于信息安全技术领域。具体操作为：步骤一、构建一个漏洞数据库，收集漏洞记录。步骤二、确定特权集类别。步骤三、训练词频-逆向文件频率分类器。步骤四、测试词频-逆向文件频率分类器分类结果和准确率。步骤五、建立朴素贝叶斯分类器。步骤六、测试朴素贝叶斯分类器分类结果和准确率。步骤七、分类器融合。本发明提出的支持漏洞关联性挖掘的漏洞自动分类法与已有方法相比较，其优点是：本发明方法不仅利用了漏洞数据库中“漏洞描述”字段，同时考虑了漏洞的“可用性评分”、“影响性评分”等属性对漏洞关联性的影响，分类准确率得到大幅提高。
-
公开(公告)号：CN103400145B
公开(公告)日：2016-08-10
申请号：CN201310304011.4
申请日：2013-07-19
Applicant: 北京理工大学
Abstract: 本发明提出的一种基于线索神经网络的语音?视觉融合情感识别方法，属于自动情感识别领域。其基本思想是：首先，分别使用人的正面脸部表情、侧面脸部表情和语音三个通道的特征数据，独立地训练一个神经网络来执行离散的情感类别的识别，训练过程中神经网络模型中的输出层加入4个线索(hint)节点，分别承载活跃度?评价度（activation?evaluation）空间中的4个粗粒度类别的线索(hint)信息。在线索信息的帮助下，神经网络权重的学习会产生更优的特征选择。然后，使用多模态融合模型对三个神经网络的输出结果进行融合，多模态融合模型也采用基于线索信息训练的神经网络。该方法具有较低的计算量，识别率高且鲁棒性好。对于训练数据较少的情况，效果更加明显。
-
Patent Agency Ranking
公开(公告)号：CN102930298B
公开(公告)日：2015-04-29
申请号：CN201210459172.6
申请日：2012-11-15
Applicant: 北京理工大学
Abstract: 本发明提出的一种基于多层增强HMM（MBHMM）的语音-视觉融合的情感识别方法，属于自动情感识别领域。本发明方法中提出的MBHMM分类器包括3层整体分类器，每层整体分类器由从左向右的多个连续型HMM分量分类器组合而成。使用情绪视频中的语音、脸部表情、肩部运动三种特征流分别作为3层整体分类器的输入，在训练整体分类器时通过AdaBoost方法不断更新各样本的权重，同时通过AdaBoost方法确保在使用某一特征流训练当前层整体分类器时着重于前一特征流的整体分类器难于识别的样本。本发明方法与已有识别方法相比较明显提高了分类的准确度。
-
公开(公告)号：CN102819744B
公开(公告)日：2014-09-10
申请号：CN201210225169.8
申请日：2012-06-29
Applicant: 北京理工大学
CPC classification number: G06K9/6289 , G06K9/00302 , G06K9/6296 , G10L17/26 , G10L25/63
Abstract: 本发明提出的一种双通道信息融合的情感识别方法，属于自动情感识别领域。其基本思想是：从情感视频数据中提取脸部表情和语音特征数据；然后使用脸部表情特征数据初始化Boltzmann拉链中慢链的可见节点的状态值；使用语音特征数据初始化Boltzmann拉链中快链的可见节点的状态值，对BOLTZMANN拉链进行训练；使用训练好的BOLTZMANN拉链识别情感视频的情感类别。本发明使用Boltzmann拉链来融合紧密耦合的语音-视觉模态，有效利用了两个通道的内在关联，解决了两个通道数据不同的时间尺度问题，并在训练过程中避免了局部能量极小，实验结果证明了该方法的高准确率和有效性。
-
公开(公告)号：CN101572711B
公开(公告)日：2012-10-10
申请号：CN200910086193.6
申请日：2009-06-08
Applicant: 北京理工大学
Abstract: 本发明涉及一种基于网络的反弹端口型木马的检测方法，属于网络信息安全技术领域。本发明通过捕获网络数据包，并利用这些数据进行时间特征、应用层协议以及数据内容的分析，判断对应主机是否中反弹端口型木马。本发明能够在一定程度上有效检测出采用进程隐藏、文件隐藏、服务隐藏等技术的反弹端口型木马，并且不需要在主机上安装任何代理软件或模块，因此完全适用于对主机上安装木马查杀工具有限制的情况。
-
公开(公告)号：CN102004549A
公开(公告)日：2011-04-06
申请号：CN201010558253.2
申请日：2010-11-22
Applicant: 北京理工大学
Abstract: 一种自动唇语识别系统，包括：头戴式摄像头、人机交互模块、唇部轮廓定位模块、几何向量获取模块、运动向量获取模块、特征矩阵构造模块、变换矩阵T获取模块、转换特征矩阵获取模块、存储器A、存储器B、典型相关判别分析模块。头戴式摄像头用来录制汉字发音图像序列，通过人机交互模块传输至唇部轮廓定位模块，其使用卷积虚拟静电场Snake模型从中检测及跟踪唇部轮廓；几何向量获取模块和运动向量获取模块从唇部轮廓中分别提取出几何和运动特征，并将它们联合起来作为典型相关判别分析模块的输入特征矩阵；典型相关判别分析模块计算特征矩阵间的相似度，处理后获取识别结果。本发明系统与已有唇语识别系统相比较，具有更高的识别准确率。
-
公开(公告)号：CN109299741B
公开(公告)日：2022-03-04
申请号：CN201811146113.7
申请日：2018-09-29
Applicant: 北京理工大学
IPC: G06V10/764 , G06V10/774 , G06K9/62 , H04L9/40
Abstract: 本发明涉及一种基于多层检测的网络攻击类型识别方法，属于信息安全技术领域。具体操作步骤为：步骤一、获取原始训练数据，并做预处理。步骤二、构建集成分类模型。步骤三、训练集成分类模型。步骤四、对测试数据进行预处理。步骤五、对测试数据进行分类。本专利提出的一种基于多层检测的网络攻击类型识别方法与已有技术相比较，有如下有点：①采用smote算法对少数样本升采样，对多数样本降采样，解决数据集样本不平衡问题。②采用集成模型，提高了检测的精确率与召回率。③将果蝇优化算法FOA与支持向量机SVM结合，实现SVM中参数C和gamma的最优和自适应选择。
-
-
-
-
-
-
-
-
-
Search Results
37
records
(took 0.032 seconds)
