-
公开(公告)号：CN108809699B
公开(公告)日：2021-04-09
申请号：CN201810496969.0
申请日：2018-05-22
Applicant: 哈尔滨工业大学
IPC: H04L12/24
Abstract: 一种实现大规模虚拟网络节点重复映射的方法，它属于虚拟网络映射技术领域。本发明解决了传统虚拟网络映射方法存在的只能一对一映射，且映射成功率和收益开销比不高的问题。本发明分别利用资源剩余量评价函数和资源请求量评价函数量化各物理节点的资源剩余量AR和虚拟节点的资源请求量DR，并将最高DR节点映射至最高AR节点，在剩余满足映射条件的虚拟节点中，选择融合连接参数最大的虚拟节点，将其映射至最高AR节点上，同理，直至最高AR节点不能再接受其他虚拟节点；然后利用上述方法，将虚拟节点映射至第二高AR节点，以此类推，直至所有虚拟节点映射完成。本发明保证较高的映射成功率和收益开销比。本发明可以应用于虚拟网络映射技术领域用。
-
公开(公告)号：CN112084451A
公开(公告)日：2020-12-15
申请号：CN202010972271.9
申请日：2020-09-16
Applicant: 哈尔滨工业大学
IPC: G06F16/958 , G06F40/14 , G06K9/00
Abstract: 本发明是一种基于视觉分块的网页LOGO提取系统及方法，属于计算机网络领域，尤其涉及网页LOGO提取及视觉识别分析技术，目的是为解决网页视觉识别分析不稳定，准确率不高，实际应用效果不好等问题；本发明包括页面数据提取模块、分隔符探测模块和页面布局重构模块各模块之间呈递进逻辑连接，通过页面数据提取模块用于所需特征量的提取；分隔符探测模块负责分隔符的添加以及规则化分割；页面布局重构模块用于将页面内容重新布局重构，使得网页视觉识别率得到提高，该方法提取更为健壮的视觉特征，有更好的鲁棒性，同时具有更高的准确度。
-
公开(公告)号：CN111083201A
公开(公告)日：2020-04-28
申请号：CN201911169997.2
申请日：2019-11-25
Applicant: 哈尔滨工业大学
Abstract: 一种工业物联网中针对数据驱动制造服务的节能资源分配方法，属于工业物联网优化技术。本发明为了实现对分配后的任进行实时监控调整，降低系统资源消耗，确保由云制造服务提供商交付SLA的同时降低主机能耗和冷却成本。检测CPU利用率；确定待迁移出服务，SU-hosts上的所有D2M服务以及从SO-hosts中选择的D2M服务；搜索合适的主机为确定移出的D2M服务分配资源，利用能源和热感知资源分配方案找到适合D2M服务迁移的主机，进行服务迁移以减少能源消耗。本发明考虑了资源分配的节能消耗，并对任务分配后进行实时监控调整，降低了系统资源消耗，确保由云制造服务提供商交付SLA的同时降低主机能耗和冷却成本。
-
公开(公告)号：CN110866245A
公开(公告)日：2020-03-06
申请号：CN201911106259.3
申请日：2019-11-13
Applicant: 哈尔滨工业大学 , 电子科技大学广东电子信息工程研究院
Abstract: 本发明属于计算机安全的技术领域，具体涉及一种维护虚拟机文件安全的检测方法，包括运行虚拟机的文件驱动，对虚拟机的磁盘进行记录，提取虚拟机中的新增文件或修改文件，对新增文件或修改文件进行安全检测。本发明对新增文件和修改文件检测的安全性强，有效地提高了文件轮询检测的效率。此外，本发明还提供了一种维护虚拟机文件安全的检测系统。
-
公开(公告)号：CN110825496A
公开(公告)日：2020-02-21
申请号：CN201911107516.5
申请日：2019-11-13
Applicant: 电子科技大学广东电子信息工程研究院 , 哈尔滨工业大学
IPC: G06F9/455
Abstract: 本发明属于计算机的技术领域，具体涉及一种基于VMI的内核数据监控方法，包括如下步骤，步骤S0、从虚拟机外部获取和分配虚拟机内存的指定大小和连续空间；步骤S1、搜索整个所述虚拟机内存空间，获取所有目标内核结构的内存地址；步骤S2、将所有目标内核数据拷贝至分配的内存空间，并完成相应的指针修改和原内核数据结构体的释放；步骤S3、对分配内存区域实施内存页级别的内存监控。本发明能够对内存区域实施内存页级别的监控，保护虚拟机文件系统的安全，还能降低了传统方法中非目标内核数据引起的额外性能开销。
-
Patent Agency Ranking
公开(公告)号：CN106130961B
公开(公告)日：2019-05-14
申请号：CN201610411230.6
申请日：2016-06-14
Applicant: 哈尔滨工业大学
Abstract: 本发明提供了用于软件无线电系统的安全检测方法和软件无线电设备。安全检测方法包括：当次节点从主节点获取到包含重配置信息的指令时，从次节点的硬件层复制重配置信息并保存为第一信息；检测从次节点的应用层发出的、经过次节点的操作系统层而返回到次节点的硬件层的重配置信息，复制返回到次节点的硬件层的重配置信息并保存为第二信息；判断第一信息与第二信息是否相同：当第一信息与第二信息相同时，允许次节点以第二信息进行信号处理；否则，禁止次节点进行重配置操作，并向次节点和主节点发出警报信号。本发明的上述技术能够对次节点设备重配置参数的正确性进行实时检测，能够提高软件无线电设备的安全性。
-
公开(公告)号：CN108900513A
公开(公告)日：2018-11-27
申请号：CN201810710379.3
申请日：2018-07-02
Applicant: 哈尔滨工业大学
Abstract: 一种基于BP神经网络的DDOS效果评估方法，本发明涉及基于BP神经网络的DDOS效果评估方法。本发明的目的是为了解决现有基于层次分析法的DDOS效果评估需要人为判定权重，评估准确率低的问题。具体过程为：一、建立DDOS效果评估指标体系；二、在云环境中模拟HTTP洪泛攻击采集DDOS效果评估指标体系数据，三、建立初始BP神经网络模型，对初始BP神经网络模型进行优化，将步骤二采集的DDOS攻击机的攻击源的个数，DDOS攻击机的攻击频率，目的主机内存占用率，目的主机CPU占用率，带宽占用率和丢包率输入优化好的BP神经网络模型，BP神经网络模型输出评估等级。本发明用于DDOS效果评估领域。
-
公开(公告)号：CN108809699A
公开(公告)日：2018-11-13
申请号：CN201810496969.0
申请日：2018-05-22
Applicant: 哈尔滨工业大学
IPC: H04L12/24
CPC classification number: H04L41/00
Abstract: 一种实现大规模虚拟网络节点重复映射的方法，它属于虚拟网络映射技术领域。本发明解决了传统虚拟网络映射方法存在的只能一对一映射，且映射成功率和收益开销比不高的问题。本发明分别利用资源剩余量评价函数和资源请求量评价函数量化各物理节点的资源剩余量AR和虚拟节点的资源请求量DR，并将最高DR节点映射至最高AR节点，在剩余满足映射条件的虚拟节点中，选择融合连接参数最大的虚拟节点，将其映射至最高AR节点上，同理，直至最高AR节点不能再接受其他虚拟节点；然后利用上述方法，将虚拟节点映射至第二高AR节点，以此类推，直至所有虚拟节点映射完成。本发明保证较高的映射成功率和收益开销比。本发明可以应用于虚拟网络映射技术领域用。
-
公开(公告)号：CN104765884B
公开(公告)日：2018-06-22
申请号：CN201510213462.6
申请日：2015-04-30
Applicant: 哈尔滨工业大学
Abstract: 本申请涉及一种HTTPS网页的指纹提取方法和指纹识别方法，指纹提取方法包括：根据待处理HTTPS网页的数据流，获得待处理HTTPS网页的多个对象各自的密文长度和加密方式；根据待处理HTTPS网页的多个对象各自的密文长度和加密方式，获得多个对象各自的明文长度区间，以确定每个对象的信息，其中每个对象的信息包括该对象对应的最大长度、最小长度和平均长度；以及利用待处理HTTPS网页的多个对象各自的信息，构建待处理HTTPS网页的指纹。指纹识别方法包括：通过提取待识别HTTPS网页的对象信息，与HTTPS网页指纹库中的信息进行匹配，完成识别。本发明的指纹提取方法和指纹识别方法，可行性强，识别准确率高。
-
公开(公告)号：CN119538240A
公开(公告)日：2025-02-28
申请号：CN202411654617.5
申请日：2024-11-19
Applicant: 哈尔滨工业大学
Inventor： 余翔湛 , 谷杰铭 , 孔德文 , 胡智超 , 刘立坤 , 葛蒙蒙 , 李卓凌 , 刘海心 , 秦浩伦 , 宋晨 , 王邦国 , 牟铎 , 张垚 , 张靖宇 , 周杰 , 傅言晨 , 李岱林
IPC: G06F21/55 , G06F18/241 , G06F18/214 , G06N3/0455 , G06N3/094 , G06N3/088
Abstract: 基于对比学习优化去噪自编码器的对抗样本防御方法、电子设备及存储介质，属于入侵检测技术领域。为解决有效对抗样本防御问题，本发明包括从训练中采集数据构建训练数据集；使用TripletLoss损失函数训练对比学习模型，输出对比学习模型编码器；利用得到的对比学习模型编码器优化去噪自编码器，得到优化后的去噪自编码器和解码器，输入深度学习模型的样本首先输入到优化后的去噪自编码器和解码器中进行重新编码和解码操作，实现对抗样本防御。本发明应用于入侵检测系统中，部署在入侵检测系统中常见的流量特征提取模块与深度学习模型分类模块之间，通过前置任务对比学习模型的训练以及下游任务去噪自编码器模型的训练实现对抗样本防御。
-
-
-
-
-
-
-
-
-
Search Results
148
records
(took 0.064 seconds)
