一种SDN环境DDoS攻击检测防御方法

    公开(公告)号:CN111740950A

    公开(公告)日:2020-10-02

    申请号:CN202010401640.9

    申请日:2020-05-13

    Abstract: 本发明公开了一种SDN环境下的DDoS攻击检测方法,涉及网络安全技术领域,所述方法包括如下步骤:代理模块将获取的数据消息构建为特征消息;将特征消息发送至预先构建的检测模型中获得检测结果;根据检测结果做出决策指令;代理模块根据决策指令执行控制操作,该方法。首先,在交换机端口入口处增加基于熵的预检测模块,以保证SDN网络设施在受到DDoS攻击时不会过早的产生拒绝服务行为;其次,通过在控制器程序中增加代理模块实现安全与控制的分离,以保证检测本身不会占用过多的控制器和交换机资源;最后,采用递归式特征消除和分类回归树结合的检测算法,保证检测的效率和准确度。

    一种基于U型网络的医学图像分割方法

    公开(公告)号:CN113240691A

    公开(公告)日:2021-08-10

    申请号:CN202110654344.4

    申请日:2021-06-10

    Abstract: 本发明公开了一种基于U型网络的医学图像分割方法,属于图像处理技术领域,包括如下步骤:首先将医学影像数据集的原图和实际分割图按照一定比例分成训练集、验证集以及测试集,并将训练集以及验证集送入改进的恒定缩放分割网络中训练;本发明针对传统传统U型网络中编码器和解码器的部分进行改进,提出恒定缩放的残差网络与循环神经网络结合代替原有的编解码器模块,增强浅层信息与深层语义的灵活性融合,更深入地提取了图像的特征信息,同时提高医学图像分割的精确度。本发明从改进模块结构的角度弥补了传统U型网络捕捉细节信息能力丢失、深浅层信息特征融合比例固定的问题,从而改善了最终的分割结果。

    一种基于U型网络的医学图像分割方法

    公开(公告)号:CN113077471A

    公开(公告)日:2021-07-06

    申请号:CN202110325496.X

    申请日:2021-03-26

    Abstract: 本发明公开了一种基于U型网络的医学图像分割方法,首先将真实分割图及原图送入生成对抗网络中做数据增强,产生带有标签的合成图片;然后将合成图片放进原有数据集得到扩充后的数据集,将扩充后的数据集送入改进的多特征融合的分割网络中训练。本发明在分割网络浅层与深层特征跳跃连接间加入一个获取不同大小感受野的膨胀卷积模块,增强细节信息与深层语义的融合,提升对分割目标大小的适应性,同时提高医学图像分割的精确度。本发明通过使用生成对抗网络扩充数据集的方式缓解了训练分割网络时出现的过拟合问题,从多尺度特征连接的角度弥补了传统U型网络捕捉细节信息能力丢失、深浅层信息特征捕捉不完整的问题,改善了最终的分割结果。

    一种基于U型网络的医学图像分割方法

    公开(公告)号:CN113077471B

    公开(公告)日:2022-10-14

    申请号:CN202110325496.X

    申请日:2021-03-26

    Abstract: 本发明公开了一种基于U型网络的医学图像分割方法,首先将真实分割图及原图送入生成对抗网络中做数据增强,产生带有标签的合成图片;然后将合成图片放进原有数据集得到扩充后的数据集,将扩充后的数据集送入改进的多特征融合的分割网络中训练。本发明在分割网络浅层与深层特征跳跃连接间加入一个获取不同大小感受野的膨胀卷积模块,增强细节信息与深层语义的融合,提升对分割目标大小的适应性,同时提高医学图像分割的精确度。本发明通过使用生成对抗网络扩充数据集的方式缓解了训练分割网络时出现的过拟合问题,从多尺度特征连接的角度弥补了传统U型网络捕捉细节信息能力丢失、深浅层信息特征捕捉不完整的问题,改善了最终的分割结果。

    一种基于U型网络的医学图像分割方法

    公开(公告)号:CN113240691B

    公开(公告)日:2023-08-01

    申请号:CN202110654344.4

    申请日:2021-06-10

    Abstract: 本发明公开了一种基于U型网络的医学图像分割方法,属于图像处理技术领域,包括如下步骤:首先将医学影像数据集的原图和实际分割图按照一定比例分成训练集、验证集以及测试集,并将训练集以及验证集送入改进的恒定缩放分割网络中训练;本发明针对传统传统U型网络中编码器和解码器的部分进行改进,提出恒定缩放的残差网络与循环神经网络结合代替原有的编解码器模块,增强浅层信息与深层语义的灵活性融合,更深入地提取了图像的特征信息,同时提高医学图像分割的精确度。本发明从改进模块结构的角度弥补了传统U型网络捕捉细节信息能力丢失、深浅层信息特征融合比例固定的问题,从而改善了最终的分割结果。

Patent Agency Ranking