公开(公告)号：CN114841256A

公开(公告)日：2022-08-02

申请号：CN202210417073.5

申请日：2022-04-20

Applicant: 哈尔滨工业大学(威海)

Inventor： 柴婷婷 ,  刘奇松 ,  张兆心 ,  孙国营 ,  李家辉

IPC: G06K9/62 ,  G06F16/215 ,  H04L61/4511

Abstract: 本发明提供一种基于多维特征融合的DGA域名分类方法，包括以下步骤：步骤1，建立良性域名与DGA域名的数据集；步骤2，对步骤1获取到的数据集进行处理，并且划分数据得到训练集和测试集；步骤3，对步骤2得到的训练集和测试集中每个域名进行字符特征、熵特征和统计特征的提取，得到特征向量，并打上对应的标签，最后得到九维的向量；步骤4，构建DGA域名挖掘模型。该方法能够以较高的准确率、高效快速的识别DGA域名，并且相较于其他发明能够以较少的特征达到较高的准确率。

公开(公告)号：CN114821040B

公开(公告)日：2024-11-22

申请号：CN202210416878.8

申请日：2022-04-20

Applicant: 哈尔滨工业大学(威海)

Inventor： 柴婷婷 ,  李家辉 ,  徐永东 ,  张兆心 ,  刘奇松 ,  钟亦奇

IPC: G06V10/25 ,  G06V10/774 ,  G06V10/82 ,  G06N3/084 ,  G06T7/11 ,  G06T7/70 ,  G06V40/10 ,  G06T7/90 ,  G06N3/0464

Abstract: 本发明提供一种基于轻量级网络模型的指静脉识别方法，针对不同的指静脉数据库采用不同的ROI区域提取方法，其采用的是轻量级指静脉识别网络模型，该轻量级指静脉识别网络模型裁剪了预训练的MobileNetV2的前七个瓶颈层，其后接着的是一个Dropout层(Dropout1)、一个卷积层(Conv)、一个归一化层(BNorm)、一个ELU层(ELU)、一个Dropout层(Dropout2)和一个全连接层(FC)，以指静脉ROI图像为训练样本，采用端到端的方式对网络进行训练，对预训练MobileNetV2模型的部分结构进行微调，对辅助层进行从头训练。该方法简化了手指静脉识别流程，图片预处理过程仅需要对采集到的样本进行ROI（感兴趣区）提取；模型参数量少，降低计算机计算代价，从而提升识别速度以及减少训练成本更加节能环保。

公开(公告)号：CN114821040A

公开(公告)日：2022-07-29

申请号：CN202210416878.8

申请日：2022-04-20

Applicant: 哈尔滨工业大学(威海)

Inventor： 柴婷婷 ,  李家辉 ,  徐永东 ,  张兆心 ,  刘奇松 ,  钟亦奇

IPC: G06V10/25 ,  G06V10/774 ,  G06V10/82 ,  G06K9/62 ,  G06N3/08 ,  G06T7/11 ,  G06T7/70 ,  G06V40/10 ,  G06T7/90

Abstract: 本发明提供一种基于轻量级网络模型的指静脉识别方法，针对不同的指静脉数据库采用不同的ROI区域提取方法，其采用的是轻量级指静脉识别网络模型，该轻量级指静脉识别网络模型裁剪了预训练的MobileNetV2的前七个瓶颈层，其后接着的是一个Dropout层(Dropout1)、一个卷积层(Conv)、一个归一化层(BNorm)、一个ELU层(ELU)、一个Dropout层(Dropout2)和一个全连接层(FC)，以指静脉ROI图像为训练样本，采用端到端的方式对网络进行训练，对预训练MobileNetV2模型的部分结构进行微调，对辅助层进行从头训练。该方法简化了手指静脉识别流程，图片预处理过程仅需要对采集到的样本进行ROI(感兴趣区)提取；模型参数量少，降低计算机计算代价，从而提升识别速度以及减少训练成本更加节能环保。