-
公开(公告)号：CN117831759A
公开(公告)日：2024-04-05
申请号：CN202311228066.1
申请日：2023-09-22
Applicant: 湖南大学
IPC: G16H50/30 , G16H50/20 , G06F18/214 , G06F18/213 , G06F18/2136 , G06F18/211 , G06F18/27 , G06F123/02
Abstract: 本发明公开了一种基于注意力机制的急性冠状动脉综合征预测方法，包括：S1、根据读取的空气污染数据利用时间序列领域自适应方法构建多因素稀疏关联结构，提取时间序列域不变特征表示；S2、根据读取的急性冠状动脉综合征病例数据，利用时间注意力机制和多层感知器协同的标签映射方法生成急性冠状动脉综合征病例数据的共享标签表示；S3、将提取的时间序列域不变特征表示和生成的急性冠状动脉综合征病例数据的共享标签表示回归得到预测标签值。本发明解决现有技术无法协调具有可比特征向量但鲜明对比标签值的不同数据源的问题、现有技术在不同源的数据序列不对齐时出现的时域错位问题以及现有技术无法对多因素时间序列数据提取域不变表示的问题。
-
公开(公告)号：CN114039781B
公开(公告)日：2023-02-03
申请号：CN202111324136.4
申请日：2021-11-10
Applicant: 湖南大学
IPC: H04L9/40
Abstract: 本发明公开了一种基于重构异常的慢速拒绝服务攻击检测方法，属于计算机网络安全领域。其中所述方法包括：首先，获取路由器中的TCP数据报文，得到TCP样本序列；然后，采用离散小波变换对TCP样本序列进行4层小波分解，得到平滑信号和细节信号，并根据平滑信号进行重构，得到表示TCP趋势变化和概貌信息的重构信号；最后，将重构信号输入到基于自编码器的异常检测模型中，根据异常检测模型的输出，对该单位时间内的TCP数据报文进行判定检测，若异常检测模型的输出数据和输入数据的重构误差大于预先设定的阈值，则判定该单位时间内网络中发生了LDoS攻击。本发明提出的基于重构异常的慢速拒绝服务攻击检测方法能高效、快速、准确地检测LDoS攻击。
-
公开(公告)号：CN112788063B
公开(公告)日：2022-03-01
申请号：CN202110130841.4
申请日：2021-01-29
Applicant: 湖南大学
Abstract: 本发明公开了基于RF‑GMM的SDN中LDoS攻击检测方法，属于网络安全领域。其中所述方法包括：本方法从SDN交换机采样得到的流量数据中提取TCP流量和UDP流量，滑动划分检测窗口，并计算其多个特征作为攻击检测的指标。为了选取对检测最有益的特征，增加检测准确率，减少运算量，本方法使用了随机森林模型计算每个特征的重要性并进行排序。根据特征重要性选择最优特征作为高斯混合模型的输入，对不同的网络状态进行聚类，从而实现攻击检测。本发明提出的基于RF‑GMM的SDN中LDoS攻击检测方法能准确、高效、快速、自适应地检测SDN中的LDoS攻击。
-
Patent Agency Ranking
公开(公告)号：CN119580821A
公开(公告)日：2025-03-07
申请号：CN202411015960.5
申请日：2024-07-26
Applicant: 湖南大学
Abstract: 基于表征对齐空间的药物‑靶标相互作用预测方法及装置，该方法将蛋白质表征维度、药物表征维度、公共嵌入表征维度、多层感知器层数和批次维度参数进行初始化；通过若干药学数据库获取若干单源网络数据并进行比对处理，构建生物医药异构网络；根据对比学习策略，将蛋白质靶标及药物表征整合到公共嵌入表征空间，并通过DTI关联训练设定模型；将蛋白质靶标及其对应的若干药物表征输入训练好的设定模型进行DTI预测，获得最相关的若干药物。本发明通过构建生物医药异构网络，有利于预测未知药物相关的DTI关联；搭建嵌入表征对齐框架，既能利用高质量的表征方法表征生物医药网络和生物实体，也能利用对比损失解决训练数据稀疏的问题。
-
公开(公告)号：CN118824354A
公开(公告)日：2024-10-22
申请号：CN202411007995.4
申请日：2024-07-25
Applicant: 湖南大学
Abstract: 本发明公开了一种基于联邦决策树的药靶亲和力预测方法，包括：S1、在本地使用基于多壳层扩展连接性指纹的方法进行药物和蛋白质的特征学习；S2、每个制药机构基于本地数据和初始分割点对GBDT模型进行一阶和二阶梯度计算，生成梯度直方图；S3、每个制药机构对其得到的梯度直方图进行同态加密操作，并将加密后的梯度直方图传输给中央服务器；S4、中央服务器将收集到的各个制药机构的加密后的梯度直方图进行聚合，根据GBDT模型的决策树构建流程生成下一步建树操作，并将该操作信息转发给各制药机构；S5、每个制药机构使用中央服务器发来的决策树构建信息来更新其本地GBDT模型。本发明在保证数据隐私的同时具有高效的药靶亲和力预测能力。
-
公开(公告)号：CN114039781A
公开(公告)日：2022-02-11
申请号：CN202111324136.4
申请日：2021-11-10
Applicant: 湖南大学
IPC: H04L9/40
Abstract: 本发明公开了一种基于重构异常的慢速拒绝服务攻击检测方法，属于计算机网络安全领域。其中所述方法包括：首先，获取路由器中的TCP数据报文，得到TCP样本序列；然后，采用离散小波变换对提取的TCP样本序列进行4层小波分解，得到平滑信号和细节信号，并根据分解后得到的平滑信号进行重构，得到表示TCP趋势变化和概貌信息的重构信号；最后，将重构信号作为输入数据，输入到基于自编码器的异常检测模型中，根据异常检测模型的输出，对该单位时间内的TCP数据报文进行判定检测，若异常检测模型的输出数据和输入数据的重构误差大于预先设定的阈值，则判定该单位时间内网络中发生了LDoS攻击。本发明提出的基于重构异常的慢速拒绝服务攻击检测方法能在复杂网络环境中有较好的自适应性，并且误报率和漏报率低，对LDoS攻击的检测准确度较高。
-
公开(公告)号：CN112788063A
公开(公告)日：2021-05-11
申请号：CN202110130841.4
申请日：2021-01-29
Applicant: 湖南大学
Abstract: 本发明公开了基于RF‑GMM的SDN中LDoS攻击检测方法，属于网络安全领域。其中所述方法包括：本方法从SDN交换机采样得到的流量数据中提取TCP流量和UDP流量，滑动划分检测窗口，并计算其多个特征作为攻击检测的指标。为了选取对检测最有益的特征，增加检测准确率，减少运算量，本方法使用了随机森林模型计算每个特征的重要性并进行排序。根据特征重要性选择最优特征作为高斯混合模型的输入，对不同的网络状态进行聚类，从而实现攻击检测。本发明提出的基于RF‑GMM的SDN中LDoS攻击检测方法能准确、高效、快速、自适应地检测SDN中的LDoS攻击。
-
公开(公告)号：CN112350994A
公开(公告)日：2021-02-09
申请号：CN202011054835.7
申请日：2020-09-28
Applicant: 湖南大学
Abstract: 本发明公开了一种基于TC‑UTR算法的慢速拒绝服务攻击检测方法，属于网络安全领域。其中所述方法包括：以一个时间单位作为周期，采集路由器中的所有TCP和UDP数据包作为检测单元并计算其方差和香农熵作为特征值，所有检测单元的特征数据集。之后将数据集作为输入，使用两步聚类算法，首先对特征数据集进行预聚类，接着对预聚类得到的子簇进行正式聚类，进而实现二度聚类。之后我们为每一个簇计算其UTR值，并且将其与无慢速拒绝服务攻击下的阈值Ω进行比较，若UTR值大于阈值Ω，则判定该簇遭受慢速拒绝服务攻击。本发明提出的基于TC‑UTR算法的慢速拒绝服务攻击检测方法误报率和漏报率低，对慢速拒绝服务攻击的检测准确度较高，同时算法的空间和时间复杂度低，是一种有效检测慢速拒绝服务攻击的方法。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.014 seconds)
