基于域名信息检测DGA域名的方法

    公开(公告)号:CN114970521B

    公开(公告)日:2024-09-20

    申请号:CN202210542962.4

    申请日:2022-05-18

    Abstract: 本发明提供一种基于域名信息检测DGA域名的方法,包括以下步骤:步骤1构建域名的字符字典和单词字典;步骤2得到域名的字符编码,词汇编码,特征编码;步骤3将字符编码、词汇编码、特征编码作为深度学习算法模型的输入,经过词嵌入,LSTM序列模型,Relu层,Dropout层,SoftMax层的多种操作后,输出深度学习算法模型的三种分类,根据输出的结果判断域名属于哪种类别。此方法不仅可以进一步提高针对基于算术和哈希算法生成的DGA域名的检测精度,也能解决针对基于词典生成的DGA域名的检测精度低,识别误差大等问题。

    基于多源点聚类思想的匿名节点定位方法

    公开(公告)号:CN111985569B

    公开(公告)日:2022-10-14

    申请号:CN202010851544.4

    申请日:2020-08-21

    Abstract: 本发明涉及一种基于多源点聚类思想的匿名节点定位方法,其为了减少Traceroute所得到的IP路径中匿名节点对真实网络路由节点的干扰,其包括以下步骤:获取国内的ip地址、地理位置和经纬度;用ping命令对ip进行存活性探测过滤,提取出存活的ip地址;将探测出地理位置的IP存入数据库;通过k‑means算法得到的聚类中心附近部署服务器,对同一类别内的目的节点进行traceroute探测;获取时延曲线,对时延曲线进行特征提取,进行层次聚类,依据层析树的结构对traceroute所得到的IP路径进行合并,将可能是同一个匿名节点的点进行合并,并记录其上一跳与下一跳的ip地址;计算匿名节点对的上一跳,下一跳IP所构成的集合中心,使用欧式距离对经纬度进行计算,作为该匿名节点的物理位置。

    基于域名信息检测DGA域名的方法

    公开(公告)号:CN114970521A

    公开(公告)日:2022-08-30

    申请号:CN202210542962.4

    申请日:2022-05-18

    Abstract: 本发明提供一种基于域名信息检测DGA域名的方法,包括以下步骤:步骤1构建域名的字符字典和单词字典;步骤2得到域名的字符编码,词汇编码,特征编码;步骤3将字符编码、词汇编码、特征编码作为深度学习算法模型的输入,经过词嵌入,LSTM序列模型,Relu层,Dropout层,SoftMax层的多种操作后,输出深度学习算法模型的三种分类,根据输出的结果判断域名属于哪种类别。此方法不仅可以进一步提高针对基于算术和哈希算法生成的DGA域名的检测精度,也能解决针对基于词典生成的DGA域名的检测精度低,识别误差大等问题。

    一种基于曲线弧分割的椭圆检测方法

    公开(公告)号:CN104239870B

    公开(公告)日:2017-11-17

    申请号:CN201410498704.6

    申请日:2014-09-25

    Abstract: 一种基于曲线弧分割的椭圆检测方法,包括以下步骤:将图像转化为二值图像,基于细化算法由二值图像得到细化的轮廓图;在细化的轮廓图中跟踪所有的轮廓,根据轮廓点间相互的连接性对细化图像中的轮廓像素点进行跟踪,将轮廓从交点处分割成弧段,直到所有的轮廓被跟踪完毕;根据各个弧段长度的比例,确定在每段弧上采样的次数,在每一个连续的轮廓弧段中采样;将每次采样得到的采样点带入椭圆一般方程,分别计算出一组椭圆参数;基于统计的思想,记录各组参数的出现次数,找出出现次数最多的一组参数,最终得到目标椭圆的参数。本发明从每一个连续的轮廓弧段中采样,使无效随机采样的概率大大降低,从而提高椭圆检测速度。

    基于深度卷积神经网络的房颤检测的实现方法

    公开(公告)号:CN107203692A

    公开(公告)日:2017-09-26

    申请号:CN201710321707.6

    申请日:2017-05-09

    Abstract: 本发明公开了一种基于深度卷积神经网络的房颤检测的实现方法,该方法能够将单导联一维心电数据经过信号转换变成二维形式,使得其适用于处理二维数据的深度卷积神经网络,从而实现通过机器自动学习特征并进行分类,并最终实现房颤的自动化检测。将本发明的方法用于房颤检测时,无需检测P波或R‑R间期,也无需人为设计特征,极大地提高了房颤检测的效率和准确率,其中:基于静态小波变换结合深度卷积神经网络的房颤检测方法的准确率是98.63%,敏感性是98.79%,特异性是97.87%;基于短时傅里叶变换结合深度卷积神经网络的房颤检测方法的准确率是98.29%,敏感性是98.34%,特异性是98.24%。

    一种驾驭式虚拟心脏仿真方法

    公开(公告)号:CN104537187A

    公开(公告)日:2015-04-22

    申请号:CN201510018534.1

    申请日:2015-01-14

    Abstract: 一种驾驭式虚拟心脏仿真方法,本发明涉及的是基于驾驭式计算进行心脏电生理仿真的方法,本发明是要解决传统复杂心脏建模计算复杂、不合理或失效,而且修正后整个过程必须重做,从而造成了极大的人力物力资源浪费的问题。一、(1)虚拟心脏模型电生理仿真计算过程包括解析组织文件、边界初始化与仿真迭代计算三个部分;(2)虚拟心脏电生理仿真架构;二、驾驭式控制仿真客户端状态机的设计;三、客户端与服务端程序通信方式和消息格式的设计:采用C/S模式,基于TCP协议客户端程序与服务端程序进行通信。本发明应用于计算机仿真领域。

    基于赋权最小二乘的单目标跟踪方法

    公开(公告)号:CN103093482A

    公开(公告)日:2013-05-08

    申请号:CN201310037978.0

    申请日:2013-01-31

    Abstract: 基于赋权最小二乘的单目标跟踪方法,属于图像处理与模式识别的技术领域。本发明以视频序列作为输入,包括两个阶段。在模型初始化阶段,以跟踪目标为中心,在一定搜索范围内采样与目标相同大小的目标候选。若目标候选中心与目标中心距离小于阈值,则将目标候选作为目标模板,否则作为背景模板。在跟踪阶段,以上一时刻跟踪到的目标为中心,在一定搜索范围内采样目标候选。将任一目标候选表示为目标模板和背景模板的线性组合,并利用赋权最小二乘算法求解表示的系数。目标候选的权重通过目标模板及其对应系数对其进行重构的误差进行计算。权重最大的目标候选则为当前时刻的跟踪结果。本发明可以应用在人机交互和智能视频监控等方面。

Patent Agency Ranking