-
Patent Agency Ranking
公开(公告)号：CN112949595A
公开(公告)日：2021-06-11
申请号：CN202110359052.8
申请日：2021-04-01
Applicant: 哈尔滨理工大学
Abstract: 本发明公开了一种基于YOLOv5改进行人车辆安全距离检测算法，设及人工智能领域，包括以下步骤：(1)车辆行人图像信息的获取；(2)车辆行人图像样本的划分；(3)车辆行人图像的特征提取；(4)PANet车辆行人安全距离检测模型的构建。本发明采用PANet进行马路上车辆检测模型的构建，引入利用像素坐标以及世界坐标进行测速，避免了逆透视变换中大量重复的计算过程且将测距范围扩展到整个原始图像，从而获取更多、更有效的图像信息，有利于快速、准确检测出与被测车辆的距离，非常适合车辆驾驶防碰撞预警。
-
公开(公告)号：CN114465758A
公开(公告)日：2022-05-10
申请号：CN202111568625.4
申请日：2021-12-14
Applicant: 哈尔滨理工大学
IPC: H04L9/40 , H04L41/14 , H04L41/142 , H04L41/147
Abstract: 一种基于贝叶斯决策网络进行网络态势感知的方法。在进行网络风险管理的过程中，使网络安全级别始终保持在可以接受的范围内是一个难以解决的问题。为了解决这个问题，我们使用了基于贝叶斯决策网络的网络态势感知方法。首先，结合系统日志、IDS监测数据以及一些设备的基础信息，获取影响网络安全状况的网络态势指标，构建贝叶斯决策网络模型。使用固有、时间和环境因素计算漏洞利用概率和漏洞利用对网络资产的影响。在评估网络态势的过程中，即使在预算有限的情况下，也可以使用改进的贝叶斯方法进行成本效益分析，并得到提高网络安全水平的对策的最佳子集。本发明能够通过精确的评估和适当的风险缓解，使网络安全水平得到显著提高。
-
公开(公告)号：CN113553591A
公开(公告)日：2021-10-26
申请号：CN202110717786.9
申请日：2021-06-28
Applicant: 哈尔滨理工大学
IPC: G06F21/57 , G06F30/27 , G06F111/10
Abstract: 一种基于进化博弈论的多阶段动态防御的方法，在动态对抗网络中，选择最优防御策略是一个困难的问题。要解决这个问题，我们从攻击者和防御者双方的现实有限理性出发。首先，结合不完全信息博弈场景，建立贝叶斯攻防进化博弈模型。同时，将攻防双方的类型集和策略集的能力扩展到任意n，使他们拥有多层次的攻击/防御策略，也考虑到了防御信号的影响作用。攻防双方通过不断学习调整自己的策略。博弈过程经过多次迭代，最终达到动态均衡状态。通过计算攻防策略的成本/收益。得出最优防御策略。本发明能够选择出最优的安全防御策略，提高了防御决策的动态分析效率，增强了防御态势的预测能力。
-
公开(公告)号：CN114024738A
公开(公告)日：2022-02-08
申请号：CN202111291636.2
申请日：2021-11-03
Applicant: 哈尔滨理工大学
Abstract: 一种基于多阶段攻防信号的网络防御方法。当前大多数的防御技术，都是静态被动防御，然而在面对网络中未知攻击、瞬时攻击时,无法有效地完成动态的安全保障。这种网络安全研究虽然很重要，但很少有人关注攻击者和防御者之间的动态交互。针对网络攻防环境下防御策略选择的安全性问题，基于攻防双方的有限理性，本文建立了不完全信息场景下的贝叶斯进化博弈模型。博弈过程经过多次迭代，最终达到动态均衡状态。同时，我们将纳什均衡的静态分析扩展到动态演化过程。主要目的是选择最优的安全防御策略，提高防御决策的动态分析效率，增强防御态势的预测能力。
-
公开(公告)号：CN113160055A
公开(公告)日：2021-07-23
申请号：CN202110371235.1
申请日：2021-04-07
Applicant: 哈尔滨理工大学
Abstract: 图像分辨率的降低会导致图像质量严重下降，极大地影响人们的视觉体验，针对现有基于深度学习的图像超分辨率重建方法，其对细节纹理恢复过程中容易产生伪纹理，并且没有充分利用原始低分辨率图像丰富的局部特征层信息的问题，提出一种新型的基于深度学习的图像超分辨率重建方法，该方法中生成器部分由全局多路径残差块构成，由密集残差块和边缘分支组成，提高图像信息的提取效率。采用了GN层和Randomized LeakyReLU激活函数，通过改进的网络模型，极大的改善了图像的视觉质量，本发明用于超分辨率图像重建，极大的提高了恢复图像的质量问题。
-
-
-
-
Search Results
5
records
(took 0.023 seconds)
