-
公开(公告)号：CN116800472A
公开(公告)日：2023-09-22
申请号：CN202310505332.4
申请日：2023-05-06
Applicant: 北京理工大学
Abstract: 本发明涉及结合白名单和攻击分类的缓存DOS攻击防御方法，属于计算机与信息科学技术领域。本发明首先根据人为构建的白名单和所有进程确定待检测进程；然后通过检测进程ID和缓存访问事件组统计各事件发生次数，计算各事件发生率作为攻击行为特征向量；最后根据攻击行为特征向量判别攻击类型为整体缓存DOS攻击或局部缓存DOS攻击，对局部缓存DOS攻击的进程进行隔离，对整体缓存DOS攻击的进程进行缓存读写速度限制。本发明针对现有缓存DOS攻击防御方法易导致缓存整体性能下降，且难以识别针对局部缓存攻击的问题，提出结合白名单和攻击分类的方法，增加了可防御的攻击类型并降低了对缓存整体性能的影响。
-
公开(公告)号：CN116095195B
公开(公告)日：2023-06-20
申请号：CN202310354423.2
申请日：2023-04-06
Applicant: 北京理工大学 , 中国兵器装备集团自动化研究所有限公司
Abstract: 本发明公开了一种基于国产化平台的工业以太网数据包生成方法及装置，该方法可覆盖典型工业以太网协议特征数据包持续生成，为工业以太网流量分析研究，工业以太网安全分析、测试验证提供直接支持，具有良好的应用前景。同时，利用时间戳计数器（TSC）进行高分辨率时间测量来解决操作系统定时精度较低带来的无法精准依据记录给定时间点进行发送的问题。
-
公开(公告)号：CN116257845A
公开(公告)日：2023-06-13
申请号：CN202310173239.8
申请日：2023-02-16
Applicant: 北京理工大学
IPC: G06F21/55 , G06F18/2415 , G06F18/25 , G06F18/22 , G06F16/2458 , G06N3/0442 , G06N3/0464
Abstract: 本发明涉及融合查询行为特征的分类模型窃取检测方法，属于计算机与信息科学领域。本发明首先从原始流量数据包中提取查询行为数据流，并基于查询行为数据流提取查询样本；然后对查询样本进行正态分布校验计算样本特征恶意值，同时利用CNN和LSTM提取查询行为数据流的时空特征，再判断查询行为类型并计算行为恶意值；最后结合样本特征恶意值和行为恶意值进行分类模型窃取检测。本发明针对攻击者生成的恶意查询样本与良性查询样本间的特征差异不明显的问题，提出了一种融合查询行为特征的分类模型窃取检测方法，提高了分类模型窃取检测召回率。
-
公开(公告)号：CN110245693B
公开(公告)日：2023-04-07
申请号：CN201910459868.0
申请日：2019-05-30
Applicant: 北京理工大学
IPC: G06F18/2431 , G06F18/2411 , G06Q10/0639 , G06Q50/26
Abstract: 本发明公开了一种结合混合随机森林的关键信息基础设施资产识别方法，属于计算机与信息科学技术领域。该方法包括：对采集到的设施资产数据进行结构化处理并进行特征优化表达，得到扩展的特征向量；结合德尔菲专家咨询法和主成分分析法，进行资产设施的关键影响因素分析，提取关键特征向量；将多个随机森林判别模型与一个门控函数相结合，获得混合随机森林判决模型；基于构建的混合随机森林模型实现对流量是否为关键资产基础设施的识别。由于本发明提供的关键信息基础设施资产识别方法，在大数据下通过结合机器学习方法实现资产的特征构建和关键因素提取，通过分区构建各自的专家模型，提升识别的准确性和效率，并提高了模型的泛化能力和可扩展性。
-
公开(公告)号：CN115688414A
公开(公告)日：2023-02-03
申请号：CN202211327335.5
申请日：2022-10-27
Applicant: 北京理工大学
IPC: G06F30/20 , G06F40/279 , G06F40/216 , G06F119/02
Abstract: 本发明涉及主题嵌入多掩码提示模板的假新闻检测方法，属于自然语言处理与机器学习领域。本发明首先为假新闻检测任务制作模板，针对新闻文本的虚假性及新闻发生的可能性分别设计回答词；然后，提出使用LDA主题模型提取新闻主题词嵌入模板，将模板与新闻文本输入预训练语言模型得到词向量；最后，处于掩码位置的两个词向量通过多层感知机，输出回答词的概率分布，将回答词概率分布输入softmax层，得到新闻虚假性、新闻发生可能性的概率分布，再决策输出检测结果。本发明提出一种新闻主题嵌入多掩码提示模板的方法，利用多个感知机融合决策，提升了假新闻检测精度。
-
Patent Agency Ranking
公开(公告)号：CN113222059B
公开(公告)日：2023-01-03
申请号：CN202110594262.5
申请日：2021-05-28
Applicant: 北京理工大学
IPC: G06F18/24 , G06F18/25 , G06N3/04 , G06N3/08 , G06F40/211 , G06F40/279 , G06F40/30
Abstract: 本发明公开了利用协作式神经网络链的多标签情感分类方法，属于自然语言处理与机器学习领域。该方法包括：通过文本嵌入拼接词向量与实体类别向量，得到句子级情感向量表示；基于多级特征编码，采用多级门限注意力，通过双向LSTM对文档中所有句子的语义及句子间的语义关系进行编码，有效获取单个词语的上下文语义信息，再对句子级和文档级语义信息进行特征融合；依据情感数量构建多个协作式神经网络和一个对抗式神经网络，考虑标签的局部分布特征，形成局部顺序协作式神经网络链。由于本发明提供的利用协作式神经网络链的多标签情感分类方法，减少文档级冗余特征，使提取的特征更加准确，从而提升多标签情感分类效果。
-
公开(公告)号：CN112215339B
公开(公告)日：2023-01-03
申请号：CN202011090696.3
申请日：2020-10-13
Applicant: 北京理工大学
Abstract: 本发明涉及一种医疗数据扩充方法，尤其是指一种针对医疗中具有复杂分布的表格类型数据扩充方法，属于计算机与信息科学技术领域。该方法包括：首先学习表格数据的边缘概率分布，具体方法是利用累积概率分布函数将表格的每一维数据处理为均匀分布数据并训练一个神经网络拟合累积概率分布函数的逆函数将均匀分布数据映射回目标分布的数据；利用改进的生成对抗网络模型WGAN‑GP学习预处理后均匀分布数据的联合概率分布；最终利用训练好的表示累积概率分布函数逆函数的神经网络将从GAN的生成器采样出的均匀分布数据变换至目标分布的数据，从而生成和训练样本具有相同概率分布的生成样本。
-
公开(公告)号：CN113222056B
公开(公告)日：2022-11-08
申请号：CN202110592135.1
申请日：2021-05-28
Applicant: 北京理工大学
IPC: G06V10/762 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08 , G06T5/00
Abstract: 本发明涉及一种基于深度神经网络隐藏层代表性特征最近邻搜索的图像分类系统对抗样本检测方法，属于人工智能对抗领域。主要为了解决对抗样本数量、种类较少难以用于训练和仅使用良性样本训练时深度神经网络隐藏层特征数量较多、相似特征计算量大的问题。本发明首先将只包含良性样本的训练集输入到被攻击图像分类系统中，提取系统隐藏层特征构建隐藏层特征池；并将其按照标签分别进行聚类，将每个簇中心作为该标签代表性特征向量，构建代表性特征池；对于测试样本，先进行图像去噪，再输入到系统中提取隐藏层特征，计算该特征在所有代表性特征中的K近邻，将其中出现频率最高的标签与直接将样本输入系统得到的标签比较，如果不同则为对抗样本。
-
公开(公告)号：CN115118450A
公开(公告)日：2022-09-27
申请号：CN202210534998.8
申请日：2022-05-17
Applicant: 北京理工大学
Abstract: 本发明涉及融合多级特征的增量式动态权值集成学习入侵检测方法，属于计算机与信息科学技术网络空间安全领域。本发明首先通过混合时间窗重建流量的拓扑特征，同时为时间窗内的流量建立敏感数据流向特征；其次基于注意力机制融合拓扑特征，生成特征向量；然后训练初级分类器和深度置信网络，并在深度置信网络训练过程中加入历史知识；最后利用深度置信网络生成动态权值构建训练集并训练次级分类器。本发明有效缓解了集成学习入侵检测方法中单一级别特征无法检测出高隐蔽性攻击和动态权值生成不精确且不具有可持续性导致检测性能下降的问题，有效提升了入侵检测模型的分类准确率。
-
公开(公告)号：CN113222119B
公开(公告)日：2022-09-20
申请号：CN202110594279.0
申请日：2021-05-28
Applicant: 北京理工大学
IPC: G06N3/04 , G06N3/08 , G06F40/284 , G06F16/28
Abstract: 本发明涉及利用拓扑依存关系多视角图编码器的论元抽取方法，属于自然语言处理与机器学习领域。主要为了解决采用单类型特征建模提取论元时，造成多种角色的论元特征表示易受到与候选论元无语义关联信息的干扰，导致多角色论元的特征表示不准确的问题。本发明首先利用BERT预训练模型对数据集实现文本嵌入，得到文本嵌入向量，触发词类别嵌入向量和实体类别嵌入向量；然后对候选论元、实体类别和触发词之间的拓扑关系进项建模，构建多视角图信息网络；最后利用图卷积网络分别对多视角图编码，聚合得到候选论元多视角图嵌入向量，经过SoftMax全连接层从候选论元中分类抽取事件论元。在ACE2005英文语料上进行实验，结果表明本发明能达到较好的论元抽取效果。
-
-
-
-
-
-
-
-
-
Search Results
232
records
(took 0.058 seconds)
