-
公开(公告)号：CN119476345A
公开(公告)日：2025-02-18
申请号：CN202411588892.1
申请日：2024-11-08
Applicant: 辽宁大学
IPC: G06N3/006 , H04L9/40 , G06F18/231 , H04L101/659
Abstract: 一种基于蚁群分裂层次聚类的ipv6地址扫描方法，针对大规模的ipv6地址存活性探测以及寻找最优路径的蚁群算法，使用DHC算法生成空间树和地址空间，根据地址空间信息初始化为蚁群算法的参数和公式；第一轮扫描，根据地址空间数选择优先扫描的区域，扫描已有区域后，聚合形成新的地址空间；新形成的地址空间可能地址数过大，根据第一轮扫描得到的活跃地址数以及地址空间，第二轮选择优先扫描的地址空间，然后继续向上聚合形成新的地址空间；根据信息素的公式，选择第三次优先扫描的区域；重复上述步骤直到预算耗尽，结束扫描。本方法能够解决现有技术中由于数据量庞大而出现扫描效果不佳的技术问题，能够保持高效、准确的扫描性能。
-
公开(公告)号：CN118588098A
公开(公告)日：2024-09-03
申请号：CN202410660260.5
申请日：2024-05-27
Applicant: 辽宁大学
IPC: G10L21/013 , G10L25/30 , G10L25/63
Abstract: 本发明涉及一种基于StarGAN情感架构的语音情感转换方法，包括如下步骤：步骤1，构建SrarGAN语音情感转换模型，步骤2，StarGAN语音情感转换模型的训练；步骤3：提取特征、设定目标风格编码，使用步骤2训练好的模型实现语音风格转换。该方法通过设计StarGAN损失函数生成不同情感语音不同方法，旨在解决情感语音生成中不流畅、不自然的问题。
-
公开(公告)号：CN118540127A
公开(公告)日：2024-08-23
申请号：CN202410646135.9
申请日：2024-05-22
Applicant: 辽宁大学
Abstract: 基于缓存侧信道的强化学习模型的安全漏洞检测方法，1)使用Flush+Reload技术的缓存测信道方法，获取函数加载特定数据所需的时间大小，作为原始数据；2)采用一个迭代的聚类和修剪过程检时间数据分组，一组表示标准时间，另一组表示特殊时间；根据函数的总迭代次数与特殊时间的数据获得状态空间维度m的大小，得到检测结果。本发明通过上述方法，针对动作空间会受到任务本身性质的限制，尤其是涉及物理系统、机器人或工业过程的应用，可供选择的动作通常是数量有限的，从而导致动作空间维数k已知的情况，能够高效地识别并定位潜在的安全漏洞，显著提高了漏洞检测的准确性和效率。
-
公开(公告)号：CN117131285A
公开(公告)日：2023-11-28
申请号：CN202310980066.0
申请日：2023-08-04
Applicant: 辽宁大学
IPC: G06F16/9536 , G06F16/9535 , G06F16/9538 , G06F18/23213 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种基于图卷积神经网络的线上教育资源群体推荐方法，属于神经网络深度学习、教育资源推荐相关领域。本发明采用方案如下：步骤一：构建学习者成员群体推荐模型，用于实现学习者群体的合理划分；步骤二：构建基于图卷积神经网络模型，用于体现成员群体间社交关系；步骤三：采用群体偏好混合融合策略，实现个性化推荐。该方法可显著的提高学习者群体推荐的准确性和满意度。
-
公开(公告)号：CN109190703B
公开(公告)日：2021-08-24
申请号：CN201811031199.9
申请日：2018-09-05
Applicant: 辽宁大学
Abstract: 一种基于DNN的多态蠕虫特征码自动提取方法，其步骤为：对于DNN的多态蠕虫特征码自动提取，整个过程分为训练DNN模型和提取多态蠕虫特征码两部分。在训练模型阶段，将多态蠕虫有效载荷和其对应的特征码作为输入数据，输入到DNN网络中进行训练，得到DNN网络模型。在提取多态蠕虫特征码阶段，将多态蠕虫有效载荷输入到DNN网络模型，通过Signature Beam Search算法来提取特征码，最终输出多态蠕虫有效载荷对应的特征码。通过上述方法，本发明提供了一种能够快速且准确提取蠕虫特征码的基于DNN的多态蠕虫特征码自动提取方法。
-
Patent Agency Ranking
公开(公告)号：CN109190703A
公开(公告)日：2019-01-11
申请号：CN201811031199.9
申请日：2018-09-05
Applicant: 辽宁大学
Abstract: 一种基于DNN的多态蠕虫特征码自动提取方法，其步骤为：对于DNN的多态蠕虫特征码自动提取，整个过程分为训练DNN模型和提取多态蠕虫特征码两部分。在训练模型阶段，将多态蠕虫有效载荷和其对应的特征码作为输入数据，输入到DNN网络中进行训练，得到DNN网络模型。在提取多态蠕虫特征码阶段，将多态蠕虫有效载荷输入到DNN网络模型，通过Signature Beam Search算法来提取特征码，最终输出多态蠕虫有效载荷对应的特征码。通过上述方法，本发明提供了一种能够快速且准确提取蠕虫特征码的基于DNN的多态蠕虫特征码自动提取方法。
-
公开(公告)号：CN109120617A
公开(公告)日：2019-01-01
申请号：CN201810933343.1
申请日：2018-08-16
Applicant: 辽宁大学
CPC classification number: H04L63/145 , G06K9/6256 , G06K9/6269
Abstract: 基于频数CNN的多态蠕虫检测方法，步骤为：首先，对有效载荷数据进行数值化处理，将每个字符转化为对应的ASCII值，其次通过统计有效载荷数据中每个字符出现的次数来处理有效载荷数据，可以捕获蠕虫有效载荷数据的字符分布特征。通过上述方法，本发明提供了一种能够提高多态蠕虫检测的准确率，以便于CNN能够从中学习到丰富的特征的基于频数CNN的多态蠕虫检测方法。
-
公开(公告)号：CN119808102A
公开(公告)日：2025-04-11
申请号：CN202411975620.7
申请日：2024-12-31
Applicant: 辽宁大学
IPC: G06F21/57 , G06F18/22 , G06F18/214 , G06F18/24 , G06F18/25 , G06N3/0455 , G06N3/0499 , G06N3/084 , G06F17/16 , G06F17/18
Abstract: 本发明属于漏洞检测方法领域，是一种基于Transformer层间相似度加权融合的漏洞检测方法，通过计算Transformer模型中各层之间的相似度，增强模型对代码结构和模式的理解能力，具体的，在每一层中计算当前层和上一层的相似度，并将其附加到当前层的输出中，给予适当的权重。这种方法不仅能够捕捉代码中的复杂依赖关系，还能够识别代码结构的变化，从而提高漏洞检测的准确性。
-
公开(公告)号：CN116028875A
公开(公告)日：2023-04-28
申请号：CN202210004188.1
申请日：2022-01-04
Applicant: 辽宁大学
IPC: G06F18/2415 , G06F18/2433 , G06F16/28 , G06F16/2458
Abstract: 一种基于功能模式的工业控制设备异常检测方法，该方法分析工业控制设备的控制操作变化，构建控制操作特征库，采用关联度挖掘方法挖掘控制操作与安全故障之间的联动关系，形成功能模式序列，并设计基于动态贝叶斯网络的异常判别引擎，实时检测工业控制设备的异常操作行为。本发明创造通过以上方法，能够综合考虑控制操作变化和信息安全之间的因果关系与联动效应，通过对工业控制操作的实时分析与异常判定，检测由恶意攻击或误操作所引起的工业控制设备安全故障并产生报警，保障工业控制系统安全。
-
公开(公告)号：CN119808101A
公开(公告)日：2025-04-11
申请号：CN202411975617.5
申请日：2024-12-31
Applicant: 辽宁大学
IPC: G06F21/57 , G06F18/24 , G06F18/214 , G06F17/18 , G06N5/02
Abstract: 本发明属于漏洞提取方法领域，是一种基于响应式知识蒸馏的无目标漏洞提取方法，步骤为：1)选定目标教师模型，通过输入指定数据集，取得教师模型的输出logit；2)将logit值通过Softmax函数转换成概率分布的形式；3)将响应概率分布#imgabs0#进行处理，以用于将含有漏洞的知识传递给学生模型；4)使用蒸馏损失进行知识蒸馏；5)加载蒸馏完成的学生模型执行预测。本发明通过上述方法，不仅能够更准确地识别深度学习模型中的漏洞，还能够为后续的提供修复和改进模型提供具体方向。
-
-
-
-
-
-
-
-
-
Search Results
29
records
(took 0.016 seconds)
