-
公开(公告)号：CN105187395B
公开(公告)日：2018-10-23
申请号：CN201510487185.8
申请日：2015-08-10
Applicant: 济南大学
IPC: H04L29/06
Abstract: 本发明公开了基于接入路由器进行恶意软件网络行为检测的方法及系统，无线路由器识别接入的移动终端，同意其联网请求，并开始抓取该移动终端通过上网产生的流量，将采集的网络流量传入流量行为分析模块，进行基于流量的安全检测；检测模型服务器通过流量数据建立检测模型，并将检测模型存储在检测模型服务器中；检测模型服务器定期的更新接入路由器的流量行为分析模块，增强接入路由器的安全防护；通过无线路由器自主选择所需要的检测模型，检测模型开始对输入的流量数据进行处理并输出检测结果。本发明避免了在用户移动终端安装检测程序所带来的对移动终端资源消耗大的问题，同时解决了在实际使用中大规模部署的问题。
-
公开(公告)号：CN106294167B
公开(公告)日：2018-08-10
申请号：CN201610676744.4
申请日：2016-08-16
Applicant: 济南大学
IPC: G06F11/36
Abstract: 本发明公开了Android应用程序界面自动遍历方法及系统；包括以下步骤：初始化Android应用程序界面遍历过程中用到的链表；运行Android应用程序，Android应用程序的主界面被打开；对Android应用程序的主界面进行遍历；将遍历结果存储到组件层次链表中；判断组件层次链表中是否有未遍历组件和当前界面的遍历数量是否达到用户在遍历前设定的界面遍历数量的最大值；如果没有未遍历的组件或者已经达到遍历界面的最大值，则遍历完成；否则，获取从Android应用程序的主界面到未遍历组件的触发路径；依据触发路径，进入未遍历组件对应的界面，对未遍历组件对应的界面进行遍历；本方法适用于大部分的Android应用程序的遍历工作。
-
公开(公告)号：CN103279361B
公开(公告)日：2016-01-27
申请号：CN201310239673.8
申请日：2013-06-17
Applicant: 济南大学
IPC: G06F9/44
Abstract: 本发明涉及一种小书签驱动的文献统一分享装置与方法，它利用浏览器中的小书签驱动，通过JavaScript脚本为出版社文献发布页右侧空白增加一个附加装置。在该附加装置上显示文献详细信息、当前文献的相关文献列表、引用该文献的文献列表，学者分享的页面批注信息、该文献的评论精华。并在此附加装置上增加交互功能：通过页面的表单提交学者对文献的评价；通过页面中的实时交流频道与学者进行交互。附加装置为异构的出版社文献发布页中文献分享提供了一种统一的方法。
-
公开(公告)号：CN105187395A
公开(公告)日：2015-12-23
申请号：CN201510487185.8
申请日：2015-08-10
Applicant: 济南大学
IPC: H04L29/06
CPC classification number: H04L63/145 , H04L63/1408
Abstract: 本发明公开了基于接入路由器进行恶意软件网络行为检测的方法及系统，无线路由器识别接入的移动终端，同意其联网请求，并开始抓取该移动终端通过上网产生的流量，将采集的网络流量传入流量行为分析模块，进行基于流量的安全检测；检测模型服务器通过流量数据建立检测模型，并将检测模型存储在检测模型服务器中；检测模型服务器定期的更新接入路由器的流量行为分析模块，增强接入路由器的安全防护；通过无线路由器自主选择所需要的检测模型，检测模型开始对输入的流量数据进行处理并输出检测结果。本发明避免了在用户移动终端安装检测程序所带来的对移动终端资源消耗大的问题，同时解决了在实际使用中大规模部署的问题。
-
公开(公告)号：CN105072045A
公开(公告)日：2015-11-18
申请号：CN201510487044.6
申请日：2015-08-10
Applicant: 济南大学
IPC: H04L12/771 , H04W28/10 , H04L29/06 , H04W24/08
Abstract: 本发明公开了一种具有恶意软件网络行为发现能力的无线路由器，包括：网络流量获取模块，用于从采集应用软件所产生的网络流量中采集流量，并传输到流量行为分析模块；流量行为分析模块包括特征提取模块，用于从网络流量数据中提取出各类特征，特征分类模块，在特征提取之后，按照不同的特征类型对提取的特征进行分类；模型模块，对每一种类型的特征，均有与之相适应的检测模型；配置模块，用于实现模型选择，补丁控制和获取输出功能，补丁检测与结果输出模块，用于对配置模块的补丁检测及配置模块的结果输出。针对不同的特征类型设计的不同的检测模型可以在一定程度上提高了检测的准确度，满足了用户的个性化需求。
-
Patent Agency Ranking
公开(公告)号：CN105022960A
公开(公告)日：2015-11-04
申请号：CN201510486986.2
申请日：2015-08-10
Applicant: 济南大学
IPC: G06F21/56
CPC classification number: G06F21/566
Abstract: 本发明公开了基于网络流量的多特征移动终端恶意软件检测方法及系统，从网络流量数据中提取出能够有效表征移动终端恶意软件网络行为的特征；按照不同的特征类型对提取的能够有效表征移动终端恶意软件网络行为的特征进行分类；对分类后的特征建立与之相适应的检测模型，每种类型的特征有与之对应的唯一的检测模型；每种类型的特征选择对应的检测模型并输出相应的检测结果。针对移动终端网络流量的不同特征类型，本发明设计了适应于不同的特征类型的检测模型，用户可以根据需要自主选择所需要的模型，针对不同的特征类型设计的不同的检测模型可以在一定程度上提高了检测的准确度，满足了用户的个性化需求。
-
公开(公告)号：CN120030167A
公开(公告)日：2025-05-23
申请号：CN202510197525.7
申请日：2025-02-21
Applicant: 济南大学
IPC: G06F16/353 , G06F40/30 , G06F40/194 , G06N3/045 , G06N3/09 , G06N3/042 , G06N3/0464
Abstract: 本发明属于自然语言处理技术领域，提供了一种互联网文本层次多标签分类方法及系统，在训练过程中首先对原始文本进行增强，得到增强文本，将原始文本与其增强文本作为正样本对挖掘标签间共现关系；将具有直接层次关系的标签作为正标签对挖掘标签间层次关系；然后对原始标签特征进行差异化增强，通过高频共现标签信息增强低频标签，通过历史标签信息增强高频标签；最后将文本特征和增强后的标签特征进行双向交互，利用标签与文本之间潜在的语义关联进行二次增强，得到分类特征；基于分类特征进行分类，得到分类结果，达到了丰富标签和文本的语义特征的目的，同时利用标签之间的共现关系和层次关系提高了层次多标签分类的分类精度。
-
公开(公告)号：CN115643198B
公开(公告)日：2025-05-13
申请号：CN202211103120.5
申请日：2022-09-09
Applicant: 济南大学
Abstract: 本发明公开的一种物联网恶意检测器的安全性评估方法及系统，包括：获取恶意样本和正常样本；构建物联网恶意检测器的替代检测器；从正常样本中选取离恶意样本余弦距离最大的样本为标志点；通过进化计算从恶意样本中搜索候选对抗样本，在进化计算的过程中，每一代都会在恶意样本上添加扰动生成子代样本，计算子代样本到标志点的余弦距离，将余弦距离大于门限值的子代样本选定为候选对抗样本，将余弦距离不大于门限值的子代样本参与到下一轮进化计算中；通过替代检测器对候选对抗样本进行检测，将通过检测的样本作为对抗样本对物联网恶意检测器的安全性进行评估，获得安全性评估结果。能够对物联网恶意检测器的安全性进行及时有效的评估。
-
公开(公告)号：CN119691149A
公开(公告)日：2025-03-25
申请号：CN202411771219.1
申请日：2024-12-04
Applicant: 济南大学
IPC: G06F16/334 , G06F40/279 , G06F40/30 , G06V10/764 , G06V10/80 , G06F18/25
Abstract: 本发明提出了基于时间间隔与知识融合的虚假新闻检测方法及系统，属于互联网安全和深度学习技术领域；基于卷积神经网络对目标新闻图像进行图像特征提取并转化为图像特征向量；基于文本编码器对目标新闻文本进行语义表示并转化为文本特征向量；从目标新闻文本中提取实体并进行实体链接以获取外部知识补充，并将外部知识补充转化为外部知识特征向量；通过提取目标新闻事件的发生时间和新闻发布时间计算时间间隔并转化为时间间隔特征向量；对图像特征向量、文本特征向量、外部知识特征向量和时间间隔特征向量进行融合，并将融合后的特征输入分类器来判断新闻数据的真实性。本发明能够显著提高识别虚假新闻时的准确性和时效性。
-
公开(公告)号：CN117668158B
公开(公告)日：2025-03-18
申请号：CN202311670003.1
申请日：2023-12-06
Applicant: 济南大学
IPC: G06F16/334 , G06F16/383 , G06F40/226 , G06F40/284 , G06F40/194 , G06F16/9536
Abstract: 本发明公开的基于多源社交数据的实时虚假新闻事件检测方法及系统，包括：获取与新闻事件相关联的新闻及其评论；根据各新闻与新闻事件的相关度，确定各新闻的信赖度；确定新闻评论的形容词占比特征、相似度特征、特征词语特征及情感分析特征，将形容词占比特征、相似度特征、特征词语特征和情感分析特征进行拼接，获得新闻事件的评论特征；根据各新闻的内容，确定各新闻的真假性，将各新闻的信赖度作为权重对各新闻的真假性进行加权求和，获得新闻事件的内容特征；将新闻事件的内容特征和评论特征进行拼接，获得新闻事件的拼接特征；根据新闻事件的拼接特征，确定新闻事件的真假判定结果。实现了对新闻事件的准确判断。
-
-
-
-
-
-
-
-
-
Search Results
250
records
(took 0.067 seconds)
