公开(公告)号：CN110278198B

公开(公告)日：2021-09-07

申请号：CN201910480796.8

申请日：2019-06-04

Applicant: 西安邮电大学

Inventor： 刘意先 ,  浩明 ,  魏雅娟 ,  于海燕 ,  王俊烺

IPC: H04L29/06

Abstract: 基于博弈论的网络中资产的安全风险评估方法，通过博弈论构建了系统管理员和攻击方在每个漏洞上进行博弈的评估模型，系统管理员对漏洞有进行关注和忽略的选择，而攻击者则对该漏洞有进行攻击或不攻击的选择，从双方的收益情况进行分析，无论是系统管理员还是攻击者都不能通过选择一个行动保证博弈达到平衡，因此双方需要通过混合的策略使得收益最大，根据博弈模型推导出了系统管理员和攻击者在博弈达到平衡时的策略，然后得到了资产的风险程度；本发明的优点是能够结合漏洞库信息实现对网络中资产的风险进行分析，并能为整体的网络安全风险评估提供支持。

公开(公告)号：CN117710216B

公开(公告)日：2024-06-28

申请号：CN202410110938.2

申请日：2024-01-26

Applicant: 西安邮电大学

Inventor： 徐健 ,  郭嘉瑶 ,  任向勃 ,  牛丽娇 ,  益琛 ,  李莹华 ,  赵凤 ,  雷博 ,  于海燕

IPC: G06T3/4053 ,  G06T3/4007 ,  G06V10/764 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/048 ,  G06N3/084

Abstract: 本发明公开了一种基于变分自编码器的图像超分辨率重建方法，包括：获取待重建图像的训练样本，并进行预处理；构建生成式对抗网络和变分自编码器网络，基于预处理后的训练样本对所述生成式对抗网络和变分自编码器网络进行交叉训练，获得图像超分辨率模型；基于所述图像超分辨率模型对待重建图像进行超分辨率重建，获得目标图像。本发明提出一种将变分自动编码器和生成对抗网络进行结合的超分辨率模型，并采用变分自编码器和生成式对抗网络交替训练的策略，能够恢复出清晰、真实的高分辨率图像。

公开(公告)号：CN117788293B

公开(公告)日：2024-09-10

申请号：CN202410112529.6

申请日：2024-01-26

Applicant: 西安邮电大学

Inventor： 徐健 ,  姬钰 ,  高爽 ,  益琛 ,  李莹华 ,  赵凤 ,  雷博 ,  于海燕

IPC: G06T3/4053 ,  G06N3/0464 ,  G06N3/084 ,  G06N3/045 ,  G06N3/094

Abstract: 本发明公开了一种特征聚合图像超分辨率重建方法及系统，包括：获取待重建图像的训练样本，并以生成网络为基础网络构建卷积神经网络；基于训练样本对卷积神经网络进行训练，获得训练好的重建神经网络；利用训练好的重建神经网络对待重建图像进行超分辨率迭代重建直至达到预设要求，得到最终的目标图像。本发明既能有效解决对抗性训练的训练不稳定以及信息丢失的现象；同时，可以获得峰值信噪比更高，视觉效果更好的高分辨率图像。

公开(公告)号：CN110278198A

公开(公告)日：2019-09-24

申请号：CN201910480796.8

申请日：2019-06-04

Applicant: 西安邮电大学

Inventor： 刘意先 ,  浩明 ,  魏雅娟 ,  于海燕 ,  王俊烺

IPC: H04L29/06

Abstract: 基于博弈论的网络中资产的安全风险评估方法，通过博弈论构建了系统管理员和攻击方在每个漏洞上进行博弈的评估模型，系统管理员对漏洞有进行关注和忽略的选择，而攻击者则对该漏洞有进行攻击或不攻击的选择，从双方的收益情况进行分析，无论是系统管理员还是攻击者都不能通过选择一个行动保证博弈达到平衡，因此双方需要通过混合的策略使得收益最大，根据博弈模型推导出了系统管理员和攻击者在博弈达到平衡时的策略，然后得到了资产的风险程度；本发明的优点是能够结合漏洞库信息实现对网络中资产的风险进行分析，并能为整体的网络安全风险评估提供支持。

公开(公告)号：CN117710216A

公开(公告)日：2024-03-15

申请号：CN202410110938.2

申请日：2024-01-26

Applicant: 西安邮电大学

Inventor： 徐健 ,  郭嘉瑶 ,  任向勃 ,  牛丽娇 ,  益琛 ,  李莹华 ,  赵凤 ,  雷博 ,  于海燕

IPC: G06T3/4053 ,  G06T3/4007 ,  G06V10/764 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/048 ,  G06N3/084

Abstract: 本发明公开了一种基于变分自编码器的图像超分辨率重建方法，包括：获取待重建图像的训练样本，并进行预处理；构建生成式对抗网络和变分自编码器网络，基于预处理后的训练样本对所述生成式对抗网络和变分自编码器网络进行交叉训练，获得图像超分辨率模型；基于所述图像超分辨率模型对待重建图像进行超分辨率重建，获得目标图像。本发明提出一种将变分自动编码器和生成对抗网络进行结合的超分辨率模型，并采用变分自编码器和生成式对抗网络交替训练的策略，能够恢复出清晰、真实的高分辨率图像。

公开(公告)号：CN117788293A

公开(公告)日：2024-03-29

申请号：CN202410112529.6

申请日：2024-01-26

Applicant: 西安邮电大学

Inventor： 徐健 ,  姬钰 ,  高爽 ,  益琛 ,  李莹华 ,  赵凤 ,  雷博 ,  于海燕

IPC: G06T3/4053 ,  G06N3/0464 ,  G06N3/084 ,  G06N3/045 ,  G06N3/094

Abstract: 本发明公开了一种特征聚合图像超分辨率重建方法及系统，包括：获取待重建图像的训练样本，并以生成网络为基础网络构建卷积神经网络；基于训练样本对卷积神经网络进行训练，获得训练好的重建神经网络；利用训练好的重建神经网络对待重建图像进行超分辨率迭代重建直至达到预设要求，得到最终的目标图像。本发明既能有效解决对抗性训练的训练不稳定以及信息丢失的现象；同时，可以获得峰值信噪比更高，视觉效果更好的高分辨率图像。