-
公开(公告)号：CN108460320A
公开(公告)日：2018-08-28
申请号：CN201711373999.4
申请日：2017-12-19
Applicant: 杭州海康威视数字技术股份有限公司 , 杭州电子科技大学
IPC: G06K9/00
Abstract: 本发明涉及基于改进单元分析的监控视频异常事件检测方法。本发明在视频帧上划分非重叠的单元，利用多种低级视觉特征分别建模并建立相应的分类器对异常事件进行判断。在特征表示上使用了更加精细化的特征：利用关于前景对象的极坐标下的HOG3D特征作为运动特征，利用等价模式的LBP特征作为纹理特征。本发明在运动检测方面，既可以检测前景对象运动速度大小的异常，又可以检测前景对象运动方向的异常；在大小和纹理检测方面，能够很好地区分正常纹理和异常纹理。本发明在不大幅度增加检测时间的前提下，提升了算法的检测性能。
-
公开(公告)号：CN119561879B
公开(公告)日：2025-05-06
申请号：CN202510088640.0
申请日：2025-01-21
Applicant: 杭州电子科技大学
Abstract: 本发明涉及基于多维反馈信息的协议模糊测试方法及系统，其方法包括对目标协议实体程序进行预处理，做测试准备；进行模糊测试；在模糊测试过程中包括选择字段变异阶段和变异字段成本概率计算阶段进行多维反馈信息处理；获取测试结果信息，进行结果信息反馈的三个步骤；其系统包括测试准备模块、模糊测试模块、结果信息反馈模块的三个模块。本发明通过选择字段变异阶段和变异字段成本概率计算阶段进行多维反馈信息处理，显著提升了协议模糊测试的代码空间覆盖，揭示更多潜在漏洞，大幅提高了测试效率，在有限资源下，将测试集中于最可能引发崩溃的路径，从而提升检测质量和速度。
-
公开(公告)号：CN119576799B
公开(公告)日：2025-04-22
申请号：CN202510132772.9
申请日：2025-02-06
Applicant: 杭州电子科技大学
IPC: G06F11/3668 , G06N5/01
Abstract: 本发明公开了基于大语言模型的动态语言测试用例自动生成方法，首先，在预处理阶段，将待测程序的相关信息整理为提示，大语言模型根据这些提示分析待测程序的参数类型，并通过抽象语法树生成测试所需的代码信息；在测试用例生成阶段，采用动态多目标优化算法，通过分支覆盖反馈不断对测试用例进行交叉和变异，在部分进化过程中，利用大语言模型生成常规变异无法产生的测试数据，最后将筛选出的优秀测试用例组织成完整的测试套件；在程序修复阶段，运行测试套件以检测潜在错误，使用大语言模型分析并迭代修复错误，生成可执行且无错误的测试套件。本发明显著提升了动态语言的测试覆盖率，并加速了覆盖目标的达成。
-
公开(公告)号：CN119561879A
公开(公告)日：2025-03-04
申请号：CN202510088640.0
申请日：2025-01-21
Applicant: 杭州电子科技大学
Abstract: 本发明涉及基于多维反馈信息的协议模糊测试方法及系统，其方法包括对目标协议实体程序进行预处理，做测试准备；进行模糊测试；在模糊测试过程中包括选择字段变异阶段和变异字段成本概率计算阶段进行多维反馈信息处理；获取测试结果信息，进行结果信息反馈的三个步骤；其系统包括测试准备模块、模糊测试模块、结果信息反馈模块的三个模块。本发明通过选择字段变异阶段和变异字段成本概率计算阶段进行多维反馈信息处理，显著提升了协议模糊测试的代码空间覆盖，揭示更多潜在漏洞，大幅提高了测试效率，在有限资源下，将测试集中于最可能引发崩溃的路径，从而提升检测质量和速度。
-
公开(公告)号：CN115019103B
公开(公告)日：2025-02-14
申请号：CN202210697675.0
申请日：2022-06-20
Applicant: 杭州电子科技大学
IPC: G06V10/25 , G06V10/764 , G06V10/766 , G06V10/774 , G06V10/82 , G06V10/46 , G06N3/0455 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了基于坐标注意力群组优化的小样本目标检测方法。本发明方法首先对图像数据样本采样得到支持集和查询集，利用深度视觉特征提取器得到支持特征图集合和查询特征图集合；然后将支持特征图集合和初始化的目标参数矩阵集合输入坐标注意力引导模块，得到目标融合矩阵集合；再构建群组优化模块，支持特征图集合通过目标真实边界框和标签传播算法得到更新后的支持目标类向量集合；最后，将上述获得的集合输入查询目标预测模块得到查询集样本目标的边界框和类别。本发明方法利用坐标注意力机制使检测器能自适应地关注查询集中目标所在区域，同时通过群组优化模块得到判别性的支持目标类向量，从而提升小样本目标检测的性能。
-
Patent Agency Ranking
公开(公告)号：CN118609042A
公开(公告)日：2024-09-06
申请号：CN202410634867.6
申请日：2024-05-22
Applicant: 杭州电子科技大学
IPC: G06V20/52 , G06V10/774 , G06V10/776 , G06V10/762 , G06V10/82 , G06V10/80 , G06V10/766
Abstract: 本申请公开了基于改进YOLOv7的安检目标检测方法，涉及安检目标检测技术领域，该方法包括获取安检目标的图像数据；对图像数据进行数据增强，并对增强后的图像数据进行划分得到训练集、验证集和测试集；对训练集中的标签样本进行聚类操作；构建基于改进YOLOv7的安检危险物品检测模型；训练集输入安检危险物品检测模型开始训练，根据验证集调整超参数；使用安检危险物品检测模型对测试集进行检测。本申请具有提高对小目标物体检测精度的效果。
-
公开(公告)号：CN117911030A
公开(公告)日：2024-04-19
申请号：CN202311795616.8
申请日：2023-12-25
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种以太坊智能合约历史交易的漏洞检测方法。本发明主要包括以下阶段：1.交易序列处理阶段，此阶段包括交易序列读取，将操作码序列初始化为操作码对象序列，操作码对象的调用次数、调用深度计算，控制流图及执行流图的构建等步骤。2.交易执行阶段，该阶段包括控制流图执行栈的选择，控制流图的执行等步骤。3.交易执行结果分析阶段，此阶段包括获取调用路径，分析各类交易漏洞等步骤。本发明适用于六类以太坊智能合约交易漏洞，根据漏洞检测结果总结出交易漏洞的表现形式。智能合约编写者能够通过交易漏洞攻击形式的反馈，降低智能合约漏洞编写的几率，提高了智能合约的安全性。本发明具有检测效率高，准确率高，可扩展性强等优点。
-
公开(公告)号：CN117879928A
公开(公告)日：2024-04-12
申请号：CN202410010362.2
申请日：2024-01-03
Applicant: 杭州电子科技大学
IPC: H04L9/40 , H04L69/22 , G06N3/126 , G06N7/04 , G06F40/253
Abstract: 本发明提供了一种基于抽象语法树的SOAP协议黑盒模糊测试方法及系统，该方法及系统将SOAP协议转化为抽象语法树来获取产生式，并以字段为单位利用产生式指导变异，主要包括以下阶段：抽象语法树转换阶段：抓取与待测目标通讯时的流量并转化为抽象语法树。产生式提取阶段：从抽象语法树中学习上下文敏感语法并提取产生式，维护一个产生式池。模糊变异阶段：产生式池指导变异，变异分为三个阶段并配置不同的变异策略。漏洞检测阶段：发送变异报文，心跳监测监听待测设备的状态，及时发现漏洞并汇报。本发明有效提高了SOAP协议的黑盒模糊测试效率，适用于所有使用SOAP协议或基于SOAP协议的高级协议的通讯目标的漏洞挖掘。
-
公开(公告)号：CN116962262A
公开(公告)日：2023-10-27
申请号：CN202310571259.0
申请日：2023-05-17
Applicant: 杭州电子科技大学
IPC: H04L43/18 , H04L41/142 , G06F11/36 , G06F8/41
Abstract: 本发明公开了一种基于细粒度状态引导的协议漏洞挖掘测试方法与系统。本发明以一种细粒度的方式表示协议实体程序的状态转换，将被测协议实体程序的分支覆盖快照等价为协议实体程序的状态，如果触发了新的分支覆盖，则认为触发了协议实体程序的新状态，在触发新状态时，生成与之对应的前缀消息链列表，用以保存到达此状态的报文序列信息。细粒度状态选择器选择出当前阶段测试的状态后，通过对应的前缀消息链行数组生成报文序列的同时，将协议实体程序引导到对应的状态，在该状态上进行充分的模糊测试工作，以探索更深层次的分支路径。并且在模糊测试过程中动态的调整更新细粒度状态。本发明提高了对协议实体程序的分支覆盖率，且发掘更多协议漏洞。
-
公开(公告)号：CN116883902A
公开(公告)日：2023-10-13
申请号：CN202310872523.4
申请日：2023-07-14
Applicant: 杭州电子科技大学
IPC: G06V20/40 , G06V10/80 , G06V10/82 , G06V10/778 , G06N3/0464
Abstract: 本发明公开了基于多尺度时空特征蒸馏的动作识别方法。本发明方法首先对给定原始视频采样获得帧图像序列和光流图像序列，利用卷积神经网络得到时空编码特征；然后通过不同尺寸的卷积操作捕获不同尺度的局部特征，获得多尺度空间特征；同时，利用自注意力机制构建时序编码特征的长时依赖关系，获得长时时序特征；再融合多尺度空间特征与长时时序特征获得多尺度时空特征，进行动作分类；最后通过将多尺度空间特征进行掩膜蒸馏，实现教师模型中任务相关知识向学生模型的迁移。本发明方法不仅能够对视频的时空编码特征进行增强和融合获得多尺度时空特征，还能利用掩膜特征蒸馏实现模型的轻量化，提升了动作识别的准确率并有利于终端部署。
-
-
-
-
-
-
-
-
-
Search Results
247
records
(took 0.06 seconds)
