-
公开(公告)号：CN114444086B
公开(公告)日：2025-05-16
申请号：CN202210108140.5
申请日：2022-01-28
Applicant: 南京邮电大学
Abstract: 一种基于强化学习的自动化Windows域渗透方法，引入渗透测试的强化学习模型概念，通过强化学习与Windows域环境的真实交互自动发现攻击路径并做出攻击动作，能随时、高效的对目标域环境进行安全评估，减少时间和资源的浪费；对域环境策略的分析，基于主机对渗透过程的贡献差异定义冗余主机，减少强化学习中非必要的状态与攻击动作，增加强化学习的训练效率；将域渗透中基于用户凭据的渗透方法与传统渗透方法相结合，解决现有研究完全依赖主机漏洞进行路径发现的问题，提高在域环境内的适用性与攻击效果。
-
公开(公告)号：CN119181190B
公开(公告)日：2025-02-25
申请号：CN202411676691.7
申请日：2024-11-22
Applicant: 南京邮电大学
IPC: G08B13/24 , H04B17/318 , H04W4/021 , H04W4/33 , H04W12/02
Abstract: 本发明公开了一种基于接收信号强度的入侵检测边界估计方法，属于入侵检测技术领域；包括为：对入侵检测边界进行定义；在室内环境中采集人员入侵时对应的无线信号数据，从中提取RSS原始数据；分析RSS数据，建立运动扰动RSS模型，并推导出运动扰动RSS模型中的阻挡面积和反射面积；根据运动扰动RSS模型推导出RSS入侵检测边界模型，利用RSS入侵检测边界模型行入侵检测边界检测。本发明通过分析人类入侵对无线信道的影响，推导出入侵检测边界模型；入侵检测边界模型准确描述了人员入侵和通道变化之间的内在关系；同时，能够对入侵者的边界位置进行测量甚至建模，提前做好准备来消除隐患，提高入侵检测边界估计的准确性和安全性。
-
公开(公告)号：CN119172015A
公开(公告)日：2024-12-20
申请号：CN202411213628.X
申请日：2024-08-30
Applicant: 南京邮电大学
IPC: H04B17/318 , H04B17/309 , G08B13/16 , G08B13/24
Abstract: 本发明属于入侵监测技术领域，公开了一种基于RSS的远距离入侵检测方法。首先，在室内环境下采集WiFi发射机发射的无线信号数据，从WiFi信号中提取出接收信号强度(RSS)原始数据，并截取一段静态环境下RSS原始数据；然后，利用比值方法来去除RSS数据和静态环境下RSS数据的振幅噪声，利用瑞利滤波器去除RSS数据和静态环境下RSS数据的测量噪声；接着，对去噪后的静态环境下的RSS数据做快速傅里叶变换，找到除0频率分量外的最大幅度值作为阈值；最后，对去噪后的RSS数据找到除0频率分量外的最大幅度值，当最大幅度值大于阈值时，即检测到入侵。本发明解决了RSS信号灵敏度低，入侵检测范围太短的问题，提高了RSS信号入侵检测的感知范围。
-
公开(公告)号：CN118942670A
公开(公告)日：2024-11-12
申请号：CN202410936645.X
申请日：2024-07-12
Applicant: 南京邮电大学
Abstract: 本专利公开了一种面向阿尔茨海默病的多模态融合系统及方法，属于人工智能和医学领域，系统由多模态数据预处理层，多模态数据特征提取层，基于注意力机制的多模态数据融合层组成；多模态数据预处理层分别对临床、遗传、图像数据进行预处理；多模态数据特征提取层对预处理后的三个单一模态数据进行特征提取；基于注意力机制的多模态数据融合层将所述三个模态的数据作为输入，利用注意力机制提取模态的单一及融合特征进行融合。本发明对于阿尔兹海默病的检测更贴合实际的临床断诊需求，有助于提高对阿尔兹海默病预测的准确性，更全面地了解患者病情，从而给患者提供更个性化的治疗措施，同时也可以对阿尔兹海默病的预防检测筛查起到相应的作用。
-
公开(公告)号：CN117908002B
公开(公告)日：2024-05-24
申请号：CN202410316092.8
申请日：2024-03-20
Applicant: 南京邮电大学
Abstract: 本发明属于室内轨迹追踪技术领域，涉及一种基于IR‑UWB雷达非视距距离估计方法，首先，利用IR‑UWB雷达来获取感知目标运动的射频脉冲超宽带信号，并从中提取分布式二维快慢时间矩阵信号特征；其次，对分布式二维快慢时间矩阵信号特征进行快速傅里叶变换得到分布式多普勒频移特征分量；然后，结合运动所导致的多普勒分布不平衡特性以及多普勒频移变化特性，对分布式多普勒频移特征分量进行差分运算及二值化处理，对其完成重构；最后，对重构多普勒频移设计目标距离提取算法，进而在非视距场景下实现IR‑UWB雷达获取目标距离信息，解决在室内场景中障碍物对IR‑UWB雷达所造成的非视距感知失效的问题。
-
Patent Agency Ranking
公开(公告)号：CN117520862B
公开(公告)日：2024-03-29
申请号：CN202410022357.3
申请日：2024-01-08
Applicant: 南京邮电大学
IPC: G06F18/22 , G06F18/213 , H04W4/02 , H04W4/80
Abstract: 本发明公开了一种基于RFID技术与切割菲涅尔区原理的手势识别方法，属于人体感知及手势识别技术领域；包括以下步骤：获取手部数据，判断受试者手部是否移动，并采用状态转换图的方法对数据进行分段处理；基于切割菲涅尔区原理的方法来提取手势特征，生成预设手势模板，用于匹配目标手势；利用AMPD算法分析接收信号中的RSS信息，对手势进行判断与识别。本发明基于切割菲涅尔区原理，对手势识别进行了理论模型的搭建，能够准确提取手势动作对应的数据段，提高人体手势识别的准确率；通过AMPD算法中比较相邻数据点的差异以及计算峰值指标，能够清晰地识别出数据中的突变或波动，精确地定位和分析数据中的峰值，更好地理解信号的特性和突变。
-
公开(公告)号：CN117520928B
公开(公告)日：2024-03-19
申请号：CN202410016640.5
申请日：2024-01-05
Applicant: 南京邮电大学
IPC: G06F18/241 , G01C23/00 , A61B5/11 , G06N3/0464 , G06F18/2135 , G06F17/14 , G06F17/16 , G06F18/213
Abstract: 本发明公开了一种基于信道状态信息目标速度估计的人体跌倒检测方法，属于人体跌倒检测技术领域；步骤为：将接收天线摆放在感知区域内不同的位置上，收集感知区域内不同高度的CSI信号；提取CSI数据中的多普勒信息，构造PLCR功率分布的频谱矩阵；运动分割算法将频谱矩阵分为两阶段，提取分割后频谱矩阵中最优PLCR序列；利用目标速度估计的几何模型，求出人体跌倒的速度，加速度；结合CNN网络对计算出人体跌倒的速度、加速度进行跌倒检测。本发明通过运动分割算法将频谱矩阵分为两阶段，在捕获个体跌倒行为时可以精确地截取相关的运动片段，在不受外部环境干扰的情况下，从CSI数据中准确提取速度和加速度特征，提高提取速度和加速度特征的精确性和有效性。
-
公开(公告)号：CN117609880A
公开(公告)日：2024-02-27
申请号：CN202311570808.9
申请日：2023-11-23
Applicant: 南京邮电大学
IPC: G06F18/2415 , G01S13/88 , G06F18/214 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于轻量级多态网络的毫米波雷达双任务感知系统及其方法，属于毫米波雷达感知技术领域；双任务感知系统包括多分支网络结构、损失函数模块以及单分支网络结构，多分支网络结构包括多个三维点卷积模块、多个深度卷积模块以及通道打乱机制；单分支网络结构包括多个三维点卷积模块、通道打乱机制、第三深度卷积模块以及修正线性单元；多分支网络结构用于训练阶段，单分支网络结构用于测试阶段，损失函数模块训练整个双任务感知系统的参数。本发明通过将双任务感知系统分为多分支网络结构和单分支网络结构，多分支网络结构确保双任务感知系统的精度和稳定性，而单分支网络结构保障系统的精度，同时提升运行速度，降低网络复杂度。
-
公开(公告)号：CN114742193A
公开(公告)日：2022-07-12
申请号：CN202210414946.7
申请日：2022-04-20
Applicant: 南京邮电大学
IPC: G06K19/077 , G06K7/10 , G06F3/0354
Abstract: 一种基于射频识别RFID的手写轨迹追踪方法，采用阅读器、小型微带天线以及商用无源RFID标签的组合，用于特定区域中手写轨迹的追踪，具体包括系统构建与数据采、建立轨迹追踪模型和生成最终轨迹结果，利用RFID技术获取标签在平面中的坐标位置和3D空间中的方向关系，得到手写笔的笔尖在手写板上的运动轨迹。本方法利用天线阵列收集标签对在三维运动过程中的相位变化，来恢复二维平面中的手写轨迹，构建了小型化的手写轨迹追踪系统，能达到厘米级的轨迹追踪效果，并能实时的获得手写轨迹结果。
-
公开(公告)号：CN114668383A
公开(公告)日：2022-06-28
申请号：CN202210269846.X
申请日：2022-03-18
Applicant: 南京邮电大学
IPC: A61B5/08 , A61B5/00 , H04B17/309
Abstract: 一种基于信道状态信息的人员呼吸感知边界检测方法，具体实现步骤包括：首先，在室内环境下采集人员呼吸时对应的无线信号数据，从WiFi信号中提取出CSI原始数据；其次，对原始CSI数据进行数据预处理，预处理步骤包括：离群值去除、噪声滤波；然后，对预处理的数据，使用子载波选择和快速傅里叶变换(Fast Fourier Transform,FFT)得到呼吸频率；接着，对处理后的数据进行建模，推导出理论上的呼吸频率检测边界的条件；最后，在模型的基础上进行测试，实现人员呼吸频率边界的检测。本方法通过对信道状态信息CSI进行分析处理，实现对人员呼吸行为的感知以及呼吸速率的估计。结合呼吸检测边界模型，实现了对人员呼吸频率边界的检测。
-
-
-
-
-
-
-
-
-
Search Results
61
records
(took 0.034 seconds)
