-
公开(公告)号：CN110719251A
公开(公告)日：2020-01-21
申请号：CN201910274399.5
申请日：2019-04-08
Applicant: 四川大学 , 北京神州绿盟信息安全科技股份有限公司
Abstract: 随着蜜罐技术的发展和应用，越来越多的攻击者和研究人员开始关注蜜罐的检测。本发明借助现阶段热门的机器学习技术，提出一种基于机器学习的蜜罐检测方法。该检测方法通过对有效的蜜罐静态特征的提取，利用合适的机器学习算法构建分类模型，实现对蜜罐的检测。该检测方法合理且多方面地利用蜜罐的静态特征对目标IP进行检测，提高蜜罐检测的准确性。
-
公开(公告)号：CN117234527A
公开(公告)日：2023-12-15
申请号：CN202311214361.1
申请日：2023-09-19
Applicant: 四川大学
Abstract: 本发明公开了一种基于复合语义图的二进制代码相似性检测方法及系统包括，对二进制代码程序进行反汇编，获取二进制代码程序文件中所有的函数，并建立以函数为单位的二进制语料库；对二进制语料库中汇编代码的指令进行分析，建立控制依赖图与数据依赖图，结合控制依赖图与数据依赖图建立复合图，并对复合图进行规范化处理，根据规范化处理后的聚合图节点与边的信息，生成复合语义图；将复合语义图进行处理，将处理后结果输入异构图神经网络，获取对应图嵌入表示；预设孪生网络，孪生网络结合待检测二进制代码对应图嵌入表示，计算图嵌入向量距离，根据向量距离判断待检测二进制代码是否相似。实现相似性精确检测。
-
公开(公告)号：CN116884422A
公开(公告)日：2023-10-13
申请号：CN202310799966.5
申请日：2023-07-03
Applicant: 四川大学
IPC: G10L19/018 , G10L21/0224 , G10L25/30 , G10L21/0264
Abstract: 本发明公开了一种基于稀疏扰动的载体音频增强方法，包括步骤：使用训练集，对判别器和对抗扰动生成器进行多次对抗训练，得到训练好的对抗扰动生成器；使用训练好的对抗扰动生成器，对待增强的载体音频，利用音频内容的时域和强度变化特征计算得到稀疏扰动；将稀疏扰动添加到待增强的载体音频，得到增强载体音频。增强载体音频可用于后续的音频隐写。本发明得到的增强载体音频，在通过音频隐写嵌入秘密信息后能够有效误导目标隐写分析器产生错误的检测结果，提升安全性；同时保持载体音频具有良好的听觉质量。
-
公开(公告)号：CN114820380B
公开(公告)日：2023-04-18
申请号：CN202210521584.1
申请日：2022-05-13
Applicant: 四川大学
IPC: G06T5/00 , G06V10/26 , G06V10/30 , G06V10/762
Abstract: 本发明公开了一种基于内容自适应对抗扰动的空域隐写载体图像增强方法，包括步骤：计算载体图像的多粒度图像纹理特征；对载体图像按照像素值进行聚类，按照语义类别标签进行图像分割；计算载体图像的加权掩模；计算内容自适应对抗扰动；将内容自适应对抗扰动添加到载体图像中，得到增强载体图像，再加入真实秘密信息进行隐写得到最终的增强载密图像。本发明根据载体图像特征向图像纹理丰富区域添加扰动噪声，提升了扰动噪声的隐蔽性。因此，本发明不仅可以在少量扰动噪声条件下成功攻击基于深度学习的隐写分析网络，而且可以降低对抗扰动噪声被检测的风险。
-
公开(公告)号：CN113010895B
公开(公告)日：2022-12-30
申请号：CN202011423335.6
申请日：2020-12-08
Applicant: 四川大学
Abstract: 本发明涉及安全漏洞危害评估技术领域和深度学习神经网络领域，旨在提供一种更加完善的多维度安全漏洞危害性评估技术。该技术的核心是将安全漏洞的评估指标值转化为特征向量，利用DNN神经网络学习漏洞的特征向量，以生成漏洞的类别词典。该技术的工作流程为将安全漏洞的包括危害性、通用度、漏洞生命周期及利用开销等多项评估指标值转换为数值特征向量，接着提取各个特征向量中的数值特征，利用全连接神经网络DNN学习漏洞的评估指标值特征，最后生成漏洞的类别词典。其中在生成类别词典时利用了softmax激活函数实现多分类任务。最后利用生成的深度学习模型进行漏洞危害评估。本技术为安全漏洞的危害性评估提供了一种新的解决方案。
-
Patent Agency Ranking
公开(公告)号：CN111890363B
公开(公告)日：2022-12-30
申请号：CN202010734281.9
申请日：2020-07-27
Applicant: 四川大学
IPC: B25J9/16
Abstract: 本发明公开了一种基于快速自适应梯度神经网络算法的机械臂运动规划方法，考虑到机械臂运动规划中涉及到的雅可比矩阵求伪逆的问题，以及长期不间断工作情况下，机械臂模型由于损害导致控制模型参数发生变化，并构建了避免求伪逆的快速自适应梯度神经网络算法模型，避免由求雅可比矩阵伪逆所花费的大量计算时间，并引入自适应系数，能根据机械臂模型自动调整运动规划控制参数，保证机械臂运动规划能满足长期运行的工作情况。
-
公开(公告)号：CN113297584A
公开(公告)日：2021-08-24
申请号：CN202110855058.4
申请日：2021-07-28
Applicant: 四川大学
Abstract: 本申请实施例提供一种漏洞检测方法、装置、设备及存储介质，涉及网络信息安全技术领域，所述方法包括：首先，将待检测程序的二进制代码反编译为伪代码。检测伪代码中的危险函数，接着以危险函数为切片点，提取与危险函数调用相关的切片代码，其次，将切片代码转换为向量表示，最后将向量化的切片代码作为输入，通过检测神经网络判断待检测程序是否包含漏洞。本申请的方法可用于跨架构、跨平台的二进制代码漏洞识别场景，在二进制代码级别上实现了对漏洞进行细粒度的检测，能够有效地实现自动化的特征提取，缓解不同编译选项以及补丁代码造成的高误报影响，拥有着极高的准确率和极低的误报率及漏报率。
-
公开(公告)号：CN107302474A
公开(公告)日：2017-10-27
申请号：CN201710538802.1
申请日：2017-07-04
Applicant: 四川无声信息技术有限公司 , 四川大学
Abstract: 本发明提供一种网络数据应用的特征提取方法及装置。所述方法包括：从网络应用层的特征候选集中读取待测网络数据应用对应的准特征值；基于读取的准特征值对待测网络数据应用进行识别，根据识别结果从特征候选集中提取与待测网络数据应用对应的应用特征。由此，在对待测网络数据应用进行识别时，自动提取了待测网络数据应用的应用特征，提高了应用识别效率。
-
公开(公告)号：CN119785362B
公开(公告)日：2025-05-13
申请号：CN202510272554.5
申请日：2025-03-10
Applicant: 四川大学
IPC: G06V30/18 , G06V30/19 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了文本检测方法及装置，涉及数据处理技术领域，基于Harris角点检测算法对原始图像的文本数据进行角点检测，得到角点检测图；基于预设透明参数对角点检测图和所述原始图像进行加权融合，得到融合图像；基于预设卷积神经网络模型和Vision Transformer网络模型对融合图像进行特征提取，并将提取的特征基于线性分类器和softmax函数映射至字符概率；基于各提取的特征的字符概率生成提取文本数据。与相关技术相比，通过基于Harris角点检测算法对原始图像的文本数据进行角点检测，得到角点检测图，即使所述文本数据的形状丰富多样，Harris角点检测算法依然可以对原始图像中的关键角点进行较为精确的定位和提取，从而实现对形状丰富多样的文本数据进行检测均有较好的适应能力。
-
公开(公告)号：CN119785362A
公开(公告)日：2025-04-08
申请号：CN202510272554.5
申请日：2025-03-10
Applicant: 四川大学
IPC: G06V30/18 , G06V30/19 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了文本检测方法及装置，涉及数据处理技术领域，基于Harris角点检测算法对原始图像的文本数据进行角点检测，得到角点检测图；基于预设透明参数对角点检测图和所述原始图像进行加权融合，得到融合图像；基于预设卷积神经网络模型和Vision Transformer网络模型对融合图像进行特征提取，并将提取的特征基于线性分类器和softmax函数映射至字符概率；基于各提取的特征的字符概率生成提取文本数据。与相关技术相比，通过基于Harris角点检测算法对原始图像的文本数据进行角点检测，得到角点检测图，即使所述文本数据的形状丰富多样，Harris角点检测算法依然可以对原始图像中的关键角点进行较为精确的定位和提取，从而实现对形状丰富多样的文本数据进行检测均有较好的适应能力。
-
-
-
-
-
-
-
-
-
Search Results
47
records
(took 0.044 seconds)
