公开(公告)号：CN113034250A

公开(公告)日：2021-06-25

申请号：CN202110311895.0

申请日：2021-03-24

Applicant: 海南大学

Inventor： 程杰仁 ,  龙海 ,  黄雅琳 ,  杨越

IPC: G06Q30/08

Abstract: 本发明公开一种基于信任值的群智感知激励机制设计方法，包括如下步骤收集历史数据信息，根据历史数据信息中提取服务请求者和任务参与者两个实体之间的互动关系建立经验模型；根据提取服务请求者对任务参与者的评价值建立信誉模型；服务请求者向任务平台发布群智感知任务；通过经验模型确定参与本次任务的任务参与者的经验值，通过信誉模型确定参与本次任务的任务参与者的信誉值；根据经验值以及信誉值，计算信任值；若信任值不小于预设信任值阈值，则该任务参与者获得执行本次群智感知任务的权限。本发明从用户信誉和任务交互情况两个角度出发设计的一种群智感知激励机制，即激励用户参与群智感知系统，同时又提高数据质量、检测恶意用户。

公开(公告)号：CN119853974A

公开(公告)日：2025-04-18

申请号：CN202411884061.9

申请日：2024-12-19

Applicant: 海南大学

Inventor： 程杰仁 ,  杨越

IPC: H04L9/40

Abstract: 本申请涉及入侵检测技术领域，公开一种入侵检测模型的训练方法，该方法中，由于在训练入侵检测模型时，对运行状态和网络状态不佳的异常边缘服务器进行了隔离，仅利用正常边缘服务器上传的训练参数进行后续训练，可避免等待异常边缘服务器上传训练参数的过程，从而降低网络延迟对训练过程的影响，以提升入侵检测模型的训练效率，进而降低对网络入侵检测的影响。本申请还公开一种物联网系统。

公开(公告)号：CN118138278A

公开(公告)日：2024-06-04

申请号：CN202410087907.X

申请日：2024-01-22

Applicant: 海南大学

Inventor： 程杰仁 ,  杨越

IPC: H04L9/40 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/0442 ,  G06F18/214 ,  G06F18/24

Abstract: 本发明公开了一种基于重构和特征匹配的多类入侵检测方法及系统，以解决现有方法在处理不平衡且多类别数据时效果较差的问题。该方法通过获取网络流量，进行自适应规范化预处理、基于CNN+LSTM实现特征提取、利用深度编码网络获得重构误差、构建基于欧氏距离特征匹配的迁移学习框架、建立Softmax分类模型完成多类判断。该系统由包含数据处理、特征提取、编码解码、模型迁移和分类判断在内的多个功能模块构成。通过端到端训练，实现了对未知攻击类型的高准确率检测。实验证明，该方法和系统可以明显提升检测性能，降低误报率，为构建自动化的网络入侵防御体系提供了有效支撑。