-
公开(公告)号：CN103414711A
公开(公告)日：2013-11-27
申请号：CN201310336960.0
申请日：2013-08-05
Applicant: 哈尔滨工业大学
IPC: H04L29/06
Abstract: 基于信任的网络群体异常感知方法，涉及一种网络群体的异常感知方法，解决现有异常感知没有考虑群体性恶意行为在网络中演化且忽略恶意行为节点之间的社会化关系，导致无法在早期发现恶意群体行为特征的问题。包括步骤：根据目标区域网络出口数据建立网络节点间的行为交互矩阵M；对行为交互矩阵M数据进行计算，得到节点vi和节点vj间的相关信任度rij以及总信矩阵T′；根据节点的总信矩阵T′计算节点的相似度矩阵SIM；对相似度矩阵进行谱聚类，获取网络群体行为的异常。本法吗可广泛应用于发现网络的异常行为群体，为网络应急提供预警。
-
公开(公告)号：CN102270239A
公开(公告)日：2011-12-07
申请号：CN201110231559.1
申请日：2011-08-15
Applicant: 哈尔滨工业大学
IPC: G06F17/30
Abstract: 本发明提供了一种论坛中关联网络的演化分析方法，1、合理的时间划分与片段提取；2、衡量社区演化的衡量参数；3、最长公共子序列算法求解团中的公共节点；4、基于DFS算法的社区网络图中割点的发现。本发明适用于不同应用、不同规模的网络、不同类型的网络。只要可以转换成无向图并遵循相同原则均可使用。不仅能够用于社区网络发现的可视化，并且可以分析提取出的网络随时间的变化。通过对多贴的分析得到：不同的帖子的演化过程也有差别，对于内容没有吸引力并且比较枯燥的帖子，它们仅仅在发帖的初期有一定的回复数量，生成的社区数量也相对较少，重要作用的节点也相对较少。而对于那些有吸引力的帖子，会持续很长时间，社区数量多。
-
公开(公告)号：CN101729297A
公开(公告)日：2010-06-09
申请号：CN200910310286.2
申请日：2009-11-24
Applicant: 哈尔滨工业大学
IPC: H04L12/24
Abstract: 基于矢量图和位图的大规模网络拓扑平面可视化方法，涉及到网络拓扑平面的可视化技术。它解决了现有采用矢量图显示大规模网络拓扑图存在的算法复杂、刷新速度慢的问题。本发明采用三个图层的位图来显示网络拓扑图，第一图层是采用空白位图表示的图形区域；在图形区域上的第二图层是带有坐标的位图区域；在位图区域上的第三图层是客户区域；采用矢量图形文件保存的节点的位置和曲线、颜色；并将矢量图映射到位图区域上；在图形移动的过程，采用位图移动方法移动客户区域，在图形的缩放过程中，首先对矢量图进行缩放，然后将缩放后的矢量图再映射到位图上。本发明具有放缩无失真、显示速度快优点，尤其适用于大规模无向图的可视化技术中。
-
公开(公告)号：CN119272770B
公开(公告)日：2025-05-16
申请号：CN202411190943.5
申请日：2024-08-28
Applicant: 哈尔滨工业大学
IPC: G06F40/295 , G06F40/16 , G06N3/045 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种基于注意力机制优化的网络数据命名实体识别方法，属于命名实体识别的预训练模型优化技术领域。解决了现有技术中传统的网络数据命名实体识别方法因未考虑网络安全数据特点导致的识别结果精度较低的问题；本发明给定输入序列，将其输入BERT模型，生成三种嵌入并进行相加，得到词的最终输入，输入到引入BERT模型的Transformer‑XL模型，设置基础矩阵，引入内容嵌入矩阵和位置嵌入矩阵，得到内容嵌入基础矩阵和位置嵌入基础矩阵；获得句子中任意两个单词之间的注意力机制分数，对所有注意力机制分数的加和进行归一化，得到归一化后的注意力机制分数。本发明有效提升了命名实体识别的精度，可以应用于实体识别。
-
公开(公告)号：CN119996065A
公开(公告)日：2025-05-13
申请号：CN202510401906.2
申请日：2025-04-01
Applicant: 哈尔滨工业大学
IPC: H04L9/40 , H04L61/4511 , G06N3/088
Abstract: 本发明公开了一种DNS隧道检测方法，属于安全通信技术领域。解决了现有技术中传统的DNS隧道检测方法难以检测低吞吐DNS隧道和分布式DNS隧道的问题；本发明使用设定的第一聚合键对数据包进行聚合，并使用自编码器进行初步检测与评分，对常规DNS隧道进行检测；使用设定的第二聚合键和第三聚合键分别对一阶聚合的元数据再次进行聚合，分别从通信对象与域名维度对低吞吐DNS隧道和分布式DNS隧道进行检测；将三个自编码器的评分送入一个作为非线性投票机制的自编码器，最后非线性投票机制根据三个聚合键下数据的评分做出最终判断，得到检测结果。本发明有效提升了DNS隧道检测的全面性，可以应用于检测分布式DNS隧道。
-
Patent Agency Ranking
公开(公告)号：CN119272770A
公开(公告)日：2025-01-07
申请号：CN202411190943.5
申请日：2024-08-28
Applicant: 哈尔滨工业大学
IPC: G06F40/295 , G06F40/16 , G06N3/045 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种基于注意力机制优化的网络数据命名实体识别方法，属于命名实体识别的预训练模型优化技术领域。解决了现有技术中传统的网络数据命名实体识别方法因未考虑网络安全数据特点导致的识别结果精度较低的问题；本发明给定输入序列，将其输入BERT模型，生成三种嵌入并进行相加，得到词的最终输入，输入到引入BERT模型的Transformer‑XL模型，设置基础矩阵，引入内容嵌入矩阵和位置嵌入矩阵，得到内容嵌入基础矩阵和位置嵌入基础矩阵；获得句子中任意两个单词之间的注意力机制分数，对所有注意力机制分数的加和进行归一化，得到归一化后的注意力机制分数。本发明有效提升了命名实体识别的精度，可以应用于实体识别。
-
公开(公告)号：CN115134251B
公开(公告)日：2025-01-07
申请号：CN202210761664.4
申请日：2022-06-30
Applicant: 哈尔滨工业大学
IPC: H04L41/12 , H04L41/0823 , H04L43/0823 , H04L61/4552 , H04L61/5007 , H04L67/06 , H04L67/30
Abstract: 一种跨境云内部地理边界发现系统及方法，涉及网络拓扑探测技术领域。本发明的技术要点包括：在正常拓扑探测的基础上，针对云本身的特点进行优化，其中：前缀选取即根据云流量传输的特点选择能够较多的发现云内部地理边界的前缀进行探测，减少了探测目标数量；云地理边界识别即对于探测结果能够快速准确的分析出其中云内部的地理边界，减少了分析时间；测量状态监控即时刻监控测量点状态，观察其是否异常掉线并做出相应处理。本发明在极大程度减少了测量目标及测量时间的基础上，提高了云内部地理边界的发现率。
-
公开(公告)号：CN118734846A
公开(公告)日：2024-10-01
申请号：CN202410745744.X
申请日：2024-06-11
Applicant: 哈尔滨工业大学
IPC: G06F40/284 , G06F40/216 , G06F16/33 , G06F16/335 , G06F16/35 , G06Q50/18
Abstract: 本发明提出一种法律文本知识提取方法，属于法律文本知识提取技术领域。包括：对待提取文本进行分词操作，将每个类别中的所有文档聚合成一个长文本，过滤法律停用词，生成每个类别关键词集合；搜索每个类别中与原类别共有关键词最多的相似类别加入关键词集合中；筛选每个类别和其相似类别中的独有关键词和共有关键词加入关键词集合中，以及筛选独有关键词和共有关键词中的偏置词加入关键词集合中。为了解决缺少法律领域的知识提取法方法的问题，本发明分别给出了基于人工干涉的知识提取方案以及无需人工干涉的自动化知识提取方案，对准确性和效率需求不同的场景提供个性化解决方案。
-
公开(公告)号：CN118733767A
公开(公告)日：2024-10-01
申请号：CN202410745742.0
申请日：2024-06-11
Applicant: 哈尔滨工业大学
IPC: G06F16/35 , G06F16/33 , G06F16/335 , G06F40/216 , G06F40/284 , G06F18/214
Abstract: 本发明提出一种基于可解释扰动策略的中文法律对抗文本生成方法，属于对抗文本生成技术领域。包括：对法律文本进行法律知识提取；基于法律知识为文本中每个词语的重要性进行打分并排序；为待添加扰动的文本选择需要执行的扰动策略；执行扰动策略生成法律对抗文本。本发明解决了现有技术中存在缺少面向法律罪名分类任务的对抗文本生成方法的技术问题。本发明首先提取每类罪名的主要特征作为先验知识，然后将先验知识与强化相似标签和弱化原标签两种扰动策略结合，通过强化与原标签相似的标签的独有特征或弱化原标签自身的独有特征来生成对抗文本，这使得对抗文本的生成过程具有可解释性。
-
公开(公告)号：CN118585779A
公开(公告)日：2024-09-03
申请号：CN202410688597.7
申请日：2024-05-30
Applicant: 哈尔滨工业大学 , 安天科技集团股份有限公司
IPC: G06F18/21 , G06F18/214 , G06F40/284 , G06F40/242 , G06F40/247
Abstract: 本发明提出基于ORS面向软标签输出深度学习模型鲁棒性评估方法，属于鲁棒性评估技术领域。包括生成对抗文本，并使用对抗文本攻击目标模型，基于ORS计算目标模型的鲁棒性分数，评估鲁棒性。对抗文本基于词语重要性框架生成，词语重要性框架包括排序阶段和扰动阶段。利用文本对应的真值标签上的置信度计算重要性分数，若重要性分数大于0，则说明文本中的词语对真值标签有正向影响，即词语为文本中重要词语，反之词语为文本中非重要词语；为输出为软标签的目标模型的鲁棒性评估提供了一种可行的解决方案，解决了当前鲁棒性评估方法中评价指标不全面的问题，并量化了输出为软标签的深度学习模型的鲁棒性评估标准。
-
-
-
-
-
-
-
-
-
Search Results
183
records
(took 0.051 seconds)
