-
公开(公告)号:CN110363003B
公开(公告)日:2022-08-02
申请号:CN201910680599.0
申请日:2019-07-25
Applicant: 哈尔滨工业大学
Abstract: 一种基于深度学习的Android病毒静态检测方法,涉及到网络病毒检测技术领域。本发明为了解决现有的Android病毒静态检测方法存在可实际应用的检测时间较长、无法应对代码混淆、误报率和漏报率偏高、不能解决单个病毒的多恶意家族行为检测的问题。技术要点:从用户的Android端获取广义权限序列;将获取的权限序列作为黑白二分类模型的输入,将得到Android平台的应用APK的权限序列提取出来,作为分类模型的输入;如二分类结果为良性软件则直接返回给用户,如果检测的结果为恶意软件,则将它的权限序列再作为家族分类模型的输入;最终从家族检测模型中获取到预测的病毒家族种类,并返回给用户,检测结束。本发明用于Android病毒的检测。
-
公开(公告)号:CN113489744B
公开(公告)日:2022-05-10
申请号:CN202110847302.2
申请日:2021-07-27
Applicant: 哈尔滨工业大学
Abstract: 一种基于霍克斯多元过程建模的物联网攻击模式识别方法,属于物联网攻击模式识别技术领域,用以解决现有的物联网攻击模式识别方法不能准确有效地识别僵尸网络中同一个受控僵尸主机行为模式不一致的问题。本发明的技术要点包括:首先通过一组蜜罐来捕获足够多的真实攻击者活动,然后提出一种改进的DBScan算法来精简海量数据规模;然后提出一种基于控制周期检测的僵尸网络聚类算法来推断僵尸网络控制不同僵尸主机的时间片段,并根据加权的潜在影响以细粒度的方式将攻击者活动聚集到僵尸网络中。本发明以控制期的粒度对僵尸网络进行进一步识别,解决了由于不同僵尸网络占有时间段不同而导致的同一个受控主机行为模式不一致的问题。
-
公开(公告)号:CN111031102B
公开(公告)日:2022-04-12
申请号:CN201911166849.5
申请日:2019-11-25
Applicant: 哈尔滨工业大学
IPC: H04L67/568 , H04L67/10 , H04W16/10
Abstract: 一种多用户、多任务的移动边缘计算系统中可缓存的任务迁移方法,属于移动边缘计算系统的应用领域。本发明为了解决现有的移动边缘计算系统中任务迁移方法中确定迁移目标服务器时存实时性差、能耗开销较大的问题。本发明以最小的能耗开销将计算任务从终端设备迁移至选定的边缘服务器,在移动边缘计算系统中,定义移动设备用户的集合A={1,2,…,N},并且每一个用户都有一个待完成的计算任务的集合B={1,2,…,M},这些任务由一个单一的无线基站相连,其中的移动边缘计算服务器为这些移动设备提供计算和缓存服务;所述方法的实现包括通信模型、计算模型、任务缓存模型以及任务迁移模型的构建。本发明有效减少在整个移动边缘计算系统中所有用户所需的总的时间和能耗开销。
-
公开(公告)号:CN113361694B
公开(公告)日:2022-03-15
申请号:CN202110740543.7
申请日:2021-06-30
Applicant: 哈尔滨工业大学
Abstract: 一种应用差分隐私保护的分层联邦学习方法及系统,涉及联邦学习技术领域,用以解决现有的端‑边‑云分层联邦学习方法不能有效且严格地减少训练数据的隐私泄露风险。本发明技术要点包括:客户端进行本地模型训练、求解本地模型参数与隐私保护;边缘服务器对多个包含扰动保护的本地模型参数进行端‑边聚合与隐私保护;云服务器对多个包含扰动保护的边缘聚合参数进行边‑云聚合计算,获得全局模型参数;迭代执行上述步骤直至每个客户端的本地更新次数达到其预设的本地更新总次数后停止执行,完成分层联邦学习模型训练。本发明实现了在分层联邦学习景下有效且严格地减少训练数据的隐私泄露风险。
-
公开(公告)号:CN113703867A
公开(公告)日:2021-11-26
申请号:CN202110985231.2
申请日:2021-08-26
Applicant: 哈尔滨工业大学
Abstract: 一种无服务计算中加速启动方法及系统,涉及无服务计算技术领域,用以解决现有无服务计算中由于冷启动的存在而导致任务执行的响应时间过长的问题。本发明的技术要点包括:构建两层容器:用户容器和任务容器,每个用户容器对应一个用户设备,对于每个任务请求,容器启动的过程包括查找该任务请求对应的用户容器,如果没有查找到则创建对应的用户容器;创建成功或查找到则将该任务请求转发至用户容器;在用户容器中启动任务容器处理任务请求。本发明中用户容器负责隔离,任务容器负责执行任务,任务容器经过裁剪具有很低的启动延迟;利用过去调用规律预测未来启动来减少冷启动次数,进一步降低启动延迟,相比现有冷启动回收机制具有大幅度提升。
-
公开(公告)号:CN113448425A
公开(公告)日:2021-09-28
申请号:CN202110810963.8
申请日:2021-07-19
Applicant: 哈尔滨工业大学
IPC: G06F1/3234 , G06F9/50 , G06N20/00
Abstract: 一种基于强化学习的动态并行应用程序能耗运行时优化方法及系统,属于并行程序能耗优化技术领域,目的是自动地优化并行应用程序的能耗,并且不需要领域专家知识,对程序是透明的。本发明的技术要点包括:程序的阶段根据工作负载的特征,分为计算密集阶段和内存密集阶段,根据应用程序不同的实时工作负载特征,动态调整处理器功率配置,使硬件功率配置文件与运行时动态变化的程序阶段匹配;通过强化学习算法自动探索功率配置空间,根据环境反馈的奖惩信息,不断优化配置空间;最后,根据自动学习到的策略动态调整功率配置以匹配不断变化的程序阶段。本发明实现了自动且动态的并行程序能耗优化,并且该运行时优化系统的开销可以忽略不计。
-
公开(公告)号:CN113395208A
公开(公告)日:2021-09-14
申请号:CN202110683503.3
申请日:2021-06-21
Applicant: 哈尔滨工业大学
IPC: H04L12/721 , H04L29/08 , H04L29/06 , H04L12/26
Abstract: 一种基于区块链的BGP路由泄露检测方法及系统,涉及互联网安全技术领域。本发明为了解决已有的路由泄露检测机制存在自治域关系数据准确性和安全性差问题以及缺乏反馈机制等问题而提出的。技术要点:对自治域发布的自治域关系数据:路由策略、自治域关系、路由期望进行管理;用于通过路由策略推断自治域关系,用于发布路由期望,路由期望是指自治域对未来复杂合法路由模式进行描述;利用自治域关系数据描述的合法路由模式对自治域路径中出现的路由泄露进行检测,使用基于无谷规则假设的路由泄露检测技术进行检测,如发现路由泄露则对路由泄露影响进行缓和处理;如没有发现路由泄露只对自治域关系数据进行反馈。经验证本发明提出基于路由策略的自治域关系推断算法的准确率能够达到99%。
-
公开(公告)号:CN108920279B
公开(公告)日:2021-06-08
申请号:CN201810774689.1
申请日:2018-07-13
Applicant: 哈尔滨工业大学
Abstract: 一种多用户场景下的移动边缘计算任务卸载方法,涉及移动计算系统的处理技术领域。本发明的目的是为了降低移动设备的反应时延和能耗。所述多用户场景是多个移动设备和MEC服务器相连,每个移动设备可选择该移动设备和MEC服务器之间的多条信道中的一个进行通信,MEC服务器通过主干网与中心云服务器相连;具体过程为:多用户场景任务卸载模型构建;基于博弈论的两阶段任务卸载策略:第一段阶卸载策略是:决定卸载是在移动设备上还是在MEC服务器上执行,第二段阶卸载策略是:当MEC服务器资源不足时进行决定是在MEC服务器上等待还是在中心云服务器上执行。本发明在保证用户的服务质量以及公平性的前提下,同时兼顾用户的个性化需求。
-
公开(公告)号:CN112182351A
公开(公告)日:2021-01-05
申请号:CN202011042260.7
申请日:2020-09-28
Applicant: 哈尔滨工业大学(深圳)
IPC: G06F16/9532 , G06F16/9535 , G06F16/33
Abstract: 本申请公开了一种基于多特征融合的新闻推荐方法,该方法包括:在达到向目标用户进行新闻推荐的触发条件时,获得待推荐新闻集合中每条待推荐新闻的多特征向量;确定目标用户的用户画像;基于用户画像与待推荐新闻集合中每条待推荐新闻的主题特征向量,确定第一推荐结果;基于目标用户的当前浏览新闻与待推荐新闻集合中每条待推荐新闻的关键词向量、标题与摘要特征向量,确定第二推荐结果;根据第一推荐结果和第二推荐结果,确定最终推荐结果,并推荐给目标用户。应用本申请所提供的技术方案,推荐给用户的新闻更符合用户的兴趣,更有针对性,提升了用户的浏览体验。本申请还公开了一种基于多特征融合的新闻推荐装置,具有相应技术效果。
-
公开(公告)号:CN112104446A
公开(公告)日:2020-12-18
申请号:CN202010918173.7
申请日:2020-09-03
Applicant: 哈尔滨工业大学
Abstract: 一种基于同态加密的多方联合机器学习方法和系统,属于数据安全领域,用以解决现有技术中对于数据隐私保护安全性不高、实用性不强,不能有效保护数据所有者隐私的问题。本发明由多个特征数据持有方执行,多个特征数据持有方中只有一方具有标签,多个特征数据持有方分别利用同态加密数据算法对数据加密;而不具有标签的多方利用多方并行机器学习算法进行模型训练,获得加密的机器学习权重数据;具有标签一方解密获得机器学习权重数据。本发明安全性高,具备实用性,可用于数据隐私保护中。
-
-
-
-
-
-
-
-
-