-
公开(公告)号：CN115017019A
公开(公告)日：2022-09-06
申请号：CN202210480809.3
申请日：2022-05-05
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于日志的系统异常检测方法、装置及存储介质，方法包括：对获取的系统日志数据中的每一条日志进行提取得到日志模板，并生成对应的日志序列，形成日志流；将日志流输入预训练的SVM检测模型，得到输出的第一异常检测结果；采用PCA聚类方法对日志序列进行异常检测，得到第二异常检测结果；采用不变量挖掘方法对日志序列进行异常检测，得到第三异常检测结果；基于得到的第一异常检测结果、第二异常检测结果和第三异常检测结果，采用混淆矩阵评估的方法进行综合判断，得到最终的系统异常检测结果。应用不用的算法从多种角度进行检测，并综合判断异常评估，实现快速准确地检测系统中发生的异常以及对异常点进行定位。
-
公开(公告)号：CN115017019B
公开(公告)日：2024-07-09
申请号：CN202210480809.3
申请日：2022-05-05
Applicant: 南京邮电大学
IPC: G06F11/34 , G06F18/2411 , G06F18/2433 , G06F18/2135 , G06F18/23 , G06F18/214
Abstract: 本发明公开了一种基于日志的系统异常检测方法、装置及存储介质，方法包括：对获取的系统日志数据中的每一条日志进行提取得到日志模板，并生成对应的日志序列，形成日志流；将日志流输入预训练的SVM检测模型，得到输出的第一异常检测结果；采用PCA聚类方法对日志序列进行异常检测，得到第二异常检测结果；采用不变量挖掘方法对日志序列进行异常检测，得到第三异常检测结果；基于得到的第一异常检测结果、第二异常检测结果和第三异常检测结果，采用混淆矩阵评估的方法进行综合判断，得到最终的系统异常检测结果。应用不用的算法从多种角度进行检测，并综合判断异常评估，实现快速准确地检测系统中发生的异常以及对异常点进行定位。
-
公开(公告)号：CN111314933A
公开(公告)日：2020-06-19
申请号：CN202010084062.0
申请日：2020-02-08
Applicant: 南京邮电大学
IPC: H04W24/02 , H04W24/06 , H04B7/0452 , H04B7/0426
Abstract: 本发明提供了一种基于有限反馈的MU-MIMO无线数据和功率传输系统的能量效率提升方法，通过建立系统模型和资源分配，利用有限反馈的MU-MIMO无线数据和功率传输系统进行效率提升，解决了现有技术中存在完全反馈状态下的MU-MIMO无线功率和数据传输系统无法实现的问题。将复杂的分式优化问题转化为一个等价的整式表达式，然后采用拉格朗日对偶法求解。相比于在实际中假设完全反馈，本发明可获得更大的能量效率。
-
公开(公告)号：CN105956456A
公开(公告)日：2016-09-21
申请号：CN201610266983.2
申请日：2016-04-26
Applicant: 南京邮电大学
IPC: G06F21/44
CPC classification number: G06F21/44
Abstract: 本发明公开了一种对Android系统进行四重联合签名验证的实现方法，该方法包括：第一重：使用Android API得到当前应用程序的签名信息，使用一种散列算法将签名信息提取出摘要，然后传入动态链接库中进行加盐和加密，再与网络位置上的签名信息进行对比；第二重：使用反射功能读取应用内部隐藏APK的签名，与使用Android API得到的签名信息进行签名校验；第三重：在Jni中利用反射机制对getPackageInfo方法获取的签名信息与保存在动态链接库中的签名信息进行对比，将对动态链接库的摘要信息再做一次重复验证，如果动态链接库中被改变，那么提示用户去正规渠道重新下载应用；第四重：利用NDK编译一个binary可执行文件，在其中利用系统中预留的apk与保存在bianry中的hash进行对比。
-
公开(公告)号：CN117393000B
公开(公告)日：2024-04-16
申请号：CN202311490667.X
申请日：2023-11-09
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于神经网络和特征融合的合成语音检测方法，所述方法包括：获取音频待测数据集，对音频待测数据集提取音频的声学特征和对应的频谱图图像特征；将音频的声学特征和对应的频谱图图像特征输入预先训练的合成音频检测模型中，分别得到音频的真实性分数一和音频的真实性分数二；将音频的真实性分数一和音频的真实性分数二加权融合，得到特征信息融合后的音频真实性得分；将得到的特征信息融合后的真实性得分与预先设定的阈值比较得到最终音频检测结果；本发明巧妙融合了声学特征和频谱图图像信息进行合成语音检测，具有更好的稳定性和泛化能力。
-
Patent Agency Ranking
公开(公告)号：CN118280338A
公开(公告)日：2024-07-02
申请号：CN202410369558.0
申请日：2024-03-28
Applicant: 南京邮电大学
Abstract: 本发明公开了一种面向多场景的人工智能合成语音的智能化通用检测方法及系统，方法包括：采集真实音频样本，使用不同的开源声码器对真实音频样本进行合成预处理后，利用SC编码器和Whisper编码器提取音频的高级特征；进行分解再拼接，获取异构时频图；异构时频图经过处理后，获取可泛化特征表示并使用多任务学习策略，分别送入多分类头和二分类头进行训练，建立合成音频检测模型；待检测音频样本经过预处理后输入至训练好的合成音频检测模型获取检测结果。本发明使用了改进的SC编码器，能够在一定程度上减少特征的空间冗余和通道冗余；本发明利用预训练的Whisper模型提取特征，没有带来额外的计算开销；使用多任务学习策略，提高了检测的准确性和可靠性。
-
公开(公告)号：CN105956456B
公开(公告)日：2019-02-19
申请号：CN201610266983.2
申请日：2016-04-26
Applicant: 南京邮电大学
IPC: G06F21/44
Abstract: 本发明公开了一种对Android系统进行四重联合签名验证的实现方法，该方法包括：第一重：使用Android API得到当前应用程序的签名信息，使用一种散列算法将签名信息提取出摘要，然后传入动态链接库中进行加盐和加密，再与网络位置上的签名信息进行对比；第二重：使用反射功能读取应用内部隐藏APK的签名，与使用Android API得到的签名信息进行签名校验；第三重：在Jni中利用反射机制对getPackageInfo方法获取的签名信息与保存在动态链接库中的签名信息进行对比，将对动态链接库的摘要信息再做一次重复验证，如果动态链接库中被改变，那么提示用户去正规渠道重新下载应用；第四重：利用NDK编译一个binary可执行文件，在其中利用系统中预留的apk与保存在bianry中的hash进行对比。
-
公开(公告)号：CN117393000A
公开(公告)日：2024-01-12
申请号：CN202311490667.X
申请日：2023-11-09
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于神经网络和特征融合的合成语音检测方法，所述方法包括：获取音频待测数据集，对音频待测数据集提取音频的声学特征和对应的频谱图图像特征；将音频的声学特征和对应的频谱图图像特征输入预先训练的合成音频检测模型中，分别得到音频的真实性分数一和音频的真实性分数二；将音频的真实性分数一和音频的真实性分数二加权融合，得到特征信息融合后的音频真实性得分；将得到的特征信息融合后的真实性得分与预先设定的阈值比较得到最终音频检测结果；本发明巧妙融合了声学特征和频谱图图像信息进行合成语音检测，具有更好的稳定性和泛化能力。
-
公开(公告)号：CN117034143B
公开(公告)日：2023-12-15
申请号：CN202311303999.2
申请日：2023-10-10
Applicant: 南京邮电大学
IPC: G06F18/2415 , G06N20/00
Abstract: 本发明公开了一种基于机器学习的分布式系统故障诊断方法及装置，涉及智能运维技术领域，方法包括：对历史的系统故障数据进行预处理；构建用于推断历史的系统故障数据缺失值的填充模型；使用基于浅层神经网络的前处理模型拟合经过填充模型处理过的历史系统故障数据，获取特征间更深层次的特征嵌入；结合特征嵌入和原始特征，得到扩充后的数据集；训练故障诊断模型的三个基学习器，取基学习器输出的概率表示作为元特征，用作元学习器逻辑回归的输入，训练元学习器得到诊断模型；对新的数据样本用同样的方法得到最终的元特征，输入诊断模型进行预测；本发明可提高分布式系统智能运维的效率，减少人力资源的投入，节省成本。
-
公开(公告)号：CN117034143A
公开(公告)日：2023-11-10
申请号：CN202311303999.2
申请日：2023-10-10
Applicant: 南京邮电大学
IPC: G06F18/2415 , G06N20/00
Abstract: 本发明公开了一种基于机器学习的分布式系统故障诊断方法及装置，涉及智能运维技术领域，方法包括：对历史的系统故障数据进行预处理；构建用于推断历史的系统故障数据缺失值的填充模型；使用基于浅层神经网络的前处理模型拟合经过填充模型处理过的历史系统故障数据，获取特征间更深层次的特征嵌入；结合特征嵌入和原始特征，得到扩充后的数据集；训练故障诊断模型的三个基学习器，取基学习器输出的概率表示作为元特征，用作元学习器逻辑回归的输入，训练元学习器得到诊断模型；对新的数据样本用同样的方法得到最终的元特征，输入诊断模型进行预测；本发明可提高分布式系统智能运维的效率，减少人力资源的投入，节省成本。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.035 seconds)
