-
公开(公告)号：CN118823646A
公开(公告)日：2024-10-22
申请号：CN202410973422.0
申请日：2024-07-19
Applicant: 南京国电南自轨道交通工程有限公司 , 南京信息工程大学
IPC: G06V20/40 , G06V20/52 , G06V10/774 , G06V10/82 , G06N3/0475 , G06N3/0455 , G06N3/094 , G06N3/0895
Abstract: 本发明公开了一种基于对抗训练技术的地铁场景异常行为检测方法，属于视频检测领域，包括步骤1：构建基准数据集：从地铁站监控系统中收集实时视频数据，利用自动化视频分析技术进行初步处理；步骤2：基准数据集预处理：对基准数据集中的正常行为样本进行预处理，提高数据质量为模型训练准备数据；步骤3：生成异常行为虚拟样本：基于生成对抗网络，通过对抗训练方法，生成异常行为的虚拟样本；步骤4：半监督异常行为检测模型训练：结合真实的正常行为样本和通过生成对抗网络生成的异常行为虚拟样本，训练半监督的异常行为检测模型。
-
公开(公告)号：CN118097028A
公开(公告)日：2024-05-28
申请号：CN202410473110.3
申请日：2024-04-19
Applicant: 南京国电南自轨道交通工程有限公司 , 南京信息工程大学
Abstract: 本发明公开了一种基于增强现实的地铁场景异常行为图像样本生成方法，属于图像处理领域，具体包括步骤1、场景三维重建模块通过深度估计算法和基于目标检测的平面检测算法对地铁站监控视频进行处理，获取地铁场景的深度图和地面平面；步骤2、场景光照估计模块通过光照估计算法分析地铁站监控视频，获取地铁场景的光照情况；步骤3、虚拟人员生成模块通过图像处理技术和SMPL人体模型实现虚拟人员的生成；步骤4、异常行为生成模块通过扩散模型实现在地铁场景中虚拟人员违规操作与异常行为的生成；步骤5、合成数据生成模块通过Blender三维建模软件将虚拟人员导入并注册至复原的地铁场景中，最后对场景进行渲染，生成最终的合成数据。
-
公开(公告)号：CN118097564A
公开(公告)日：2024-05-28
申请号：CN202410473111.8
申请日：2024-04-19
Applicant: 南京国电南自轨道交通工程有限公司 , 南京信息工程大学
IPC: G06V20/52 , G06V10/774 , G06T19/00
Abstract: 本发明设计了一种基于虚拟现实技术的地铁场景图像样本仿真构建方法。这种方法利用虚拟现实技术创建合成的地铁站场景图像，包括模拟行人的外观、姿态、动作等各种变化。通过这种方式，可以生成大量具有多样性和复杂性的图像样本，以用于训练和测试行人物体目标检测算法。这种方法的优势在于，它克服了真实数据集受限的问题，提供了更丰富的数据样本，有助于提高目标检测算法在地铁站场景中的准确性和鲁棒性。通过虚拟现实技术，研究人员可以精确控制场景的各个方面，从而更好地满足算法训练的需求。这对于加强地铁站安全监控系统等领域的人体检测技术具有积极的推动作用。
-
公开(公告)号：CN118551946B
公开(公告)日：2024-10-11
申请号：CN202411022230.8
申请日：2024-07-29
Applicant: 南京信息工程大学
IPC: G06Q10/063 , G06Q50/40 , G06N7/01
Abstract: 本发明提供了一种基于随机采样和贝叶斯分析的多线路间票款清分方法，包括：读取OD记录信息和行车信息储存到数据库中；生成存在多种换乘方式的OD对的出行链集合；筛选出选定窗口时间内的OD记录，对旅行时间进行万分位统计，约减出行链集合；给定OD记录后，随机采样取得走行时间，得到在特定出行链下的单次出站时间；使用蒙特卡洛方法对走行时间随机采样重复上一步取得出行链下的出站时间，得到出站时间在所有出行链上的频率估计，计算出行链在给定进站时间下的条件概率；将贡献率与条件概率结合获得交易票款对线路间的分配。本发明在无需在车站部署WIFI探针或者监控追踪乘客出行链的情况下，提供了一种经济有效的票款清分方法。
-
公开(公告)号：CN115190032A
公开(公告)日：2022-10-14
申请号：CN202211101740.5
申请日：2022-09-09
Applicant: 南京信息工程大学
IPC: H04L41/14 , H04L41/40 , H04L43/0811 , H04L43/0888 , H04L43/0894 , H04L43/08
Abstract: 本发明涉及网络仿真和嵌入式设备技术领域，具体是高适用轻量化全虚拟网络仿真、测试方法与嵌入式设备，高适用轻量化全虚拟网络仿真、测试方法的步骤包括：利用虚拟仿真模块搭建由路由节点、路由协议以及通信链路所组成的虚拟网络；利用链路损伤仿真模块对构建的虚拟网络进行链路损伤仿真，通过修改通信链路的参数来模拟链路的损伤情况，损伤仿真包括包延时、包丢失、包重复、包损伤以及带宽限制；利用网络测试模块对进行链路损伤仿真后的网络进行网络测试，本发明的虚拟仿真功能、链路损伤仿真功能以及网络测试功能的实现基于嵌入式设备的硬件资源，而非服务器资源，部署更加自由灵活，成本更低。
-
Patent Agency Ranking
公开(公告)号：CN114615093A
公开(公告)日：2022-06-10
申请号：CN202210506848.6
申请日：2022-05-11
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于流量重构与继承学习的匿名网络流量识别方法及装置，方法包括：采集原始网络流量，并进行流量初筛，剔除非Tor流量；对初筛后的流量进行重构，将流量转化为灰度特征图；利用卷积神经网络和循环神经网络模型处理流量重构后的特征图，提取出交互信息特征向量、包空间特征向量、流时序特征向量，并将三种特征向量进行融合；将融合特征输入多分类器进行应用分类，所述多分类器在检测到流量新类别时通过继承学习机制更新分类器参数；基于多数原则确定流量的归属应用。本发明简化了特征设计过程，同时丰富了特征的全面性，满足模型参数在线更新的需求，使模型保持对过去训练的记忆，每次增加新类别只需要进行小规模训练。
-
公开(公告)号：CN113746707A
公开(公告)日：2021-12-03
申请号：CN202111311502.2
申请日：2021-11-08
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于分类器及网络结构的加密流量分类方法，属于加密流量识别领域。步骤如下：S1、通过所述网络流量收集模块进行网络流量收集；S2、通过所述流量数据预处理模块进行流量数据预处理；S3、通过所述流量解析模块进行流量聚合；S4、再通过所述流量解析模块进行计算代价矩阵；S5、通过所述分类器训练及优化模块进行分类器的训练；S6、通过所述分类器训练及优化模块进行分类器优化。本发明在较短的训练时间内可以获得较高的性能，适用于类别不平衡的数据集和特征提取困难的加密流量分类识别。
-
公开(公告)号：CN119202804B
公开(公告)日：2025-05-09
申请号：CN202411700138.2
申请日：2024-11-26
Applicant: 南京信息工程大学
IPC: G06F18/24 , G06F18/213 , G06N3/0464 , G06N3/048 , G06N3/084 , H04L9/40
Abstract: 本发明提供了一种基于冲激序列响应的Tor网络流量感知方法，包括：利用抓包工具从Tor网络中捕获数据流，利用五元组信息进行初步分流；对Tor网络流量进行指纹识别，提取窗口内数据流的频域熵和直流分量两种特征并进行表征；使用动态窗口调整器比较相邻窗口的熵值，动态调整窗口的大小；将特征矩阵输入到分类器中对网络流量数据的频域特征进行学习；根据损失值灵活调整训练批次的大小。本发明通过自适应处理策略，有效应对Tor网络环境下的复杂流量特征，能够及时做出分类决策，显著提高处理准确率和响应能力。本发明在Tor网络流量感知和管理中，特别是在流量分析、隐私保护、网络安全监控及异常检测方面，展现了广泛的应用潜力。
-
公开(公告)号：CN118659986B
公开(公告)日：2024-11-19
申请号：CN202411143981.5
申请日：2024-08-20
Applicant: 南京信息工程大学
IPC: H04L43/024 , H04L41/16 , G06N3/0464 , G06N3/048 , G06N3/08 , G06F18/241
Abstract: 本发明提供了一种基于卷积神经网络的渐进式业务流量分类方法和装置，所述方法包括：通过设置初始时间窗口大小，阶段性地收集数据包，构建模型的特征输入和索引；输入到渐进式一维卷积神经网络对网络流量数据的时间序列特征进行学习，根据实际数据包使用数量动态选择输出头输出分类结果，将分类结果进行置信度评估；根据评估结果重新反馈给数据包时间窗口大小，从而灵活调整分类时所需数据包数量。本发明通过渐进式处理策略，有效应对数据中心环境下高速且复杂的网络流量，可以及时做出分类决策，显著提高处理速度和响应能力，本发明在数据中心网络管理，特别是在网络资源分配、服务质量保障及安全监控方面，展现了广泛的应用潜力。
-
公开(公告)号：CN116743506A
公开(公告)日：2023-09-12
申请号：CN202311016642.6
申请日：2023-08-14
Applicant: 南京信息工程大学
IPC: H04L9/40 , H04L47/2483 , G06N3/0464 , G06N3/092
Abstract: 本发明公开了一种基于四元数卷积神经网络的加密流量识别方法及装置。所述方法包括：采集数据；对数据进行预处理；提取每条流中指定数量数据包的负载长度、到达时间间隔、方向和传输协议四个特征并进行归一化；在四元数空间中嵌入归一化数据表示成四元数矩阵形式；将四元数矩阵送入四元数卷积神经网络模型，获得加密流量识别结果，其中四元数卷积神经网络模型将输入数据和卷积核均扩展为四元数，利用四元数性质进行前向传播进行训练。本发明将流量识别输入由灰度图的形式转换成四元数的形式，在四元数的数学框架下将传统标量卷积神经网络拓展为超复数卷积神经网络，结合各特征通道之间的相关性使得加密流量的特征描述更精确，分类也更为准确。
-
-
-
-
-
-
-
-
-
Search Results
44
records
(took 0.046 seconds)
