-
公开(公告)号：CN117978474A
公开(公告)日：2024-05-03
申请号：CN202410080192.5
申请日：2024-01-19
IPC: H04L9/40
Abstract: 本申请涉及一种基于蜜网的异常流量处理方法、装置、计算机设备、存储介质和计算机程序产品。该方法包括：基于主动防御模型识别访问流量的类别；若所述访问流量为异常流量，提取所述异常流量的攻击信息；根据所述攻击信息识别所述异常流量的攻击类型；从蜜网中预先创建的、且处于关闭状态的蜜罐容器中，启动运行与所述攻击类型匹配的目标蜜罐容器；将所述异常流量引流至处于运行状态的所述目标蜜罐容器。采用本方法能够提高网络安全性。
-
公开(公告)号：CN118227975A
公开(公告)日：2024-06-21
申请号：CN202410331578.9
申请日：2024-03-22
IPC: G06F18/15 , G06F18/213 , G06F18/2321 , G06N3/045 , G06F18/25
Abstract: 本申请涉及一种历史轨迹缺失的补全方法、装置、设备和存储介质。所述方法包括：获取场景视频中各运动对象的历史轨迹，将各运动对象的历史轨迹输入已建立的神经网络模型，获得神经网络模型输出的各运动对象的运动特征；基于各运动对象的历史轨迹，确定缺失轨迹的目标运动对象和目标运动对象在轨迹缺失时刻的邻居运动对象；根据邻居运动对象的运动特征和邻居运动对象的历史轨迹，计算邻居运动对象在轨迹缺失时刻对于目标运动对象的关联影响特征；根据轨迹缺失时刻的关联影响特征和目标运动对象的运动特征，采用神经网络模型进行处理，得到目标运动对象补全轨迹之后的历史轨迹并存储。采用本申请，可以提高轨迹补全的准确性。
-
公开(公告)号：CN118075138A
公开(公告)日：2024-05-24
申请号：CN202410065161.2
申请日：2024-01-16
IPC: H04L41/14 , H04L41/16 , H04L41/142 , H04L9/40 , G06N3/0475 , G06N3/094
Abstract: 本申请涉及一种基于对抗网络的推荐系统托攻击仿真方法与装置，其中，方法包括：获取推荐系统中历史用户数据，对历史数据进行特征重构融合，得到虚假用户数据，通过历史用户数据和所述虚拟用户数据，以生成器损失函数最小化来对特征重构融合生成器进行优化，最后基于优化后的特征重构融合生成器，对推荐系统进行仿真托攻击以检测推荐系统稳定性。整个过程中，使用少量的历史用户数据即可完成对特征重构融合生成器的优化训练，最终可以得到较多的攻击数据，从而可以实现较为全面推荐系统仿真攻击，以有效检测推荐系统的安全性。
-
公开(公告)号：CN117978481A
公开(公告)日：2024-05-03
申请号：CN202410093455.6
申请日：2024-01-23
Abstract: 本申请涉及一种工控协议解析方法、装置、设备和存储介质。工控协议解析方法包括：获取工控系统通信网络传输的待解析工控协议数据；将待解析工控协议数据输入至预训练模型，获取预训练模型输出的特征向量；采用基于大模型框架训练得到的协议解析模型、基于待解析工控协议数据和特征向量进行处理，获取协议解析模型输出的日志标签序列作为待解析工控协议数据的解析结果。本申请利用基于大模型的协议解析模型实现对待解析工控协议数据的解析，无需依赖繁琐的人工规则，对工控协议的解析简单高效。
-
公开(公告)号：CN117933414A
公开(公告)日：2024-04-26
申请号：CN202311858926.X
申请日：2023-12-30
IPC: G06N20/00 , G06F18/2433 , G06F21/12
Abstract: 本申请涉及一种应对拜占庭节点的联邦学习方法。所述方法包括：将待训练的分类模型传递至目标学习节点，以指示目标学习节点根据医疗样本数据确定梯度信息；接收目标学习节点反馈的梯度信息，并根据梯度信息对目标学习节点进行分类，得到节点类型；若节点类型为恶意节点，则对所述目标学习节点进行标识，并将邻接学习节点作为下一目标学习节点，返回执行将待训练的分类模型传递至目标学习节点的步骤；若节点类型为正常节点，则接收目标学习节点更新的分类模型，将邻接学习节点作为下一目标学习节点，并基于更新的分类模型返回执行将待训练的分类模型传递至目标学习节点的步骤，直至完成所述分类模型的训练。采用本方法能够提高分类模型的学习准确率。
-
Patent Agency Ranking
公开(公告)号：CN119850805A
公开(公告)日：2025-04-18
申请号：CN202411913673.6
申请日：2024-12-24
Applicant: 湖南大学
Abstract: 本申请实施例提供了一种高斯图像渲染方法和装置。从基于初始高斯进行多视角的图像渲染起步，逐步获取不同视角下的颜色图像以及深度图像，以此构建多个损失函数来对初始高斯的属性进行针对性优化，得到第一高斯。基于第一高斯继续在更多视角下渲染并再次利用与真实图像对比形成的第三损失函数进一步优化高斯属性，最终得到第二高斯用于渲染新视角下的图像。这一整套流程使得渲染出的第五颜色图像在准确性、真实性以及细节呈现等方面均能达到较好的效果，能够更逼真地还原目标场景在新视角下的视觉样貌，减少图像中诸如模糊、失真、物体结构不合理等问题的出现。
-
公开(公告)号：CN118429689A
公开(公告)日：2024-08-02
申请号：CN202410383783.X
申请日：2024-04-01
Applicant: 湖南大学
IPC: G06V10/764 , G06V10/82 , G06N3/094 , G06N3/045 , G06N3/0475
Abstract: 本申请涉及一种基于注意力频域GAN的对抗性仿真攻击方法、装置、计算机设备、存储介质和计算机程序产品，其中，方法包括：获取原始示例，并将原始示例解构得到原始低频分量和原始高频分量；分别生成具有关键扰动的低频分量和进行随机分布的高频分量、并进行重构处理，得到重构后的对抗示例；分别产生鉴别图像损失函数、攻击结果损失函数、以及始示例和对抗示例之间的L2范式损失函数，基于产生的损失函数构建组合损失函数；根据组合损失函数训练注意力频域GAN模型直至模型收敛，得到注意力频域对抗示例生成模型，并根据注意力频域对抗示例生成模型生成各种受扰动的对抗示例进行仿真攻击。
-
公开(公告)号：CN118158149A
公开(公告)日：2024-06-07
申请号：CN202410203140.2
申请日：2024-02-23
Applicant: 湖南大学
IPC: H04L45/028 , H04L45/16 , H04L67/563
Abstract: 本申请涉及一种基于节点池的动态路由代理方法与系统，其中，方法包括：接收源节点请求报文，从节点池中随机选取n个代理节点；依次建立相邻代理节点之间的代理通道；基于相邻代理节点之间的代理通道，且以源节点请求报文为初始负载数据逐层封装构建，得到封装了n层的代理请求报文；将封装了n层的代理请求报文下发，由n个代理节点依次对接收到数据进行解封装取出对应的负载数据并下发，直至将源节点报文发送至目标节点；获取目标节点基于相邻代理节点之间的代理通道反馈回的响应报文，将响应报文反馈至源节点。整个方案可以确保源节点的真实地址无法被追踪。
-
-
公开(公告)号：CN117057445A
公开(公告)日：2023-11-14
申请号：CN202310987628.4
申请日：2023-08-07
Applicant: 湖南大学
Abstract: 本申请涉及一种基于联邦学习框架的模型优化方法、系统、装置、计算机设备、存储介质和计算机程序产品。方法包括：接收服务器发送的聚合参数，将聚合参数作为本地参数，基于本地参数和本地训练集确定第一梯度参数；基于更新的更新隐私预算值，对第一梯度参数进行裁剪和扰动，得到第二梯度参数；基于第二梯度参数更新本地参数，得到更新本地参数；将更新本地参数发送至服务器，使服务器对更新本地参数进行聚合处理，得到更新聚合参数，基于更新聚合参数对全局模型进行模型优化，接收服务器发送的更新聚合参数，重复上述步骤，直至全局模型的准确率达到要求或全局迭代次数达到预先设定的目标次数，得到优化的全局模型。本方法可提升系统资源利用率。
-
-
-
-
-
-
-
-
-
Search Results
80
records
(took 0.025 seconds)
