公开(公告)号：CN110008709B

公开(公告)日：2023-05-05

申请号：CN201910290868.2

申请日：2019-04-11

Applicant: 广东工业大学

Inventor： 柳毅 ,  陈宇彤 ,  凌捷 ,  欧毓毅

IPC: G06F21/57

Abstract: 本申请公开了一种权限提升漏洞的检测方法，包括：获取包括发送组件、媒介组件、接收组件的CClink；当CClink中接收组件声明了 属性后，判断发送组件是否声明了对应的 属性；若未声明 属性，则判断媒介组件是否有与接收组件的 属性对应的 属性；若有 属性，则判断媒介组件是否设置了 属性；若媒介组件未设置 属性，则确定存在权限提升问题。本申请自动的检测权限提升漏洞，不需要人工干涉，提高效率，改善用户体验，本申请同时还提供了一种装置、一种电子设备和计算机可读存储介质，均具有上述有益效果。

公开(公告)号：CN116010950A

公开(公告)日：2023-04-25

申请号：CN202211664994.8

申请日：2022-12-22

Applicant: 广东工业大学 ,  广州天诚伟业通信科技有限公司

Inventor： 凌捷 ,  凡聪 ,  罗玉 ,  刘忠平 ,  何远强

IPC: G06F21/56 ,  G06F21/53 ,  G06F18/214 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/08

Abstract: 本发明提出一种基于ViT孪生神经网络的恶意软件检测方法及系统，涉及计算机网络信息安全的技术领域，首先获取公开的恶意软件PE文件数据集，通过静态分析和动态分析联合获取PE文件的原始信息和运行状态下的信息，将静态分析和动态分析获取的数据合并，并将合并后的一维数据转化为二维数据，再转化为灰度图，最后将灰度图分割为训练集和测试集，然后构建ViT孪生神经网络模型，利用训练集和测试集分别训练和测试评估ViT孪生神经网络模型，不断调参优化，得到训练好的ViT孪生神经网络模型用于恶意软件检测，较充分地提取恶意软件的特征，提高恶意软件检测的准确率和召回率。

公开(公告)号：CN113269265B

公开(公告)日：2023-04-07

申请号：CN202110626544.9

申请日：2021-06-04

Applicant: 广东工业大学

Inventor： 吴晓鸰 ,  陈蔚星 ,  张辉 ,  凌捷

IPC: G06F18/214 ,  G06F18/2431 ,  G06N7/01

Abstract: 本发明实施例涉及一种疼痛波动性的特征选取方法、装置、存储介质及设备，该方法通过对集合数据进行处理过程中加入时间间隔变量，得到疼痛波动性数据，使得改进后的疼痛波动性数据能够受到时间间隔的影响，进而更准确地体现疼痛严重程度随时间的变化情况；之后基于逻辑回归的LASSO回归方式对LASSO回归预测模型输出的特征结果进行特征选择，得到第一特征数据并将其与随机森林预测模型输出的特征结果进行特征选择的第二特征数据、第三特征数据和第四特征数据进行综合，使被选的结果特征具有代表性和普遍性，保证预测患者疼痛模型的可解释性，并依然保持预测结果的较高准确率，解决了现有患者疼痛的预测模型中特征选取缺乏代表性和普遍性的问题。

公开(公告)号：CN110765472B

公开(公告)日：2023-02-03

申请号：CN201910939342.2

申请日：2019-09-30

Applicant: 广东工业大学

Inventor： 柳毅 ,  邱英 ,  凌捷 ,  欧毓毅 ,  罗玉

IPC: G06F21/60 ,  G06F21/62 ,  G06Q20/38

Abstract: 本发明公开了一种基于区块链和分布式存储的位置隐私保护方法，包括：将用户查询请求分为多个数据段，用分布式存储网络存储所述多个数据段及用户标识数据；随机选取其中一个服务器作为加噪服务器，根据用户标识数据获取位于在其他存储服务器内的数据段而得到完整查询请求，并对查询请求进行加噪；所有位置服务提供商共同创建一条联盟链，同时在联盟链上创建一个智能合约；用户通过加密算法得到一个包括公钥和私钥的密钥对，使用公钥在联盟链上注册；用户在联盟链上选择查询请求对应的位置服务提供商，将加噪后的查询请求发送给选择的位置服务提供商，位置服务提供商根据查询请求向用户提供位置服务。

公开(公告)号：CN115550009A

公开(公告)日：2022-12-30

申请号：CN202211156889.3

申请日：2022-09-22

Applicant: 广东工业大学

Inventor： 吴晓鸰 ,  吴思昊 ,  凌捷

IPC: H04L9/40 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种融合CNN‑BiLSTM和SVM的工业物联网入侵检测系统和方法，本系统包括数据处理模块、特征提取模块、注意力机制模块及SVM分类器模块，首先对收集的工业物联网数据进行数据处理，在处理过程中采用LightGBM特征选择算法进行筛选，减少数据冗余，然后进行归一化和标准化处理，处理好的数据进入CNN‑BiLSTM特征提取模型，通过CNN的卷积层和池化操作得到新的特征，把数据输入到BiLSTM层，获得长距离依赖特征，结果输入到注意力机制层，提高分类精度，最后通过SVN分类器进行分类处理得到分类结果。本发明有效减速数据冗余，加快训练速度，进而提升入侵检测的准确率。

公开(公告)号：CN110264434B

公开(公告)日：2022-12-30

申请号：CN201910420295.0

申请日：2019-05-20

Applicant: 广东工业大学

Inventor： 朱鉴 ,  刘培钰 ,  罗玉 ,  陈炳丰 ,  蔡瑞初 ,  郝志峰 ,  凌捷

IPC: G06T5/50

Abstract: 本发明提供一种基于低秩矩阵补全的单幅图像去雨方法，包括以下步骤：S1)、利用雨线的两个物理特征，建立准确的检测雨模型，通过检测雨模型对图像进行雨标记，得到雨候选标记矩阵B1(i,j)，并利用方向算子对雨候选标记矩阵B1(i,j)中的错误检测进行纠正，得到雨候标记矩阵B2，最终得到的雨标记矩阵B(i,j)，即B(i,j)＝B1(i,j)*B2(i,j)；S2)、利用低秩矩阵恢复算法，对被雨像素破坏的区域进行高质量恢复，本发明相对于现有技术的去雨方法，具有去雨效果好、计算量小的优点，同时，本发明能够在保持图像细节，尤其是背景图像的轮廓边缘的同时，可以有效去除单幅图像中的雨线，能够最大限度的保证图像的细节。本发明利用稀疏和低秩矩阵的属性降低了计算量，同时提高了图像的处理效果。

公开(公告)号：CN115525552A

公开(公告)日：2022-12-27

申请号：CN202211156898.2

申请日：2022-09-22

Applicant: 广东工业大学

Inventor： 吴晓鸰 ,  占文韬 ,  凌捷

IPC: G06F11/36

Abstract: 本发明公开了一种基于区块链溯源与方法级别的细粒度软件缺陷定位方法，包括：对历史缺陷报告和该缺陷报告中的源代码文件进行方法体提取，计算其余弦相似度并且进行排序；对排序后的方法体进行扩充处理；将历史缺陷报告和该缺陷报告中的源代码文件中提取的所有方法体保存在区块链系统的区块上；提交当前新的缺陷报告；对当前新的缺陷报告经过方法体提取以及扩充处理后，构造查询语句；判断区块链系统中是否存在未检索过的区块，或构造查询语句继续查询，或计算余弦相似度并进行排名并进行缺陷定位；判断软件缺陷定位是否成功，或进行信息处理并打包上传，或构造查询语句并重新进行查询，直到定位成功。本发明将软件缺陷定位精细化到方法级，解决了方法体中的词项稀疏问题，同时利用区块链技术，使基于方法级别的细粒度软件缺陷定位技术在工程应用等方面提供更加有效的管理和实现，降低了缺陷定位技术的实现成本和难度，提供了统一的数据存储和管理，并且具有一定的安全性和可靠性。

公开(公告)号：CN115393223A

公开(公告)日：2022-11-25

申请号：CN202211051492.8

申请日：2022-08-31

Applicant: 广东工业大学

Inventor： 罗玉 ,  黄庆东 ,  凌捷

IPC: G06T5/00 ,  G06T5/50 ,  G06V10/774

Abstract: 本发明公开的一种基于小波的双分支网络图像去雨方法,系统和介质；其中方法包括：获取含无雨图像和其对应的合成雨图像作为一个样本对的训练图像集和测试图像集；将雨图像进行二级小波变换，将待去雨图像从图像域转到小波域上进行去雨操作；基于预设的自适应注意力分支提取雨图像的通道和空间信息，自适应地计算注意力和非注意力模块的权重；基于预设的扩展分支，通过不同的空洞卷积操作来扩大感受野；通过小波逆变换获取去雨图像；基于预设的小波和结构相似性的损失函数对去雨图像进行约束，得到标准去雨图像。本发明提高在图像去雨的准确性的同时，结合雨图的特性，提高了去雨的泛化能力和对图像背景信息的保护能力。

公开(公告)号：CN115391778A

公开(公告)日：2022-11-25

申请号：CN202210983464.3

申请日：2022-08-16

Applicant: 广东工业大学

Inventor： 凌捷 ,  殷丹丽 ,  罗玉

IPC: G06F21/56 ,  G06F8/53 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供一种基于异构图注意力网络的安卓恶意程序检测方法，包括以下步骤：S1：下载APP并进行标签；S2：对APK进行反编译，并提取得到多种关键特征实体；S3：构建异构图注意力网络，将异构图注意力网络转化为多个元结构，计算得到各个元结构的邻接矩阵；S4：获取低维向量嵌入；S5：训练逻辑回归模型，以及获取待检测的安卓应用程序的节点嵌入；S6：得到检测结果。本发明还提供一种基于异构图注意力网络的安卓恶意程序检测装置，用于实现所述的一种基于异构图注意力网络的安卓恶意程序检测方法。本发明提供一种基于异构图注意力网络的安卓恶意程序检测方法和装置，解决了现有的恶意程序检测技术无法有效针对安卓恶意应用程序进行分类检测的问题。

公开(公告)号：CN115375663A

公开(公告)日：2022-11-22

申请号：CN202211038963.1

申请日：2022-08-29

Applicant: 广东工业大学

Inventor： 罗玉 ,  谢家明 ,  凌捷

IPC: G06T7/00 ,  G06V10/40 ,  G06V10/80

Abstract: 本申请实施例提供的一种基于深度互学习和双尺度特征融合的无参考图像质量评价方法，该方法包括确定待进行无参考图像质量评估的目标失真图像；对目标失真图像进行水平翻转，得到目标镜像图像；构建初始质量评价模型，初始质量评价模型包括用于从图像中提取局部特征的第一、二Resnet50网络、用于从图像中提取出非局部特征的第一、二VisionTransformer网络；将目标失真图像输入到第一Resnet50网络以及第一VisionTransformer网络中，将目标镜像图像输入到第二Resnet50网络以及第二Vision Transformer网络中进行模型训练，训练过程中，通过深度互学习的方式对图像间的局部特征、以及非局部特征进行一致性约束，以及通过融合图像的局部、非局部特征，确定模型输出结果；在结束模型训练时，得到目标质量评价模型。