-
公开(公告)号：CN117473120A
公开(公告)日：2024-01-30
申请号：CN202311815386.7
申请日：2023-12-27
Applicant: 南京邮电大学
IPC: G06F16/783 , G06F16/71 , G06V10/26 , G06V10/74 , G06V10/44 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种基于镜头特征的视频检索方法，属于视频检索领域。本方法一共分为三个步骤，分别是镜头分割、特征提取、相似度计算及排序。镜头分割使用AutoShot模型对视频进行镜头划分，特征提取使用MC3_18模型对划分的镜头进行特征提取，相似度计算及排序计算镜头特征向量之间的余弦相似度并排序输出结果。本方法是一种以视频找视频的方法，其优点是能够有效解决通过视频片段寻找完整视频的难题且检索结果受到视频后期剪辑导致的画面顺序变动的影响小。
-
公开(公告)号：CN119249414B
公开(公告)日：2025-03-21
申请号：CN202411783306.9
申请日：2024-12-06
Applicant: 南京邮电大学
IPC: G06F21/55 , G06F18/2433 , G06F18/213 , G06F18/23 , G06N3/042 , G06N3/0464 , G06N3/084 , G06N3/048
Abstract: 本发明公开了一种容器的入侵检测方法及系统，遍历容器，并采集调用序列样本；基于调用序列样本的数据预处理而形成训练集数据；对调用序列样本转化为图关系，并计算每个系统调用节点的特征值，实现了调用序列样本的进一步把控，并充分考虑了每个系统调用节点的特征值。基于每个系统调用节点的特征值而触发调用序列样本的聚类分析，以输出聚类结果；基于聚类结果的筛选而定义存在入侵行为的系统调用序列，针对每个系统调用节点的特征值进一步把控，并在聚类分析中定义存在入侵行为的序列，最后实现对生产环境的实时监控和入侵检测，这样可以有效地提高容器的安全性和可靠性，并能够兼容各种生产环境的实时入侵检测。
-
公开(公告)号：CN118054958A
公开(公告)日：2024-05-17
申请号：CN202410273731.7
申请日：2024-03-11
Applicant: 南京邮电大学
IPC: H04L9/40 , G06N3/045 , G06N3/08 , G06F18/214
Abstract: 本发明公开了一种动态插桩的网站服务器端敏感信息泄露漏洞检测方法，属于网络敏感信息检测领域。在拥有网站源码的基础下，通过更改服务器源码进行动态调试，在程序执行中插入特定代码，调用基于图卷积网络的敏感信息检测算法，实现监控与分析，更准确地发现敏感信息泄露。检测过程中可以自定义代码插桩位置，且不会改变网站源码及影响网站正常运行，可以在网站正常服务过程中进行长期检测。运行该检测算法，通过使用训练好的模型与检测数据对比分类，判断传递的信息是否为敏感信息，如果是则进行拦截。本发明能在不影响程序动态执行结果的前提下，按照用户分析和过滤的需求，实现对程序动态执行过程的监控与分析，能够更好得发现敏感信息的泄露。
-
公开(公告)号：CN117456431B
公开(公告)日：2024-03-26
申请号：CN202311799128.4
申请日：2023-12-26
Applicant: 南京邮电大学
IPC: G06V20/40 , G06V10/774 , G06V10/25 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及视频检索领域，尤其是涉及一种基于扩张卷积和密集连接的镜头边界检测方法。所述检测方法包括如下步骤：对视频进行预处理，将视频的帧转换为48×27像素大小，这样做计算量相对较小，可以加快模型的训练速度，并减少过拟合。对于训练集，训练脚本随机选择包含注释过渡的100帧序列。将处理后的帧序列输入训练好的神经网络模型；模型输出每一帧的镜头边界概率，根据设定的阈值得到镜头边界帧，用于分割镜头。本发明通过在视频帧上运用卷积神经网络，准确判定镜头边界，实现视频分割，有利于视频管理和检索。本发明所涉及方法综合运用扩张卷积、自注意力和密集连接等技术，强化了特征提取和传递，提高了镜头边界检测的准确性和效率。
-
公开(公告)号：CN117496980A
公开(公告)日：2024-02-02
申请号：CN202311845138.7
申请日：2023-12-29
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于局部和全局跨通道融合的声纹识别方法，属于数字信号处理和语音识别技术领域，该方法引入了局部和全局跨通道融合的设计，通过将一个整理的信息划分为两个部分，分别对其进行局部和全局特征提取，接着将局部和全局特征进行融合，让信息更加丰富增加模型识别的泛化能力。该方法在声纹识别中具有较高的准确率和实时性，并行的设计在没有加宽模型的宽度前提下，进一步加快了运算速度，弥补了传统的声纹识别技术在准确性和运算速度方面存在的不足，在语音助手唤醒、身份证和信用卡识别等相关应用场景具有较大的应用潜力。
-
Patent Agency Ranking
公开(公告)号：CN117473510A
公开(公告)日：2024-01-30
申请号：CN202311804982.5
申请日：2023-12-26
Applicant: 南京邮电大学
IPC: G06F21/57 , G06F18/214 , G06F18/24 , G06F17/16 , G06N3/0464 , G06N3/09
Abstract: 本发明公开了一种基于图神经网络和漏洞补丁关系的自动化漏洞挖掘技术，采用自动化数据收集框架对Github的开源项目进行信息爬取，通过专家模型对提交的Commit进行判断是否与漏洞相关，利用代码的增删改对对应行的代码打上标记，再通过关键词提取完成初步筛选，获取五种CWE漏洞类型的训练样本和未分类样本组，提取漏洞特征和其与补丁关联特征后输入到Struc2Vec和DNN组成的模型框架中训练，完成模型初步训练后对未分类样本组进一步筛选，将筛选出来的样本加入训练集，剩余未分组等待下一轮训练完成，持续该流程直至不再有样本被划分到五种CWE漏洞中则样本完成分类，本发明能够显著表征更多维度的代码特征，更高效的学习漏洞代码特征。
-
公开(公告)号：CN108076028A
公开(公告)日：2018-05-25
申请号：CN201611032538.6
申请日：2016-11-18
Applicant: 中兴通讯股份有限公司 , 南京邮电大学
CPC classification number: H04L63/08 , H04L63/0428 , H04L67/06
Abstract: 本发明实施例公开了一种属性加密的方法、装置及系统，所述方法包括：文件服务器保存属性鉴权中心同步的第一对应关系和第二对应关系，文件服务器接收包含文档有效期内权限与属性集合之间第三对应关系和加密算法的密文，建立密文对应的文件标识与属性之间的第四对应关系，文件服务器接收接入指令，接入指令包括接入用户标识和属性密钥，文件服务器通过接入指令、第一对应关系、第二对应关系、第三对应关系及第四对应关系获取密文解密后的文档以及接入用户对文档的最终操作权限，从而保护了文档在传输过程中的安全性、文档解密后本地的安全性以及实现属性高效撤销。
-
公开(公告)号：CN119249414A
公开(公告)日：2025-01-03
申请号：CN202411783306.9
申请日：2024-12-06
Applicant: 南京邮电大学
IPC: G06F21/55 , G06F18/2433 , G06F18/213 , G06F18/23 , G06N3/042 , G06N3/0464 , G06N3/084 , G06N3/048
Abstract: 本发明公开了一种容器的入侵检测方法及系统，遍历容器，并采集调用序列样本；基于调用序列样本的数据预处理而形成训练集数据；对调用序列样本转化为图关系，并计算每个系统调用节点的的特征值，实现了调用序列样本的进一步把控，并充分考虑了每个系统调用节点的的特征值。基于每个系统调用节点的特征值而触发调用序列样本的聚类分析，以输出聚类结果；基于聚类结果的筛选而定义存在入侵行为的系统调用序列，针对每个系统调用节点的特征值进一步把控，并在聚类分析中定义存在入侵行为的序列，最后实现对生产环境的实时监控和入侵检测，这样可以有效地提高容器的安全性和可靠性，并能够兼容各种生产环境的实时入侵检测。
-
公开(公告)号：CN117496980B
公开(公告)日：2024-03-26
申请号：CN202311845138.7
申请日：2023-12-29
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于局部和全局跨通道融合的声纹识别方法，属于数字信号处理和语音识别技术领域，该方法引入了局部和全局跨通道融合的设计，通过将一个整理的信息划分为两个部分，分别对其进行局部和全局特征提取，接着将局部和全局特征进行融合，让信息更加丰富增加模型识别的泛化能力。该方法在声纹识别中具有较高的准确率和实时性，并行的设计在没有加宽模型的宽度前提下，进一步加快了运算速度，弥补了传统的声纹识别技术在准确性和运算速度方面存在的不足，在语音助手唤醒、身份证和信用卡识别等相关应用场景具有较大的应用潜力。
-
公开(公告)号：CN117473510B
公开(公告)日：2024-03-26
申请号：CN202311804982.5
申请日：2023-12-26
Applicant: 南京邮电大学
IPC: G06F21/57 , G06F18/214 , G06F18/24 , G06F17/16 , G06N3/0464 , G06N3/09
Abstract: 本发明公开了一种基于图神经网络和漏洞补丁关系的自动化漏洞挖掘技术，采用自动化数据收集框架对Github的开源项目进行信息爬取，通过专家模型对提交的Commit进行判断是否与漏洞相关，利用代码的增删改对对应行的代码打上标记，再通过关键词提取完成初步筛选，获取五种CWE漏洞类型的训练样本和未分类样本组，提取漏洞特征和其与补丁关联特征后输入到Struc2Vec和DNN组成的模型框架中训练，完成模型初步训练后对未分类样本组进一步筛选，将筛选出来的样本加入训练集，剩余未分组等待下一轮训练完成，持续该流程直至不再有样本被划分到五种CWE漏洞中则样本完成分类，本发明能够显著表征更多维度的代码特征，更高效的学习漏洞代码特征。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.024 seconds)
