-
公开(公告)号：CN114051235B
公开(公告)日：2024-03-29
申请号：CN202110998869.X
申请日：2021-08-28
Applicant: 北京工业大学
Abstract: 本发明公开一种车联网场景下车辆轨迹隐私保护方法，利用基站和路边智能计算单元将车辆广播的基础消息传输到云端处理中心，通过车流和车辆位置隐私保护需求动态的构建假名混淆区域，然后根据车辆的位置、速度、加速度以及转向角等信息判断车辆的相似度，将相似度接近的车辆分为同一个车辆小组，并结合群签名思想，让在混淆区域内行使的车辆形成不同的分组，提供假名空窗期，让车辆有足够的时间和机会去完成假名变换。
-
公开(公告)号：CN114172704B
公开(公告)日：2024-03-26
申请号：CN202111426698.X
申请日：2021-11-27
Applicant: 北京工业大学
IPC: H04L9/40 , H04L41/142 , H04L41/14 , H04L67/12
Abstract: 本发明公开了一种基于BSM数据包时空关系的异常节点检测方法，在车端的周边节点的BSM数据包，并记录本车在接收每一条BSM数据包时的位置信息。从BSM数据包中提取所需数据。检测器在接收到打包的数据后，计算出每个发送者的预估信源并根据积分规则进行积分操作，生成积分表。根据积分表对预估信源以及BSM数据包发送者进行分类，完成检测。本方法精准地检测出场景中绝大多数异常节点，将异常节点划分为Sybil节点与恶意节点，保证后续可以高效地对Sybil节点与恶意节点分别处理，从而保证正常节点的行驶安全。本方法在攻击概率较低的场景中更精确地找出场景中的异常节点，避免将正常节点误判为异常节点，并且可以更稳定的找出场景中的大多数异常节点，避免漏报。
-
公开(公告)号：CN117692190A
公开(公告)日：2024-03-12
申请号：CN202311683614.X
申请日：2023-12-10
Applicant: 北京工业大学
IPC: H04L9/40 , G06F18/2415 , G06F18/213 , G06F18/21 , G06N3/096 , G06N3/09 , G06N3/084 , G06N5/04
Abstract: 本发明公开了一种基于异常控制逻辑表示的工业控制系统入侵检测方法，输入一段历史时间内工控系统中各个设备的数值，通过神经网络来对工控系统中器件的逻辑关系进行建模。在模型训练过程中，利用知识蒸馏转移异构网络之间的知识，以增强模型的分类能力。利用逻辑神经符号的表示方法，将模型学习到的知识直接以异常控制逻辑规则的形式进行提取，这些规则保证了与神经网路具备相同的推理过程。将模型划分不同的学习层作为可解释性约束，用于直观体现设备在相同阶段内和不同阶段间的关系。通过残差连接使得模型能够自适应的调整生成规则的复杂度。本发明能够准确捕捉到不同器件之间潜在的逻辑关系，增加工控系统的安全。
-
公开(公告)号：CN117633627A
公开(公告)日：2024-03-01
申请号：CN202311683616.9
申请日：2023-12-10
Applicant: 北京工业大学
IPC: G06F18/241 , G06F18/214 , G06N3/04
Abstract: 本发明公开了一种基于证据不确定性评估的深度学习未知网络流量分类方法及系统，包括模型训练阶段和流分类阶段。模型训练阶段包括：按照五元组标识将已标记的网络流量数据包组装为双向流集合，提取集合中每条流的每个数据包的负载长度信息和负载字节信息，从而构建流序列信息集合。流分类阶段包括：将未标记的原始网络流量数据包按模型训练阶段中相同方法进行数据预处理，构建未标记的待分类流序列信息集合；基于模型训练阶段中得到的流证据提取模型，对待分类流进行流证据提取并计算每条流的不确定性值；将待分类流的不确定性值与已知类流的不确定性阈值进行比较，不确定性小于或等于阈值的流将被判定为已知类，并输出其对应的具体应用类别标签。
-
公开(公告)号：CN117314696A
公开(公告)日：2023-12-29
申请号：CN202311276270.0
申请日：2023-09-30
Applicant: 北京工业大学
IPC: G06Q50/20 , G06F18/21 , G06N3/0442 , G06N3/084 , G06F18/25
Abstract: 本发明公开了一种基于现实因素约束深度知识追踪的学生知识状态分析方法。首先对原始的数据集进行特征分析与选择，利用练习题、练习题难度、知识点、回答时间、回答情况以及相邻回答之间的间隔时间这六类特征信息来构建学生个体之间不同的学习效果，并作为更新学生知识状态的输入。随后使用时序模型来更新学生状态，期间提取出练习序列中存在的经验规则来定义知识点之间的潜在关系，构建出概念相似图结构。最后获得最新的知识状态之后，设计一个遗忘门来模拟遗忘现象，对学生状态进一步调整。本发明能够帮助在线教育系统提供更加个性化和差异化的教学指导。
-
Patent Agency Ranking
公开(公告)号：CN116629426A
公开(公告)日：2023-08-22
申请号：CN202310604172.9
申请日：2023-05-25
Applicant: 北京工业大学
IPC: G06Q10/04 , G06Q50/20 , G06F18/214 , G06F18/213 , G06F18/25 , G06N3/0464 , G06N3/048 , G06N3/045
Abstract: 本发明公开一种基于多模态数据融合的学生成绩预测方法，首先，从公开数据集中选择原始数据，根据排名使用不同群体学生的相应信息补充目标群体学生的不完整信息，并为数据集中的每位学生进行标注；再通过特征提取和数据预处理得到学生的原始群体行为张量和个体行为张量；然后将学生的原始行为张量送入相应的行为模块，即群体行为模块和个体行为模块，先提取相应行为的表示张量，再将其送入相应的分类模块产生对学生成绩进行预测的中间结果；最后将不同来源的中间结果通过加权相加的决策级融合技术进行融合，得到对学生成绩的最终预测结果。
-
公开(公告)号：CN116471048A
公开(公告)日：2023-07-21
申请号：CN202310275662.9
申请日：2023-03-20
Applicant: 北京工业大学
Abstract: 本发明公开了一种实时高效的物联网DDoS攻击检测方法及系统，本发明可分为粗细粒度模型训练阶段和DDoS攻击流量检测阶段。在粗细粒度模型训练阶段，将根据已知类别的物联网DDoS攻击和良性网络流量，训练概率检测模型和流级检测模型中的可学习参数，从而实现自动化的DDoS攻击检测。DDoS攻击流量检测阶段，基于训练完成的概率检测模型和流级检测模型，对网络环境中获取到的真实网络流量进行特征提取并完成DDoS攻击检测。本发明使得经过卷积操作后的特征向量在进行特征权重融合后，能够更加准确地表达网络流量的特征。能实现对DDoS攻击流量的高精度、高效率检测，同时可以适应不同的网络环境，具有更强的泛化能力。
-
公开(公告)号：CN109587071B
公开(公告)日：2022-07-05
申请号：CN201811453579.1
申请日：2018-11-30
Applicant: 北京工业大学
IPC: H04L47/125 , H04L67/51
Abstract: 基于SDN的微服务负载均衡方法，属于软件定义网络技术领域。本发明将SDN网络引入微服务框架，利用SDN的全局网络视图和对网络流精细化的控制能力，为微服务调用提供更精细化的负载均衡能力。通过虚ip改写技术、调用链路分析技术，基于调用链路的整体负载情况，进行负载均衡计算，将负载均衡策略转换成网络转发的流表形式，实现对调用方无感知的高效率负载均衡。
-
公开(公告)号：CN114358177A
公开(公告)日：2022-04-15
申请号：CN202111669208.9
申请日：2021-12-31
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于多维度特征紧凑决策边界的未知网络流量分类方法及系统。包括模型构建阶段、分类阶段及更新阶段。其中模型构建阶段包含用于构建流特征提取模型的模型构建阶段1以及用于构建流分离模型的构建的模型构建阶段2。基于流分离模型，划分已知流量类与未知流量类边界。对于判定为已知类的流输出其对应的预测标签，并存储为已知类流量样本；对于判定为未知类的流，对其进行标记并存储为未知类流量样本。基于新类别样本数据与已知类样本数据组成新流量样本数据集，重复模型构建阶段操作进行模型更新。通过模型构建阶段、分类阶段和更新阶段，有效应对未知加密流量问题，在保证了分类精确度的同时使系统具有良好的可扩展性。
-
公开(公告)号：CN114157469A
公开(公告)日：2022-03-08
申请号：CN202111426704.1
申请日：2021-11-27
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于域对抗神经网络的车载网络变种攻击入侵检测方法，利用USB‑CANTOOL软件获取真实车辆上的正常数据，挑选注入攻击的ID和数据段。按照攻击方式的不同针对挑选的ID构造攻击并注入到真实车辆中进行攻击，将采集到的数据集划分为源域数据集、目标域数据集以及测试数据集。提取连续的25条CAN消息的数据段，通过三个不同卷积核大小的模块得到的特征经过拼接后输出最终的特征，作为后续工作的输入。将已知攻击的特征作为输入，判断攻击类型进行输出。通过梯度反转层乘以负数进行转换后再反向更新权值，达到对抗的效果。本发明在没有变种攻击数据训练的情况下，学习到攻击的本质特征，避免对于已知数据的特征依赖性，增加了模型的鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
181
records
(took 0.069 seconds)
