-
公开(公告)号：CN118841027A
公开(公告)日：2024-10-25
申请号：CN202410698023.8
申请日：2024-05-31
Applicant: 辽宁大学
Abstract: 一种基于特征重要性方法的可解释恶意语音检测方法，属于深度学习、机器学习可解释性技术领域。该方法旨在缓解维度灾难问题，同时确保所选特征能够提升模型对恶意语音的检测性能。本发明利用机器学习的可解释性来优化模型训练中的特征维度选择，通过分析特征的贡献度，区分了影响模型性能的关键特征和可以被移除的非关键特征。这种基于贡献度分析的特征选择方法提高了模型训练和部署的效率，增加了模型的透明度和用户的信任度。在检测恶意语音的应用中，本发明方法通过评估每个特征的贡献，筛选出对区分正常语音和恶意语音具有显著分辨力的特征。优化后的特征空间提高了恶意语音检测精度，降低了计算负担。
-
公开(公告)号：CN118629423A
公开(公告)日：2024-09-10
申请号：CN202410698027.6
申请日：2024-05-31
Applicant: 辽宁大学
Abstract: 一种基于特征组合遗传算法的恶意语音检测方法，在恶意语音检测中具有较高的可信度和较低的误判概率。该方法中，结合适应度函数、特征重要性选择方法以及交叉和变异操作，能够有效地提取特征组合并训练最终的恶意语音检测模型。同时，还使用了基于特征重要性的启发式选择方法来选择特征组合父本。具体方法是通过将各个特征组合样本中各个特征的重要性进行累计，作为选择的标准。这样可以确保重要特征在选择过程中有更高的机会被选中，从而增加了特征组合搜索的效率和准确性。该方法在恶意语音检测方面取得了显著的改进，大大提高了恶意语音的准确率和误报率。这一发明为恶意语音检测的研究和实践提供了一种有效的方法，具有广泛应用和推广价值。
-
公开(公告)号：CN118629422A
公开(公告)日：2024-09-10
申请号：CN202410698022.3
申请日：2024-05-31
Applicant: 辽宁大学
Abstract: 一种基于影响函数的恶意语音检测方法，该方法通过分析数据点对模型预测的影响度，增强了深度学习模型在恶意语音检测领域的可解释性。利用影响函数对原始声音信号中可能存在的恶意语音进行识别和检测，大幅提升了检测精度和效率。相较于传统方法，该方法通过影响函数使用较少的计算量来达到较好的检测效果。这种技术在保持检测在效率和优势方面表现出色，为深度学习和解释性机器学习领域提供了新的应用可能。该技术不仅提高了恶意语音检测的准确性，还能准确地识别并解释模型为何将特定语音判定为恶意，从而在确保检测率的同时，提升了模型的透明度和信任度。
-
公开(公告)号：CN118488005A
公开(公告)日：2024-08-13
申请号：CN202410588449.8
申请日：2024-05-13
Applicant: 辽宁大学
IPC: H04L47/127
Abstract: 一种基于图卷积神经网络的流量预测方法，属于网络安全领域。该专利技术提出了一种基于图卷积神经网络的流量预测方法，利用空间时间图卷积网络进行网络流量预测。该方法在传统的图卷积神经网络基础上进行了改进，引入了注意力机制，并将全连接层替换为1×1卷积层，同时对时域卷积结果进行乘积操作。提高了网络流量预测的准确性和效率，使得该方法在网络流量预测领域具有潜在的应用前景。实验证明，所提出的模型在网络流量预测上准确度以及性能优于其他神经网络预测模型。本发明通过上述方法，可以整合网络流量数据、软件特征和系统拓扑等多种信息，提供更全面的网络流量预测能力。
-
-
-
Search Results
4
records
(took 0.017 seconds)
