-
公开(公告)号：CN114117420B
公开(公告)日：2024-05-03
申请号：CN202111409425.4
申请日：2021-11-25
Applicant: 北京邮电大学
IPC: G06F21/55 , G06F18/214 , H04L9/40
Abstract: 本发明公开了一种基于人工免疫学的分布式多主机网络的入侵检测系统，通过哈希算法识别攻击是否已知，来减少特异性免疫的匹配开销；结合多主机信息共享，最终使网络识别更多的攻击；同时采用混沌算法的Logistic回归来更加高效的生成大量随机检测器投入到训练中，拥有更好的随机性；最后通过结合遗传算法的克隆选择算法，在变异的基础上加强交叉的效果，以更好的收敛性去迭代增值克隆匹配性更好、亲和度更高的的检测器，并择优生成，最终以全局最优的方式收敛种群结果，获得对入侵攻击的快速自适应发现能力。本发明相比于传统的其他入侵检测系统，拥有更高的鲁棒性和自适应性，拥有对攻击检测更低的漏检率以及错误率。
-
公开(公告)号：CN114282596A
公开(公告)日：2022-04-05
申请号：CN202111409648.0
申请日：2021-11-25
Applicant: 北京邮电大学
Abstract: 本发明公开了一种基于类明确表示的一分类对抗性诈骗检测方法，采用改进的自编码器和改进的生成对抗网络，包括四个阶段：第一阶段：基于正常行为数据提取初步特征，利用改进后的自编码器提取其数据特征；第二阶段：修改原始生成对抗网络的目标函数得到改进的生成对抗网络，利用改进的生成对抗网络生成伪异常行为数据；第三阶段：将正常用户行为数据和伪异常行为数据输入改进的自编码器中一同训练，用训练完成后的编码器对正常行为数据提取最终特征；第四阶段：用最终提取好的正常行为数据特征对改进的生成对抗网络进行训练，训练完成后得到的判别器作为诈骗检测器对诈骗进行检测。本发明的方法在诈骗检测的准确率和稳定性方面都有显著提高。
-
公开(公告)号：CN114143551A
公开(公告)日：2022-03-04
申请号：CN202111515868.1
申请日：2021-12-01
Applicant: 北京邮电大学
Abstract: 本发明公开了一种应用于视频传感器网络的视频安全高效传输系统，在编码端采用采样率自适应选择和非关键帧自适应采样算法，防止相邻非关键帧之间恢复质量波动过大的问题；采用基于视频帧块的加密算法，能够降低计算复杂度，缩短加解密的时间；还使用混沌系统所产生的混沌序列作为测量矩阵和加密算法的密钥，来提高传输方案的安全性；此外在解码端，采用基于分块压缩感知和深度学习的视频帧恢复网络，当云端服务器接收到最早发送的少量非压缩视频帧时，重构单元会立刻进行快速训练，训练完成后便可用其恢复之后所接收的视频帧；最后在恢复的过程中采用并行恢复算法，在计算资源较为充足的情况下，可大幅提高恢复速度，极大降低实时视频解码时延。
-
公开(公告)号：CN114065193A
公开(公告)日：2022-02-18
申请号：CN202111393890.3
申请日：2021-11-23
Applicant: 北京邮电大学
Abstract: 本发明公开了一种应用于边缘云环境下图像任务的深度学习安全方法，包括以下步骤：对AMP‑Net+模型进行训练，将AMP‑Net+应用于深度学习安全模型的图像重建过程；训练完成后整个AMP‑Net+通过结构化多重哈希映射对网络模型进行压缩减小后部署到边缘云网络设备中；当第三方用户需要获得边缘云上的数据时，第三方用户发出数据请求，通过用户认证后与边缘云建立通信；而后根据数据请求，通过提前部署的网络模型来恢复获得原始数据。本发明引入结构化多重散列方法对训练好的AMP‑Net+网络模型压缩，同时提出了一个新的用户认证和隐私保护安全协议，深度学习安全模型保证在图像任务中边缘云系统安全性的同时，在不影响图像恢复质量的前提下进一步降低了边缘云网络设备的开销。
-
公开(公告)号：CN114282596B
公开(公告)日：2024-12-20
申请号：CN202111409648.0
申请日：2021-11-25
Applicant: 北京邮电大学
IPC: G06F18/2413 , G06F18/214 , G06N3/02
Abstract: 本发明公开了一种基于类明确表示的一分类对抗性诈骗检测方法，采用改进的自编码器和改进的生成对抗网络，包括四个阶段：第一阶段：基于正常行为数据提取初步特征，利用改进后的自编码器提取其数据特征；第二阶段：修改原始生成对抗网络的目标函数得到改进的生成对抗网络，利用改进的生成对抗网络生成伪异常行为数据；第三阶段：将正常用户行为数据和伪异常行为数据输入改进的自编码器中一同训练，用训练完成后的编码器对正常行为数据提取最终特征；第四阶段：用最终提取好的正常行为数据特征对改进的生成对抗网络进行训练，训练完成后得到的判别器作为诈骗检测器对诈骗进行检测。本发明的方法在诈骗检测的准确率和稳定性方面都有显著提高。
-
Patent Agency Ranking
公开(公告)号：CN114418866B
公开(公告)日：2024-08-06
申请号：CN202111410413.3
申请日：2021-11-23
Applicant: 北京邮电大学
Abstract: 本发明公开了一种低采样率下的深度学习图像恢复方法，包括采样步骤和重建步骤，其中，采样部分引入离散小波变换，减少了由于应用单一尺度采样方法所丢失的高频部分内容，提高了方法的图像重建质量。将采样部分的矩阵乘法转换为半张量积的形式，显著减小了采样矩阵的大小，减少了矩阵的存储空间，节约了大量的计算资源。将AMP算法以去噪视角展开到深度卷积网络中，提高了图像的视觉效果和重建速度。在低采样率的条件下，与其他方法相比，本发明方法有着更好的量化指标和重建效果，在存储空间占用和运行时间方面有着优势，获得了更好的视觉效果。
-
公开(公告)号：CN114117420A
公开(公告)日：2022-03-01
申请号：CN202111409425.4
申请日：2021-11-25
Applicant: 北京邮电大学
Abstract: 本发明公开了一种基于人工免疫学的分布式多主机网络的入侵检测系统，通过哈希算法识别攻击是否已知，来减少特异性免疫的匹配开销；结合多主机信息共享，最终使网络识别更多的攻击；同时采用混沌算法的Logistic回归来更加高效的生成大量随机检测器投入到训练中，拥有更好的随机性；最后通过结合遗传算法的克隆选择算法，在变异的基础上加强交叉的效果，以更好的收敛性去迭代增值克隆匹配性更好、亲和度更高的的检测器，并择优生成，最终以全局最优的方式收敛种群结果，获得对入侵攻击的快速自适应发现能力。本发明相比于传统的其他入侵检测系统，拥有更高的鲁棒性和自适应性，拥有对攻击检测更低的漏检率以及错误率。
-
公开(公告)号：CN113852955A
公开(公告)日：2021-12-28
申请号：CN202111114040.5
申请日：2021-09-23
Applicant: 北京邮电大学
Abstract: 本发明公开了一种无线感知网络中安全数据传输与合法节点认证的方法，首先进行网络的初始化进程；在感知节点处用压缩采样网采样与压缩数据，用提前设置好的轻量级Hash算法进行处理，处理后的数据附加在采样压缩的数据后进行同态加密，传送到汇聚节点处；在汇聚节点端，先解密，进行Hash比对，比对成功将数据传送到联合重建网进行信息数据的重建，比对失败丢弃数据，在认证的同时进行每个节点的信誉评估。本发明方法有着更高的效率，处理较大数据时，速率比传统方式快至少5倍，同时很好的实现数据的机密性传输，对于无线感知网络中的点到点数据传输提供了很大的便利，且减少了很多的能量损耗，是一种高效节能的安全数据传输与合法节点认证方案。
-
公开(公告)号：CN114090997B
公开(公告)日：2024-08-27
申请号：CN202111406171.0
申请日：2021-11-24
Applicant: 北京邮电大学
IPC: G06F21/32 , G06F21/60 , G06F21/62 , G06F18/214
Abstract: 本发明公开了一种语音指令进程调度方法及装置，采用的基于用户等级划分的时限声纹认证方案能够为智能计算设备中的关键数据提供进一步的保护，采用语音指令进程调度方案，能够使得用户不再受限于仅通过语音指令操作智能计算设备中的应用程序，而是深入到操作系统内核中，按照用户的意愿执行调度进程的操作，帮助用户接触到了底层的运行逻辑。本发明提出的语音指令进程调度方法及装置，为语音指令控制智能计算设备提供了一种新的控制应用方案，使得用户能够通过语音指令控制操作系统内核的进程调度。同时，通过对语音指令发出者进行更加细致的权限划分，并采用时限声纹认证的限制，提升了进程调度方案中的安全性。
-
公开(公告)号：CN114065193B
公开(公告)日：2024-05-07
申请号：CN202111393890.3
申请日：2021-11-23
Applicant: 北京邮电大学
IPC: G06F21/55 , G06F21/62 , G06N3/0464 , G06N3/08 , G06F9/50
Abstract: 本发明公开了一种应用于边缘云环境下图像任务的深度学习安全方法，包括以下步骤：对AMP‑Net+模型进行训练，将AMP‑Net+应用于深度学习安全模型的图像重建过程；训练完成后整个AMP‑Net+通过结构化多重哈希映射对网络模型进行压缩减小后部署到边缘云网络设备中；当第三方用户需要获得边缘云上的数据时，第三方用户发出数据请求，通过用户认证后与边缘云建立通信；而后根据数据请求，通过提前部署的网络模型来恢复获得原始数据。本发明引入结构化多重散列方法对训练好的AMP‑Net+网络模型压缩，同时提出了一个新的用户认证和隐私保护安全协议，深度学习安全模型保证在图像任务中边缘云系统安全性的同时，在不影响图像恢复质量的前提下进一步降低了边缘云网络设备的开销。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.023 seconds)
