-
公开(公告)号：CN108710798B
公开(公告)日：2020-05-19
申请号：CN201810482478.0
申请日：2018-05-18
Applicant: 华中科技大学
Abstract: 本发明公开了一种Android第三方库间共谋行为检测方法，包括：获得分析模式和用于保存待检测的Android第三方库的库文件，并对库文件进行预处理，得到第三方库的基础信息；根据分析模式以及基础信息，构建伪主函数；根据伪主函数构建调用流图，并解析调用流图；根据伪主函数构建数据流图，并解析数据流图；根据解析调用流图得到的信息和解析数据流图得到的信息进行匹配分析，得到第三方库间共谋行为的检测结果。本发明能够实现对Android第三方库间共谋行为的检测和对Android第三方库的数据流分析，并能根据需求实现快速分析检测和深度分析检测，而且检测速度快，对不同格式的库文件都能进行检测。
-
公开(公告)号：CN106850545B
公开(公告)日：2020-02-21
申请号：CN201611156799.9
申请日：2016-12-15
Applicant: 华中科技大学
Abstract: 本发明公开了一种Android混合应用的细粒度访问控制方法，将对Android设备系统资源的访问操作以插件对象的形式进行封装，并通过配置访问控制策略，对混合应用中加载的来自不同源的网络内容授予不同的插件访问权限，当混合应用触发访问系统资源的操作时，访问控制框架根据访问控制策略判断当前的访问请求是否具有对其所请求的资源的访问权限，以此来控制混合应用中加载的不同网络代码对系统资源的访问操作；本方法相对于Android平台原生的基于权限的访问控制机制来说，访问控制粒度更加细致，对混合应用中不同的网络代码授予了不同的系统资源访问权限，使用灵活，不需对Android系统和Web页面进行修改，具有很好的可用性。
-
公开(公告)号：CN110245682A
公开(公告)日：2019-09-17
申请号：CN201910393542.2
申请日：2019-05-13
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于话题的网络表示学习方法，属于网络表示学习技术领域。本发明方法包括：设计一种自编码器模型，定义模型结构、输入输出数据的形式，以保留网络拓扑结构所表示的结构特征；利用网络中的结点信息对该自编码器网络模型进行扩展，提取网络中结点所包含的信息，将话题因素融入其中，以保留其所表示的语义特征，同时保留全局网络的结构特征；通过自编码器将两类特征融合到网络结点低维特征表示中，得到基于话题的网络表示学习。本发明方法结合大规模信息网络的特点和深度学习算法，从信息网络结构和结点所包含的信息特点出发，以获得更加有效的网络结点的嵌入表示。
-
公开(公告)号：CN110222149A
公开(公告)日：2019-09-10
申请号：CN201910412987.0
申请日：2019-05-17
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于新闻舆情的时间序列预测方法，包括：根据时序数据的时间片信息获取包含目标关键词的新闻，计算每个时间片对应新闻的舆情向量；时间序列数据和计算得到的舆情向量构成新数据集，利用卷积神经网络获取新数据集的历史长期依赖特征和历史短期依赖特征；将新数据集和获取到的历史长期依赖特征、历史短期依赖特征作为训练集，输入搭建好的LSTM网络中进行训练，训练完成后得到时间序列预测模型；将待预测的时间序列数据和对应的新闻输入到所述时间序列预测模型中进行预测，得到预测的目标信息。本发明融合实时性强的新闻来解决突发情况对时序数据的影响，同时发掘时序数据的长短期依赖特征，使得预测效果更加稳定和精确。
-
公开(公告)号：CN109636303A
公开(公告)日：2019-04-16
申请号：CN201811262115.2
申请日：2018-10-27
Applicant: 华中科技大学
IPC: G06Q10/10 , G06F16/951 , G06F16/22 , H04L29/08
CPC classification number: G06Q10/103 , H04L67/02 , H04L67/06
Abstract: 本发明公开了一种半自动提取和结构化文档信息的存储方法及系统，主要实现对文档信息的半自动分类提取和结构化。系统中WebUI模块提供的Web界面用于支撑项目管理模块、提取项收集模块和用户管理模块；项目管理模块导入待分析的PDF文档；提取项收集模块对待提取列表中的信息进行人工校准和保存；用户管理模块是对用户权限的管理；采用存储模块保存文档元信息和提取项信息；实现对文档信息的自动化提取和结构化，核心采用自动化提取算法模块，用于将上传的文档扫描后自动检测生成提取项的页面预测，同时对提取项收集模块得到的信息进行结构化；本系统实现了对文档信息半自动提取和结构化，使存储的信息更合理化，同时提升了系统的速度和效率。
-
Patent Agency Ranking
公开(公告)号：CN108804576A
公开(公告)日：2018-11-13
申请号：CN201810504726.7
申请日：2018-05-22
Applicant: 华中科技大学
IPC: G06F17/30
Abstract: 本发明公开了一种基于链接分析的域名层级结构探测方法，包括：对初始URL进行数据爬取并跟踪链接进行深度分布式爬取，得到待分析机构的域名集合与域名链接关系；利用待分析机构的域名集合与域名链接关系构建链接网络有向图，利用链接网络有向图进行聚类计算，得到聚类结果，计算链接有向图中每个节点的重要度；利用聚类结果和链接有向图中每个节点的重要度对链接网络有向图进行有向图边加权，得到加权有向图；在加权有向图上使用基于最短路的算法计算节点从属关系，得到待分析机构的域名从属关系树形结构。本发明具有较高的数据爬取效率和域名采集覆盖率；本发明在保证结构提取高效性的同时，也极大提高了域名从属关系探测的准确率。
-
公开(公告)号：CN108647739A
公开(公告)日：2018-10-12
申请号：CN201810475496.6
申请日：2018-05-17
Applicant: 华中科技大学
Abstract: 本发明公开了基于改进的密度峰值聚类的社交网络社区发现方法，该方法首先为网络中的每个用户计算两个指标：局部密度和相对距离，其中局部密度的计算采用高斯核密度估计，而相对距离则表示用户与密度比它大而离它最近的点之间的距离。然后，基于高斯分布选取局部密度很大且相对距离相对较大的点作为社区中心，剩余的非中心点则被分配到密度比它大而离它最近的点所在的社区当中。最后，基于合并因子来度量两个社区之间的距离，合并因子大于给定阈值的社区被合并为一个社区。与现有技术相比，本发明可以同时发现社交网络中的球形和非球形的社区结构，在获得较高的准确性的前提下，只需要更少的参数，解决了任意形状社区的聚类问题。
-
公开(公告)号：CN108647517A
公开(公告)日：2018-10-12
申请号：CN201810473411.0
申请日：2018-05-17
Applicant: 华中科技大学
Abstract: 本发明公开了一种Android混合应用代码注入的漏洞检测系统及方法，系统包括权限特征提取模块、数据通道特征提取模块及漏洞检测模块权限特征提取模块用于从待检测混合应用代码提取出待检测混合应用的敏感权限申请集；数据通道特征提取模块用于从待检测混合应用代码中提取出数据通道的源点集和接收点集；漏洞检测模块的第一输入端同权限特征提取模块的输出端连接，其第二输入端同数据通道特征提取模块的输出端连接，用于根据敏感权限和数据通道的源点集和接收点集，利用漏洞检测模型判定待检测混合应用是否存在漏洞代码注入。相对于传统的基于控制流和程序调用图的检测方法，具有更高的效率，分类准确率很高，具有很好的可用性。
-
公开(公告)号：CN104992081B
公开(公告)日：2018-02-27
申请号：CN201510353989.9
申请日：2015-06-24
Applicant: 华中科技大学
IPC: G06F21/12
Abstract: 本发明公开了一种Android应用程序第三方代码的安全增强方法，包括：在应用程序进程内利用系统异常堆栈数据获取涉及用户隐私数据的调用链，系统根据调用链信息获取发起调用的主体信息，利用进程间通信机制将调用发起者的主体信息发送到系统访问控制评估引擎，评估引擎根据主体信息与第三方代码包列表判断调用来源，根据调用来源执行相应的用户策略，根据用户选择与应用程序权限实施该次调用的权限评估，将评估结果进行缓存，根据评估结果返回相应的数据。本发明能在兼容原有应用程序结构与原有第三方代码框架的基础上以较小的性能开销为代价实现针对Android应用程序第三方代码的安全增强。
-
公开(公告)号：CN107341571A
公开(公告)日：2017-11-10
申请号：CN201710497921.7
申请日：2017-06-27
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于量化社会影响力的社交网络用户行为预测方法，该方法包括数据爬取、数据预处理、构建网络图、用户兴趣提取、用户间影响力量化、预测建模、模型训练评估。主要用于在大规模社交网络中实现对用户行为，例如社交网络如Twitter上的转推行为进行预测。同现有技术相比，本发明首先考虑量化社交网络中用户间的社会影响力，并将该量化的影响力引入到预测模型中来，使得预测模型能够充分考量一个给定用户周围的其他用户对该用户行为的影响，并且本发明从用户兴趣这一角度出发来进行用户行为的预测，通过量化的社会影响力来计算用户的兴趣，并最终由用户兴趣来推测用户的行为，具有更高的准确度。
-
-
-
-
-
-
-
-
-
Search Results
136
records
(took 0.053 seconds)
