-
公开(公告)号：CN119442123B
公开(公告)日：2025-04-22
申请号：CN202510045375.8
申请日：2025-01-10
Applicant: 杭州海康威视数字技术股份有限公司
Abstract: 本申请提供基于多模态大模型的异常信息检测方法及装置。在本实施例中，在确定了存在异常信息的前提下，再进行异常信息的具体内容的检测方式，这相比于直接对目标文件进行异常信息的具体细节的检测，一方面，不再是同时进行异常信息的检测和异常信息的具体内容的检测，这使得在进行是否存在异常信息的检测的时候，将异常信息检测模型的全部算力聚焦于是否存在异常信息上，能够提高是否存在异常信息的准确度。另一方面，也能在进行异常信息的具体内容的检测的时候，充分利用存在异常信息的先验条件，且全部算力聚焦于异常信息的具体内容上，这也能够准确检测出异常信息的具体内容。
-
公开(公告)号：CN119442123A
公开(公告)日：2025-02-14
申请号：CN202510045375.8
申请日：2025-01-10
Applicant: 杭州海康威视数字技术股份有限公司
Abstract: 本申请提供基于多模态大模型的异常信息检测方法及装置。在本实施例中，在确定了存在异常信息的前提下，再进行异常信息的具体内容的检测方式，这相比于直接对目标文件进行异常信息的具体细节的检测，一方面，不再是同时进行异常信息的检测和异常信息的具体内容的检测，这使得在进行是否存在异常信息的检测的时候，将异常信息检测模型的全部算力聚焦于是否存在异常信息上，能够提高是否存在异常信息的准确度。另一方面，也能在进行异常信息的具体内容的检测的时候，充分利用存在异常信息的先验条件，且全部算力聚焦于异常信息的具体内容上，这也能够准确检测出异常信息的具体内容。
-
公开(公告)号：CN119358032A
公开(公告)日：2025-01-24
申请号：CN202411909716.3
申请日：2024-12-23
Applicant: 杭州海康威视数字技术股份有限公司
IPC: G06F21/62 , G06N3/0455 , G06N3/088 , G06N3/0442 , G06N3/0464 , G06N3/0985
Abstract: 本申请提供一种基于混合学习的隐私泄漏检测方法及设备。在本申请的一个示例中，该基于混合学习的隐私泄漏检测方法包括：获取隐私泄露检测关联数据；利用无监督学习模型，对所述隐私泄露检测关联数据进行隐私泄露检测关联特征提取，得到隐私泄露检测关联特征；以及，利用超参数优化方案确定深度学习模型的初始最优超参数组合；构建隐私泄露检测模型，并依据所述初始最优超参数组合，利用所述隐私泄露检测关联特征对所述隐私泄露检测模型进行训练，得到训练好的隐私泄露检测模型；针对待检测物联网环境，对所述训练好的隐私泄露检测模型进行迁移学习。该方法可以提升模型在复杂物联网数据上的泛化能力和准确性。
-
公开(公告)号：CN119128993B
公开(公告)日：2025-01-21
申请号：CN202411620475.0
申请日：2024-11-13
Applicant: 杭州海康威视数字技术股份有限公司
IPC: G06F21/62 , G06F21/55 , G06F18/213 , G06N3/04 , G06N3/08
Abstract: 本申请实施例提供基于并行深度神经网络的隐私泄露检测方法。本申请实施例中，先从获得的隐私数据集的每一隐私样本数据中提取敏感隐私特征以得到该隐私样本数据对应的敏感隐私特征向量；之后，由本设备上N个CPU内核基于各隐私样本数据对应的敏感隐私特征向量并行训练出对应的DNN模型，以当任一检测设备需要检测任一目标网络流时利用已训练出的DNN模型检测该目标网络流是否出现隐私泄露，这样实现了物联网设备隐私泄露的检测，保证了物联网设备的信息安全。本实施例中由N个CPU内核并行训练多个DNN模型，这样能够使得各DNN模型之间的模型参数不会相互影响，避免DNN模型间的耦合，提高了各DNN模型的性能。
-
公开(公告)号：CN118509851B
公开(公告)日：2024-09-13
申请号：CN202410981962.3
申请日：2024-07-19
Applicant: 杭州海康威视数字技术股份有限公司
IPC: H04W12/08 , H04W12/122 , H04W12/61 , H04W12/79
Abstract: 本申请提供一种基于终端本征指纹自适应识别的访问控制方法及系统、该方法包括：获取物联网设备的时钟偏差特征和信道状态特征；生成时间序列数据，时间序列数据包括多个时间点的特征向量，时间点的特征向量包括在该时间点获取的时钟偏差特征和信道状态特征；将时间序列数据转换为待检测图像，将待检测图像输入给目标网络模型得到时空指纹特征；基于时钟偏差特征和时空指纹特征生成物联网设备的目标终端本征指纹，通过目标终端本征指纹查询指纹数据库；若指纹数据库中存在与目标终端本征指纹匹配的参考终端本征指纹，则确定物联网设备认证成功，允许物联网设备访问网络。通过本申请的技术方案，显著提高终端指纹识别与访问控制的准确率和可靠性。
-
Patent Agency Ranking
公开(公告)号：CN118400198B
公开(公告)日：2024-09-06
申请号：CN202410850465.X
申请日：2024-06-27
Applicant: 杭州海康威视数字技术股份有限公司
Abstract: 本申请提供一种基于SDN驱动的集成学习访问控制方法及装置，该方法包括：在通过数据平面接收到数据流后，确定数据平面是否已记录数据流的流标识对应的检测类别；若是，且检测类别是攻击类别，通过数据平面丢弃数据流；若否，通过数据平面将数据流发送给控制平面；在通过控制平面接收到数据流后，将数据流输入给异常访问检测模型得到数据流对应的检测类别；若检测类别是正常类别，通过控制平面向数据平面下发第一指令，以使数据平面将数据流转发给后端设备；若检测类别是攻击类别，通过控制平面向数据平面下发第二指令，第二指令包括数据流的流标识和攻击类别，以使数据平面丢弃数据流。通过本申请的技术方案，能够避免对后端设备进行攻击。
-
公开(公告)号：CN118555153A
公开(公告)日：2024-08-27
申请号：CN202411028740.6
申请日：2024-07-29
Applicant: 杭州海康威视数字技术股份有限公司
Abstract: 本申请提供了基于运行模态融合度量的物联网未知攻击检测方法及系统。本申请中，通过物联网终端各模态的模态数据训练出用于检测物联网终端未知攻击的目标深度学习攻击检测模型，这种利用物联网终端各模态的模态数据训练出的用于检测物联网终端未知攻击的目标深度学习攻击检测模型，其融合了物联网终端的各模态，实现了基于运行模态融合度量的物联网未知攻击检测。
-
公开(公告)号：CN118509851A
公开(公告)日：2024-08-16
申请号：CN202410981962.3
申请日：2024-07-19
Applicant: 杭州海康威视数字技术股份有限公司
IPC: H04W12/08 , H04W12/122 , H04W12/61 , H04W12/79
Abstract: 本申请提供一种基于终端本征指纹自适应识别的访问控制方法及系统、该方法包括：获取物联网设备的时钟偏差特征和信道状态特征；生成时间序列数据，时间序列数据包括多个时间点的特征向量，时间点的特征向量包括在该时间点获取的时钟偏差特征和信道状态特征；将时间序列数据转换为待检测图像，将待检测图像输入给目标网络模型得到时空指纹特征；基于时钟偏差特征和时空指纹特征生成物联网设备的目标终端本征指纹，通过目标终端本征指纹查询指纹数据库；若指纹数据库中存在与目标终端本征指纹匹配的参考终端本征指纹，则确定物联网设备认证成功，允许物联网设备访问网络。通过本申请的技术方案，显著提高终端指纹识别与访问控制的准确率和可靠性。
-
公开(公告)号：CN113344119B
公开(公告)日：2024-07-12
申请号：CN202110718610.5
申请日：2021-06-28
Applicant: 南京邮电大学 , 杭州海康威视数字技术股份有限公司
IPC: G06V10/776 , G06V10/82 , G06N3/0464 , G06N3/08 , G06V20/52
Abstract: 本发明是一种工业物联网复杂环境下的小样本烟雾监测方法，该监测方法利用两条并行分支实现烟雾检测，具体包括如下步骤：S1、第一条分支利用条件生成对抗网络生成数据集，将生成的数据集输入卷积神经网络中进行训练，将参数固定；S2、第二条分支采用迁移学习方法对源域图片和目标域的图片传入卷积神经网络进行训练，S3、将步骤S1和S2得到的概率进行加权得到新的概率，概率最高的标签即为所属类别，从而实现小样本下的烟雾检测。本发明结合了生成对抗网络和迁移学习方法，前者通过扩充数据集来解决小样本的问题，后者通过迁移学习来解决，二者结合，使得该模型即使在只有少量样本的情况下也能很好地在有雪环境下对烟雾进行监控。
-
公开(公告)号：CN118247493A
公开(公告)日：2024-06-25
申请号：CN202410662625.8
申请日：2024-05-23
Applicant: 杭州海康威视数字技术股份有限公司
IPC: G06V10/25 , G06V10/24 , G06V10/774 , G06V10/764 , G06N20/20
Abstract: 本申请实施例提供基于分段集成学习的伪造图片检测与定位方法及装置。在本申请中，通过第一段集成模型中N个检测子模型分别对目标图片进行伪造检测，得到N个检测结果，并通过第一段集成模型中的第一集成子模型对N个检测结果进行集成，以得到目标检测结果，在确定目标图片为伪造图片的情况下，利用第二段集成模型中M个定位子模型分别对目标图片中的伪造区域进行定位，得到M个定位结果，并通过第二段集成模型中的第二集成子模型对M个定位结果进行集成以得到目标定位结果，如此，通过两段集成模型实现了伪造图片的检测与定位。
-
-
-
-
-
-
-
-
-
Search Results
172
records
(took 0.144 seconds)
