-
公开(公告)号：CN118869561B
公开(公告)日：2024-12-03
申请号：CN202411328234.9
申请日：2024-09-23
Applicant: 杭州海康威视数字技术股份有限公司
Abstract: 本申请实施例提供了一种基于对抗训练的零信任评价方法、装置、设备及存储介质，涉及网络安全技术领域。具体实现方案为：获取待利用接口的接口文档作为第一接口文档；基于零信任网关中已注册接口的接口规范以及预设编码规则对第一接口文档进行编码，得到第一结构矩阵和第一文本矩阵；在第一结构矩阵中添加第一类型的噪声后输入结构特征生成器，得到第一结构特征矩阵，在第一文本矩阵中添加第二类型的噪声后输入文本特征生成器，得到第一文本特征矩阵；基于接口规范以及预设编码规则对应的预设解码规则，对第一结构特征矩阵和第二文本特征矩阵进行解码，得到测试用例。可见，通过本方案，能够提高对零信任网关所属的零信任架构进行评价的效率。
-
公开(公告)号：CN118869357B
公开(公告)日：2024-12-03
申请号：CN202411327891.1
申请日：2024-09-23
Applicant: 杭州海康威视数字技术股份有限公司
IPC: H04L9/40 , G06F18/2433 , G06N3/0455
Abstract: 本申请实施例提供了零信任行为异常检测方法、装置、电子设备及存储介质。方法包括：获取各实体设备在测试时间段内的测试特征数据，其中，测试特征数据包括：全局特征数据、统计特征数据、序列特征数据；全局特征数据用于表征请求实体和资源实体之间的关联关系；统计特征数据用于表征请求实体和资源实体之间的行为的行为类型和行为结果，序列特征数据用于表征请求实体和资源实体之间的行为的关联顺序；将测试特征数据输入至自编码器模型中，计算得到自编码器模型输出的解码数据；若解码数据与测试特征数据之间的差异大于预设阈值，则确定实体设备行为异常。可以实现对实体设备的异常检测。
-
公开(公告)号：CN119337372B
公开(公告)日：2025-04-29
申请号：CN202411898861.6
申请日：2024-12-20
Applicant: 杭州海康威视数字技术股份有限公司
IPC: G06F21/55 , G06F21/57 , G06F18/213 , G06F18/243 , G06N3/0464 , G06N3/048 , G06N3/0455 , G06N3/088
Abstract: 本申请实施例提供一种基于高阶特征数据增强的物联网隐私泄露检测方法和系统，涉及数据处理技术领域。该方法包括：获取真实数据集，真实数据集包括多个N维真实流量数据；基于真实数据集和样本生成器构建目标样本集；目标样本集中的样本分为第一类样本和第二类样本，第二类样本是样本生成器根据包含隐私信息的N维真实流量数据生成的；利用目标样本集对初始的隐私检测模型进行训练得到目标隐私检测模型；样本生成器是通过如下方式训练得到的：针对包含隐私信息的N维真实流量数据，利用深度卷积自编码器对N维真实流量数据进行数据重构，得到重构后的N维重构流量数据；基于N维重构流量数据对初始的样本生成器进行训练，得到训练好的样本生成器。
-
公开(公告)号：CN115134912A
公开(公告)日：2022-09-30
申请号：CN202210751388.3
申请日：2022-06-28
Applicant: 杭州海康威视数字技术股份有限公司
Abstract: 本发明实施例提供了面向自动搬运的定位模型训练及基于定位模型的定位方法，涉及物联网定位技术领域。确定关于待定位对象的至少一种待训练场景；针对每一待训练场景，确定待定位对象位于关于基准定位区域的第一基准位置时，基准定位区域中的每个基准点的第一距离和第一信号强度；针对每一待训练场景，利用每个基准点的第一距离和第一信号强度，计算该基准点的第一路径损耗系数；针对每一待训练场景，利用每个基准点的第一信号强度和第一路径损耗系数，对预设模型进行训练，得到该待训练场景下第一基准位置对应的关于第一信号强度和第一路径损耗系数的第一定位模型。与现有技术相比，应用本发明实施例提供的方案，可以提高对AGV定位的准确性。
-
公开(公告)号：CN119337372A
公开(公告)日：2025-01-21
申请号：CN202411898861.6
申请日：2024-12-20
Applicant: 杭州海康威视数字技术股份有限公司
IPC: G06F21/55 , G06F21/57 , G06F18/213 , G06F18/243 , G06N3/0464 , G06N3/048 , G06N3/0455 , G06N3/088
Abstract: 本申请实施例提供一种基于高阶特征数据增强的物联网隐私泄露检测方法和系统，涉及数据处理技术领域。该方法包括：获取真实数据集，真实数据集包括多个N维真实流量数据；基于真实数据集和样本生成器构建目标样本集；目标样本集中的样本分为第一类样本和第二类样本，第二类样本是样本生成器根据包含隐私信息的N维真实流量数据生成的；利用目标样本集对初始的隐私检测模型进行训练得到目标隐私检测模型；样本生成器是通过如下方式训练得到的：针对包含隐私信息的N维真实流量数据，利用深度卷积自编码器对N维真实流量数据进行数据重构，得到重构后的N维重构流量数据；基于N维重构流量数据对初始的样本生成器进行训练，得到训练好的样本生成器。
-
Patent Agency Ranking
公开(公告)号：CN118869561A
公开(公告)日：2024-10-29
申请号：CN202411328234.9
申请日：2024-09-23
Applicant: 杭州海康威视数字技术股份有限公司
Abstract: 本申请实施例提供了一种基于对抗训练的零信任评价方法、装置、设备及存储介质，涉及网络安全技术领域。具体实现方案为：获取待利用接口的接口文档作为第一接口文档；基于零信任网关中已注册接口的接口规范以及预设编码规则对第一接口文档进行编码，得到第一结构矩阵和第一文本矩阵；在第一结构矩阵中添加第一类型的噪声后输入结构特征生成器，得到第一结构特征矩阵，在第一文本矩阵中添加第二类型的噪声后输入文本特征生成器，得到第一文本特征矩阵；基于接口规范以及预设编码规则对应的预设解码规则，对第一结构特征矩阵和第二文本特征矩阵进行解码，得到测试用例。可见，通过本方案，能够提高对零信任网关所属的零信任架构进行评价的效率。
-
公开(公告)号：CN119357850A
公开(公告)日：2025-01-24
申请号：CN202411930899.7
申请日：2024-12-25
Applicant: 杭州海康威视数字技术股份有限公司
IPC: G06F18/2431 , G06F18/214 , G06N3/0464 , G06F21/62 , G06N3/084 , H04L9/40 , H04L67/12
Abstract: 本申请提供了基于少样本预学习的物联网隐私泄露检测方法及设备。本实施例通过构建由内层模型+外层预学习器组成的物联网隐私泄露检测模型，以使得按照内循环（基于单个训练任务训练内层模型）和外循环（基于各训练任务训练出的内层模型的损失情况优化外层预学习器、以及基于优化后的外层预学习器优化内层模型）相配合的方式训练出满足要求的物联网隐私泄露检测模型，相比常规单一训练模式，其可以实现在少量样本的情况下快速训练模型的，且这种内层模型的训练决定外层预学习器的优化而外层预学习器决定内层模型的优化的方式，相互决策，能够保证最终训练出的目标物联网隐私泄露检测模型具有较高的检测准确率，提高物联网隐私泄露检测的准确度。
-
公开(公告)号：CN118862064B
公开(公告)日：2024-12-03
申请号：CN202411320858.6
申请日：2024-09-20
Applicant: 杭州海康威视数字技术股份有限公司
Abstract: 本申请实施例提供多维特征协同的恶意样本分析方法、装置及系统。本实施例借助于检测域层级结构，有效利用检测域层级结构中不同检测方法节点对应的检测引擎对当前样本中不同维度特征数据检测以分析当前样本是否为恶意样本，这实现了多维度下的特征数据协同进行恶意样本分析。
-
公开(公告)号：CN118869357A
公开(公告)日：2024-10-29
申请号：CN202411327891.1
申请日：2024-09-23
Applicant: 杭州海康威视数字技术股份有限公司
IPC: H04L9/40 , G06F18/2433 , G06N3/0455
Abstract: 本申请实施例提供了零信任行为异常检测方法、装置、电子设备及存储介质。方法包括：获取各实体设备在测试时间段内的测试特征数据，其中，测试特征数据包括：全局特征数据、统计特征数据、序列特征数据；全局特征数据用于表征请求实体和资源实体之间的关联关系；统计特征数据用于表征请求实体和资源实体之间的行为的行为类型和行为结果，序列特征数据用于表征请求实体和资源实体之间的行为的关联顺序；将测试特征数据输入至自编码器模型中，计算得到自编码器模型输出的解码数据；若解码数据与测试特征数据之间的差异大于预设阈值，则确定实体设备行为异常。可以实现对实体设备的异常检测。
-
公开(公告)号：CN118862064A
公开(公告)日：2024-10-29
申请号：CN202411320858.6
申请日：2024-09-20
Applicant: 杭州海康威视数字技术股份有限公司
Abstract: 本申请实施例提供多维特征协同的恶意样本分析方法、装置及系统。本实施例借助于检测域层级结构，有效利用检测域层级结构中不同检测方法节点对应的检测引擎对当前样本中不同维度特征数据检测以分析当前样本是否为恶意样本，这实现了多维度下的特征数据协同进行恶意样本分析。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.032 seconds)
