-
公开(公告)号：CN118018208A
公开(公告)日：2024-05-10
申请号：CN202410093320.X
申请日：2024-01-23
Applicant: 北京理工大学
Abstract: 本发明涉及一种基于区块链的无证书可搜索云数据完整性审计方法，属于区块链数据安全保护技术领域。首先，密钥生成中心为用户生成身份密钥和标签。由数据拥有者生成自己的私钥，并为要存储的文件生成索引，然后为数据生成标签。之后，数据拥有者通过智能合约将文件的基本信息上传到区块链上，将索引相关信息上传到区块链上。数据拥有者生成一个用于搜索匹配的陷门，并通过智能合约将陷门上传到区块链上。数据拥有者生成挑战信息，由云服务器生成证明挑战数据完整的信息。最后云服务器对自己生成的证明信息进行验证。本发明提升了审计的透明性，增加了审计结果的可靠性，扩大了数据完整性的审计的灵活性，减少了证书的管理开销和密钥的管理开销。
-
公开(公告)号：CN116523490A
公开(公告)日：2023-08-01
申请号：CN202310216213.7
申请日：2023-03-02
Applicant: 北京理工大学
IPC: G06Q10/20 , G06Q30/018
Abstract: 本发明公开了一种分析延长设备保修期的智能化系统，属于计算机与智能制造技术领域。系统包括设备基本配置模块、保修期延长情况分析模块、获利情况分析模块、用户维护意愿估计模块、设备使用状态估计模块、设备维护情况检测模块。将设备备件划分为可检测备件和不可检测备件，利用智能传感器对可检测备件的持续性监测，构建设备的老化模型。通过构建设备老化状态、设备的老化状态、设备维护情况、设备使用状态、用户维护意愿模型，分析生产企业保修期内的获利情况，智能得出保修期延长的合理设置方式，据此动态调整设备保修期，能够根据用户对设备保养的重视程度测算保修期的延长情况，能够令生产企业和用户获取最大收益。
-
公开(公告)号：CN113222120B
公开(公告)日：2022-09-16
申请号：CN202110599745.4
申请日：2021-05-31
Applicant: 北京理工大学
Abstract: 本发明涉及一种基于离散傅立叶变换的神经网络后门注入方法，属于深度学习安全技术领域。该方法首先将训练数据集分为干净数据集Dclean和投毒数据集Dpoisoned；然后对Dpoisoned中每一个(图像，标签)对中的图像通过DFT变换到频域空间，在频域图像上添加预设的频域后门触发器，再通过IDFT变换转换回空域生成恶意图像，同时修改该恶意图像的标签为攻击者指定的目标，以生成后门数据集Dpoisoned；将Dpoisoned与Dclean混合对原始图像分类器进行重训练后生成对应的后门模型。对比现有技术，通过在频域图像上添加后门触发器，使得重训练的后门模型在保证干净样本准确率以及攻击成功率的前提下，大幅度提高了后门图像的隐蔽性，从而实现隐蔽型神经网络后门注入。
-
公开(公告)号：CN112287645B
公开(公告)日：2022-07-26
申请号：CN202011241218.8
申请日：2020-11-09
Applicant: 北京理工大学
IPC: G06F40/166 , G06N3/08
Abstract: 本发明涉及一种基于生成式对抗网络的恶意PDF文档生成方法，属于数据存储安全技术领域。本方法，针对PDF恶意代码检测日益困难的技术问题，利用生成式对抗网络使用恶意PDF文件进行训练，能得到一个恶意PDF文件生成器，本方法可以在短时间内大量生成可逃避检测器检测的恶意PDF文件，节省了时间成本，加快对恶意PDF文档对抗样本的研究，从而促进PDF检测器的发展。
-
公开(公告)号：CN114692728A
公开(公告)日：2022-07-01
申请号：CN202210225312.7
申请日：2022-03-09
Applicant: 北京理工大学
Abstract: 本发明涉及一种面向替代模型的分类边界敏感的数据增广方法，属于数据集增广、替代模型构建技术领域。包括如下步骤：步骤一：超参数设定；步骤二：初始参数设定；步骤三：在黑盒模型上查询得到数据集Sρ对应的置信度集O(Sρ)；步骤四：更新训练集；步骤五：替代训练；步骤六：终止条件判别；步骤七：数据增广；步骤八：更新ρ。对比现有的替代模型数据增广方法，在相同查询次数的条件下，本发明生成的替代模型的精度有了很大提升，为黑盒模型的靶向攻击提高了成功率；本发明能够充分利用黑盒模型的查询次数，最大化地拟合黑盒模型的分类边界，提升对抗样本在替代模型与黑盒模型间的可转移性。
-
Patent Agency Ranking
公开(公告)号：CN113221388B
公开(公告)日：2022-06-28
申请号：CN202110669413.9
申请日：2021-06-17
Applicant: 北京理工大学
IPC: G06F30/20 , G06N3/04 , G06N3/08 , G06F111/04
Abstract: 本发明涉及一种视觉感知扰动约束的黑盒深度模型对抗样本生成方法，属于深度学习安全技术领域，解决现有技术中使用Lp范数约束生成的对抗样本在具有防御功能的黑盒环境下存在成功率较低和转移性较差等不足。本发明利用感知相似性来生成对抗样本，并与现有攻击结合，产生一种新的对抗攻击策略。本发明生成的对抗样本，可以通过与人类感知相同的方式扰乱图像。本发明的对抗攻击策略，能够产生更大的扰动，但仍然对人类眼睛是隐形的。由于更大的扰动意味着对抗样本更有效，因此，本发明生成的对抗样本能够以更高的成功率攻击深度学习模型，能够以更高的置信度从一种计算机视觉任务转移到另一种计算机视觉任务中，完全克服了现有技术的缺陷。
-
公开(公告)号：CN114218571A
公开(公告)日：2022-03-22
申请号：CN202111383202.5
申请日：2021-11-22
Abstract: 本发明涉及一种基于Token源码表示的Android恶意代码检测方法，属于深度学习安全技术领域。本方法将传统的基于深度学习的Android恶意代码检测问题转换为源码分类问题，将Android文件反编译成java源代码，结合自然语言处理技术将源码表示成token序列的形式，最终利用深度学习模型进行源码分类，从而达到了Android恶意代码检测的目的。对比现有技术，本方法提取了更高层次的源码特征，并且利用自然语言处理技术进行特征表示，具有更高的检测效率。本发明使用源码特征，保留了更多的敏感信息，提高了模型的检测准确率，结合自然语言处理技术进行源码分类。
-
公开(公告)号：CN113591082A
公开(公告)日：2021-11-02
申请号：CN202110782324.5
申请日：2021-07-12
Abstract: 本发明涉及一种基于文本分类的Android混合特征恶意代码分类方法，属于深度学习安全技术领域。本方法，首次将传统的Android恶意代码分类问题转换为文本分类问题，通过获取所需要的静态特征和动态特征，并以报告的形式进行存储，使用文本分类模型进行处理，达到了Android恶意样本分类的目的。对比现有技术，本方法大大省去了复杂的特征工程，如特征选取等。本发明使用混合特征，提高了模型的检测准确率，同时可以规避恶意样本代码混淆等逃逸方法。本发明以文本报告的形式对样本的特征进行了保存，可以扩展对具体样本的分析。本发明处理方便快捷，可迁移性高。
-
公开(公告)号：CN113159317A
公开(公告)日：2021-07-23
申请号：CN202110435216.0
申请日：2021-04-22
Applicant: 北京理工大学
Abstract: 本发明涉及一种基于动态残差侵蚀的对抗样本生成方法，属于深度学习安全技术领域，主要用于解决现有技术对于提升对抗样本转移性效果甚微，攻击未知黑盒模型成功率低等技术问题。本发明通过动态侵蚀残差网络模型的残差块结构反向传播时的梯度(EGM)信息，达到生成对抗样本时的梯度多样性。同时，提出了一种新的Corrasion Attack攻击方法并与EGM侵蚀机制相结合，能够大幅度提升对抗样本的转移性，提升了攻击成功率。
-
公开(公告)号：CN112287645A
公开(公告)日：2021-01-29
申请号：CN202011241218.8
申请日：2020-11-09
Applicant: 北京理工大学
IPC: G06F40/166 , G06N3/08
Abstract: 本发明涉及一种基于生成式对抗网络的恶意PDF文档生成方法，属于数据存储安全技术领域。本方法，针对PDF恶意代码检测日益困难的技术问题，利用生成式对抗网络使用恶意PDF文件进行训练，能得到一个恶意PDF文件生成器，本方法可以在短时间内大量生成可逃避检测器检测的恶意PDF文件，节省了时间成本，加快对恶意PDF文档对抗样本的研究，从而促进PDF检测器的发展。
-
-
-
-
-
-
-
-
-
Search Results
112
records
(took 0.032 seconds)
