公开(公告)号：CN117558011B

公开(公告)日：2024-04-26

申请号：CN202410021433.9

申请日：2024-01-08

Applicant: 暨南大学

Inventor： 夏志华 ,  陈佳韩 ,  余佩鹏

IPC: G06V30/19 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/047 ,  G06N3/08 ,  G06V10/82 ,  G06V30/146 ,  G06V30/148 ,  G06V30/18

Abstract: 本发明公开了一种基于自一致性矩阵和多尺度损失的图像文本篡改检测方法，本发明属于模式识别领域，包括：通过采用Resnet 34模型作为主干网络进行图像特征提取，得到中间特征图和最终特征图；基于所述中间特征图，计算得到自一致性矩阵；通过渐进式上采样卷积神经网络逐步进行自一致性矩阵反卷积操作，生成输出的概率矩阵，从而判断原图中存在篡改区域的大致位置；将最终特征图输入分类层，以得到分类预测向量，从而判断含文本图像是否存在篡改。本发明提供了一种成本低、检测精度高、耗时短的图像文本篡改检测方法。

公开(公告)号：CN117558011A

公开(公告)日：2024-02-13

申请号：CN202410021433.9

申请日：2024-01-08

Applicant: 暨南大学

Inventor： 夏志华 ,  陈佳韩 ,  余佩鹏

IPC: G06V30/19 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/047 ,  G06N3/08 ,  G06V10/82 ,  G06V30/146 ,  G06V30/148 ,  G06V30/18

Abstract: 本发明公开了一种基于自一致性矩阵和多尺度损失的图像文本篡改检测方法，本发明属于模式识别领域，包括：通过采用Resnet 34模型作为主干网络进行图像特征提取，得到中间特征图和最终特征图；基于所述中间特征图，计算得到自一致性矩阵；通过渐进式上采样卷积神经网络逐步进行自一致性矩阵反卷积操作，生成输出的概率矩阵，从而判断原图中存在篡改区域的大致位置；将最终特征图输入分类层，以得到分类预测向量，从而判断含文本图像是否存在篡改。本发明提供了一种成本低、检测精度高、耗时短的图像文本篡改检测方法。

公开(公告)号：CN117496246A

公开(公告)日：2024-02-02

申请号：CN202311489175.9

申请日：2023-11-09

Applicant: 暨南大学

Inventor： 魏林锋 ,  黎庭威 ,  何卓丰 ,  王宇 ,  宣建通 ,  陈佳韩 ,  李健 ,  李学明 ,  黄宇勤 ,  丁振杨 ,  欧燕 ,  杨子怡 ,  孙炜 ,  唐英展

IPC: G06V10/764 ,  G06V10/44 ,  G06V10/82 ,  G06V10/774 ,  G06T5/94 ,  G06T5/40 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/096

Abstract: 本发明公开了一种基于卷积神经网络的恶意软件分类方法。其中方法包括：恶意软件样本数据集采集；将恶意软件样本转换成灰度图像；增加灰度图像局部对比度和灰度图像间的对比度，同时抑制噪声的放大；将灰度图像输入Efficientnet‑B0模型以获取更精炼的特征向量，最后进行正则化，输入到Softmax函数中进行分类，以确定其所属的恶意软件家族。该方法将恶意软件样本转换成灰度图像，并且使用准确率较高、参数较少的Efficientnet‑B0模型，能高效地识别恶意软件对应的家族，并具备一定的未知恶意软件攻击发现能力，该方法还可以拓展到其他平台识别恶意软件的场景。