-
公开(公告)号：CN115459965A
公开(公告)日：2022-12-09
申请号：CN202211014966.1
申请日：2022-08-23
Applicant: 广州大学 , 中国电力科学研究院有限公司 , 国网上海市电力公司
IPC: H04L9/40 , H04L41/0631 , H04L41/069
Abstract: 本发明涉及网络安全技术领域，且公开了一种面向电力系统网络安全的多步攻击检测方法，包括以下步骤：多源异构告警数据的匹配和融合；告警信息的聚合与关联；基于因果知识和时空规则的攻击链模板抽取；基于攻击链模板和时空规则约束的多步攻击检测。本发明将不同入侵检测系统按照ATT&CK框架对攻击行为进行融合，解决不同入侵检测系统在攻击知识库方面异构的问题；对原始的告警信息进行特征筛选和重构，形成统一的十元组形式的告警日志，便于综合分析，以充分发挥不同入侵检测系统融合的优势；对告警信息根据地址相关性进行聚合，得到不同类簇，将不同的攻击行为独立划分，有利于针对不同类簇的数据并行挖掘和分析，可提高系统分析的速率。
-
公开(公告)号：CN115412328A
公开(公告)日：2022-11-29
申请号：CN202211014967.6
申请日：2022-08-23
Applicant: 广州大学 , 中国电力科学研究院有限公司 , 国网上海市电力公司
Abstract: 本发明公开了一种基于机器学习的攻击路径溯源和攻击源头检测方法，包括：构建大型网络有向攻击图，针对不同的源主机和目标主机进行统一编号，并将相邻主机之间的可达性存储为二维邻接矩阵，利用深度优先遍历算法和二维邻接矩阵找出源主机和目标主机之间所有可达路径，从所有可达路径中筛选出符合依照事件时间顺序的实际可行路径，对实际可行路径的权重进行初始化，利用路径排序算法计算攻击源头概率，选出概率值最大的作为攻击源头，对计算攻击源头概率过程中路径权重不断迭代寻优，得出最优情况下的路径权重值；本发明有效提升了攻击源头检测的效率，能够发现在整个大型网络中与该起攻击事件密切相关的多个节点，可为防御者快速找到突破口。
-
公开(公告)号：CN113780363B
公开(公告)日：2023-08-08
申请号：CN202110946024.6
申请日：2021-08-17
Applicant: 广州大学
IPC: G06V10/774 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种对抗样本防御方法、系统、计算机及介质，所述方法包括获取待检测图像样本；分别采用不同的去噪方法对待检测图像样本进行去噪处理，得到对应的第一去噪样本和第二去噪样本；将待检测图像样本、第一去噪样本和第二去噪样本分别输入深度神经网络模型，得到对应的待检测样本概率向量、第一去噪样本概率向量和第二去噪样本概率向量；分别获取待检测图像样本概率向量与第一去噪样本概率向量的第一相似度、以及与第二去噪样本概率向量的第二相似度，并根据第一相似度和第二相似度，判断待检测图像样本是否为对抗样本。本发明能够简单、高效且精准的识别对抗样本及给出对应的预测类别，有效提升对抗样本的防御能力及模型的服务能力。
-
公开(公告)号：CN113449783B
公开(公告)日：2022-11-08
申请号：CN202110675839.5
申请日：2021-06-17
Applicant: 广州大学
IPC: G06V10/774 , G06V10/82 , G06N3/08
Abstract: 本发明提供了一种对抗样本生成方法、系统、计算机设备和存储介质，通过获取待攻击的原始图像样本和神经网络模型，根据原始图像样本输入神经网络模型得到对应的梯度符号矩阵，以及采用熵值滤波器获取原始图像样本的信息熵分布矩阵生成扰动矩阵，并使用该扰动矩阵对原始图像样本添加扰动，并在得到的噪声图像样本满足对抗样本生成要求时，停止迭代，将该噪声图像样本作为对抗样本，反之，将噪声图像样本输入神经网络模型，进行下一轮噪声图像样本生成迭代，直至得到满足要求的对抗样本的方法，克服现有技术中未对梯度信息的重要程度作区分，在图像信息熵不同的区域生成均匀分布扰动缺陷的同时，增加了对抗样本的隐蔽性，提升了对抗样本的攻击效果。
-
公开(公告)号：CN115496059A
公开(公告)日：2022-12-20
申请号：CN202210918041.3
申请日：2022-08-01
Applicant: 广州大学
IPC: G06F40/242 , G06F40/40
Abstract: 本发明涉及无监督词翻译技术领域，公开了一种基于轴心词加权检索标准的双语词汇映射学习方法，包括以下步骤：初始化t＝0，设置迭代次数T，设置超参数μ和k，设置成绩数组R＝{}，对于所有来自词典Lx和Ly的候选词对lx和ly，根据词典获得对应的词向量x和y。该基于轴心词加权检索标准的双语词汇映射学习方法，将加权移动平均的思路结合到对齐的迭代过程中，使得优化的效果更加稳定。相比现有双语词典检索技术，本发明生成的双语词典以及优化后的多语言词向量更适用于特定领域的下游任务，同时，本发明结合了加权移动平均思路，有利于缓解新旧词典差别太大导致剧烈波动的问题。
-
Patent Agency Ranking
公开(公告)号：CN114298029A
公开(公告)日：2022-04-08
申请号：CN202111523723.6
申请日：2021-12-14
Applicant: 广州大学
IPC: G06F40/289 , G06F40/216 , G06F40/30 , G06K9/62 , G06N5/02
Abstract: 本发明公开了一种结合词向量多特征融合的新词发现方法，该方法步骤包括：对语料进行特征标注，计算属性对互信息矩阵和自信息矩阵，计算候选特征属性对得分；聚类词向量，找到对应的最近邻类中心向量，并找出该类中心向量对应的词作为词向量特征属性，遍历所有词向量特征属性对，计算词向量特征属性对自信息矩阵和互信息矩阵，计算所有词向量特征属性对得分；对所有候选特征属性对得分配置优化权重系数后求和计算总得分；总得分超过新词阈值时提取候选词对对应得分向量到样本集合；更新权重系数并迭代训练至损失函数收敛获得最终的权重系数；重新计算候选词对总得分，输出超过新词阈值的新词。本发明实现更合理的新词评价方法，更加有效地挖掘潜在的新词。
-
公开(公告)号：CN113780363A
公开(公告)日：2021-12-10
申请号：CN202110946024.6
申请日：2021-08-17
Applicant: 广州大学
Abstract: 本发明提供了一种对抗样本防御方法、系统、计算机及介质，所述方法包括获取待检测图像样本；分别采用不同的去噪方法对待检测图像样本进行去噪处理，得到对应的第一去噪样本和第二去噪样本；将待检测图像样本、第一去噪样本和第二去噪样本分别输入深度神经网络模型，得到对应的待检测样本概率向量、第一去噪样本概率向量和第二去噪样本概率向量；分别获取待检测图像样本概率向量与第一去噪样本概率向量的第一相似度、以及与第二去噪样本概率向量的第二相似度，并根据第一相似度和第二相似度，判断待检测图像样本是否为对抗样本。本发明能够简单、高效且精准的识别对抗样本及给出对应的预测类别，有效提升对抗样本的防御能力及模型的服务能力。
-
公开(公告)号：CN115713115A
公开(公告)日：2023-02-24
申请号：CN202211426982.1
申请日：2022-11-15
Applicant: 广州大学
IPC: G06N5/01 , G06F18/23 , G06F18/2135
Abstract: 本发明涉及人工智能领域，且公开了一种抑制罗生门效应的树代理模型的建立方法，包括以下步骤：第一步：策略分析阶段，通过无监督学习进行策略的挖掘，确定节点分裂时候的特征以及特征值的选择，策略分析阶段又分为3个子阶段包括降维、合并聚类等价层以及策略抽取；第二步：树建立阶段，包括分裂和聚合操作以及基于策略层级的建树过程；第三步：基于策略层级的建树，该抑制罗生门效应的树代理模型的建立方法，逐层挖掘多层感知机的聚类分布信息，降低树节点分裂的多样性，从而抑制整体树生长的罗生门效应。
-
-
公开(公告)号：CN113449783A
公开(公告)日：2021-09-28
申请号：CN202110675839.5
申请日：2021-06-17
Applicant: 广州大学
Abstract: 本发明提供了一种对抗样本生成方法、系统、计算机设备和存储介质，通过获取待攻击的原始图像样本和神经网络模型，根据原始图像样本输入神经网络模型得到对应的梯度符号矩阵，以及采用熵值滤波器获取原始图像样本的信息熵分布矩阵生成扰动矩阵，并使用该扰动矩阵对原始图像样本添加扰动，并在得到的噪声图像样本满足对抗样本生成要求时，停止迭代，将该噪声图像样本作为对抗样本，反之，将噪声图像样本输入神经网络模型，进行下一轮噪声图像样本生成迭代，直至得到满足要求的对抗样本的方法，克服现有技术中未对梯度信息的重要程度作区分，在图像信息熵不同的区域生成均匀分布扰动缺陷的同时，增加了对抗样本的隐蔽性，提升了对抗样本的攻击效果。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.078 seconds)
