-
公开(公告)号：CN118194070A
公开(公告)日：2024-06-14
申请号：CN202410349449.2
申请日：2024-03-26
Applicant: 海南大学
IPC: G06F18/23213 , G06F18/15 , G06F18/213 , G06N3/0464 , G06N3/047 , G06N3/042 , G06N3/0455 , G06N3/0895
Abstract: 本申请涉及神经网络模型训练技术领域，公开一种聚类模型的训练方法，包括：从公开数据集获取数据，得到邻接矩阵和属性矩阵；对邻接矩阵进行归一化处理，并对属性矩阵分批进行奇异值分解，得到低秩属性矩阵；基于归一化邻接矩阵和低秩属性矩阵，训练聚类模型。该方法在聚类模型训练过程中，无需进行预训练。且采用矩阵分解的方式，可以在不破坏数据结构的情况下，使聚类模型更好地捕捉每个视图的独特信息，以提高聚类性能。此外，批处理的低秩奇异值分解操作，在处理稀疏数据集上表现优异，该操作可以处理大数据集，对数据的增强不会丢失重要信息，还可以有效提取数据中的潜在信息。本申请还公开一种聚类模型的训练装置及设备、存储介质。
-
公开(公告)号：CN117834175A
公开(公告)日：2024-04-05
申请号：CN202311508905.5
申请日：2023-11-14
Applicant: 海南大学
IPC: H04L9/40
Abstract: 本发明公开了一种集成多模型区块链DDoS攻击检测分类方法及系统。该方法通过采集区块链网络流量，按攻击类型标注数据集，选择GRU、CNN、LSTM、DNN、SVM等多种模型，使用数据集分别训练各模型，得到检测与分类模型。接收区块链网络流量后，输入各模型预测，计算各模型准确率，根据阈值调整其权重。然后，利用优化软投票算法，综合各模型预测结果与权重，得到流量是否为DDoS攻击及具体攻击类别。相应系统包含流量模块、检测模块、调度模块、决策模块等，并可预先使用标注数据集训练模型。该技术通过集成多模型，实现自适应权重调整，软投票预测，能够提高检测与分类的准确率，为区块链DDoS攻击防御提供高效解决方案。
-
公开(公告)号：CN111753269A
公开(公告)日：2020-10-09
申请号：CN202010593961.3
申请日：2020-06-24
Applicant: 海南大学
Abstract: 本发明公开了一种基于区块链的身份认证方法及装置，其中，方法应用于边缘服务器区块链中的任一边缘服务器，包括如下步骤：接收终端节点的身份认证请求，所述身份认证请求包括终端节点的身份信息；根据所述终端节点的身份认证请求，在边缘服务器区块链中查询所述终端节点的身份认证数据；根据所述身份认证数据，响应所述身份认证请求。通过实施本发明，实现了松耦合环境中的终端节点身份验证的灵活性和分布式请求下的可用性，从而确保了身份验证功能的高效可用；同时，本实施例还将区块链的透明、溯源特性与边缘计算的两层架构相结合，实现了终端节点对边缘服务器的单向信息透明和单向数据可溯，从而确保了身份验证功能的安全可信。
-
公开(公告)号：CN110474878A
公开(公告)日：2019-11-19
申请号：CN201910646959.5
申请日：2019-07-17
Applicant: 海南大学
Abstract: 本发明实施例提供了一种基于动态阈值的DDoS攻击态势预警方法和服务器，涉及DDoS攻击检测技术领域。方法包括：生成IP数据包统计特征时间序列，并使用LSTM神经网络预测模型对IP数据包统计特征时间序列进行建模，得到LSTM预测模型；采用LSTM预测模型对目标区域的待测网络流量进行预测，根据预测结果和网络安全脆弱性因子计算目标区域的阈值和阈值公差，划分多个预警级别；针对目标区域在目标时刻的网络流量，生成目标IP数据包统计特征，进而识别DDoS攻击并确定待测网络流量的预警级别。采用本发明可以提高DDoS攻击预警准确率。
-
公开(公告)号：CN110445766A
公开(公告)日：2019-11-12
申请号：CN201910646956.1
申请日：2019-07-17
Applicant: 海南大学
IPC: H04L29/06
Abstract: 本发明公开了一种DDoS攻击态势评估方法及装置，获取新老IP地址变化样本，提取新老IP地址变化样本的攻击特征，定义新老IP地址变化样本的融合特征值，建立支持向量机分类模型；根据支持向量机分类模型，进行DDoS攻击检测，构建新老IP地址变化样本的评估指标；根据影响函数优化后的评估指标，建立攻击态势评估云模型；基于云模型，评估新老IP地址变化样本的DDoS攻击态势。本发明不仅可以提高检测率，降低DDoS攻击漏报率，而且可以有效地评估DDoS攻击的安全态势。
-
Patent Agency Ranking
公开(公告)号：CN108900556A
公开(公告)日：2018-11-27
申请号：CN201810972690.5
申请日：2018-08-24
Applicant: 海南大学
CPC classification number: H04L63/1408 , G06K9/6297 , G06N7/08 , H04L63/1416 , H04L63/1458
Abstract: 本发明实施例提供一种基于HMM和混沌模型的DDoS攻击检测方法，包括：采集网络流量信息作为HMM训练集；计算得到网络流量加权特征观测序列和网络流平均速率序列；根据HMM训练集，计算HMM的最佳隐层状态数N；采用层次聚类算法将所述HMM训练集分为N类，得到隐层状态序列；利用所述网络流量加权特征观测序列和所述隐层状态序列，对HMM进行监督学习，得到状态转移矩阵和混淆矩阵；根据所述状态转移矩阵和所述混淆矩阵，计算后续的网络流量加权特征，得到后续网络流量加权特征预测序列；通过混沌模型计算所述后续网络流量加权特征预测序列的预测误差序列；通过所述预测误差序列和所述网络流平均速率序列来识别DDoS攻击。
-
公开(公告)号：CN108900542A
公开(公告)日：2018-11-27
申请号：CN201810912851.1
申请日：2018-08-10
Applicant: 海南大学
Abstract: 本发明提供了一种基于LSTM预测模型的DDoS攻击检测方法及装置，所述方法包括：对正常网络流量按照一定的取样周期进行n次取样，计算得到n个正常网络的IP数据包统计特征值，其中n∈N；根据n个所述正常网络的IP数据包统计特征值，对待训练的LSTM预测模型进行训练；使用网格搜索和超参数最优法确定选择性丢弃神经元的概率Dropout＝0.2，来修正所述LSTM预测模型，缓解过拟合现象；根据修正后的所述LSTM预测模型，计算未来某个时段的IP数据包统计特征值的预测值；根据所述预测值，判断当前网络是否发生DDoS攻击。
-
公开(公告)号：CN119854957A
公开(公告)日：2025-04-18
申请号：CN202411884002.1
申请日：2024-12-19
Applicant: 海南大学
IPC: H04W72/542 , H04L9/30
Abstract: 本申请涉及移动群智感知技术领域，公开一种移动群智感知的控制方法，该方法中参与者与处理平台之间传输感知数据时，采用RSA加密算法生成的公钥，对感知数据进行加密传输，且加密后的感知数据需要采用不对外公开的私钥进行解密，即便是感知数据被截获，也无法进行解密，从而可提升感知数据加密的可靠性，以避免在感知数据传输过程中，泄露用户的隐私，保证用户隐私安全。本申请还公开一种用于移动群智感知控制装置及系统、存储介质。
-
公开(公告)号：CN116740376A
公开(公告)日：2023-09-12
申请号：CN202310546664.7
申请日：2023-05-16
Applicant: 海南大学
IPC: G06V10/44 , G06V10/42 , G06V10/80 , G06V10/82 , G06V10/764 , G06N3/0464
Abstract: 本申请公开了一种基于金字塔集成和注意力加强的目标检测方法及装置，所述方法包括：获取当前场景的待检测图像；根据所述待检测图像和目标检测模型，确定所述待检测图像中对应的目标检测结果；其中，所述目标检测模型包括：特征提取网络、金字塔集成网络、FPN网络、注意力模块、检测模块；所述金字塔集成网络包括最大池化层和空洞卷积层；所述最大池化层与所述空洞卷积层并联运行。这样，可以分别对小目标和大目标进行检测，实现了提取不同尺度的特征，提高了感受野特征的多样性，进而提高了对小目标和大目标检测的准确性，提高了目标检测结果的准确性。
-
公开(公告)号：CN116432695A
公开(公告)日：2023-07-14
申请号：CN202310112687.7
申请日：2023-02-13
Applicant: 海南大学
Abstract: 本发明公开了一种图表示学习方法，所述方法包括：接收所采集的图结构数据，对每个图结构数据进行数据增强；通过图神经网络对所述图结构数据进行编码，得到图表示向量；通过局部‑全局的互信息最大化对所述图表示向量进行训练；通过两种对比策略分别在节点级别和特征级别对所述图表示向量约束。本发明还提供了图表示学习装置、设备及可读存储介质。本发明提供的图表示学习方法、装置、设备及可读存储介质，可以提升图表示学习的可靠性。
-
-
-
-
-
-
-
-
-
Search Results
47
records
(took 0.023 seconds)
