-
公开(公告)号：CN118013534A
公开(公告)日：2024-05-10
申请号：CN202410276087.9
申请日：2024-03-12
Applicant: 南京邮电大学
IPC: G06F21/57 , G06F18/10 , G06F18/213 , G06F18/214 , G06N3/042 , G06N3/0442 , G06N3/08
Abstract: 本发明公开了一种基于Bert的混合特征漏洞挖掘方法，属于网络安全技术领域；方法为：收集数据集，并对数据集进行预处理；提取代码属性图水平CPG的特征，得到CPG水平特征向量n1；提取源代码水平的特征，得到源代码水平特征向量n2；提取Token水平的特征，得到Token水平特征向量n3；将得到的数据进行加权拼接，得到混合特征向量N；构建Bert分类模型并进行训练，得到训练后Bert分类模型，采用测试数据集行测试。本发明通过加权的方式将代码属性图、程序源代码和Token三个维度的特征进行结合，保存了漏洞图的特征、漏洞源代码特征和漏洞Token特征，避免提取特征时信息丢失问题，有效解决漏洞挖掘误报率和漏报率较高的问题，提高漏洞检测的效果。
-
公开(公告)号：CN113674328B
公开(公告)日：2023-08-25
申请号：CN202110795714.6
申请日：2021-07-14
Applicant: 南京邮电大学
IPC: G06T7/277 , G06T7/246 , G06V20/54 , G06V10/25 , G06V10/762 , G06V10/764 , G06V10/766 , G06V10/82
Abstract: 本发明提供了一种多目标车辆跟踪方法，首先输入实际拍摄的车辆视频，检测模块使用RFB‑Net网络，使用VOC2007数据集中的车辆数据训练，将检测器输出作为跟踪模型输入；然后获取目标检测框，进行表观特征或运动特征的提取；接着进行相似度计算，根据前后两帧目标之间的匹配程度进行数据关联，为每个对象分配目标的ID；本发明可以较好地解决车辆移动速度快、目标相似度高以及目标相互遮挡导致跟踪失败的问题。
-
公开(公告)号：CN113673325B
公开(公告)日：2023-08-15
申请号：CN202110793285.9
申请日：2021-07-14
Applicant: 南京邮电大学
IPC: G06V40/70 , G06V10/772 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/047 , G06N3/048
Abstract: 本发明公开了一种多特征人物情绪识别方法，首先通过使用3D卷积神经网络提取视频中面部与身体的局部时空特征，然后在稀疏编码树的框架下，使用MOD算法对所提取的特征向量进行字典学习得到稀疏编码，最后将稀疏编码作为输入在稀疏编码树节点处训练SVM分类器，不断分类，最终输出单一类别的情绪表征；本发明能够很好地适应于不同场景，具有较强的泛化能力，还能够提高在多遮挡环境的视频中人物情绪识别的准确率。
-
公开(公告)号：CN113674328A
公开(公告)日：2021-11-19
申请号：CN202110795714.6
申请日：2021-07-14
Applicant: 南京邮电大学
Abstract: 本发明提供了一种多目标车辆跟踪方法，首先输入实际拍摄的车辆视频，检测模块使用RFB‑Net网络，使用VOC2007数据集中的车辆数据训练，将检测器输出作为跟踪模型输入；然后获取目标检测框，进行表观特征或运动特征的提取；接着进行相似度计算，根据前后两帧目标之间的匹配程度进行数据关联，为每个对象分配目标的ID；本发明可以较好地解决车辆移动速度快、目标相似度高以及目标相互遮挡导致跟踪失败的问题。
-
公开(公告)号：CN113673325A
公开(公告)日：2021-11-19
申请号：CN202110793285.9
申请日：2021-07-14
Applicant: 南京邮电大学
Abstract: 本发明公开了一种多特征人物情绪识别方法，首先通过使用3D卷积神经网络提取视频中面部与身体的局部时空特征，然后在稀疏编码树的框架下，使用MOD算法对所提取的特征向量进行字典学习得到稀疏编码，最后将稀疏编码作为输入在稀疏编码树节点处训练SVM分类器，不断分类，最终输出单一类别的情绪表征；本发明能够很好地适应于不同场景，具有较强的泛化能力，还能够提高在多遮挡环境的视频中人物情绪识别的准确率。
-
Patent Agency Ranking
公开(公告)号：CN103310192B
公开(公告)日：2016-05-11
申请号：CN201310225930.2
申请日：2013-06-06
Applicant: 南京邮电大学
IPC: G06K9/00
Abstract: 基于多传感器或是多轴传感器的运动行为识别方法需要融合多传感器数据或多轴数据，造成了较高的计算开销，增加了成本，同时降低了识别的实时性；本发明提供了一种基于单轴加速度传感器的运动行为识别方法，该方法采用一个加速度传感器的单轴数据信息，通过比对传感器获得的单轴数据形成的波形对运动中的人体行为特征进行了抽取，特别是波峰前的阈值、波谷前的阈值以及峰谷之间的时间间隔三个特征值，实现对下蹲、起跳、跑等运动行为的精确识别；该方法在达到较高识别准确率的同时，降低了计算开销，提高了识别实时性，降低了成本。
-
公开(公告)号：CN102572908B
公开(公告)日：2014-09-10
申请号：CN201210037485.2
申请日：2012-02-20
Applicant: 南京邮电大学
Abstract: 本发明公开了一种分布式无线传感网络节点故障检测方法，属于无线传感网络、分布式计算的交叉技术领域。本发明方法充分利用了无线传感器网络中节点采集数据的特点：时间相关性与空间相关性，即首先利用时间相关性，检测出部分节点故障，对于没有检测出故障的节点，再利用空间相关性，通过与邻节点交换信息来确定节点的状态，最终实现对无线传感网络节点的故障检测。由于直接利用节点自身已采集的数据就可检测出某些类型的故障，在此过程中不需要节点与其邻居节点交换信息，进而减小了网络的能量消耗。使得算法在具有较好的故障检测性能的同时，又具有较低的能耗。
-
公开(公告)号：CN101699787A
公开(公告)日：2010-04-28
申请号：CN200910185425.3
申请日：2009-11-09
Applicant: 南京邮电大学
Abstract: 用于对等网络的蠕虫检测方法涉及对等网络安全领域，尤其涉及解决对等网络安全中的蠕虫检测问题的技术，是一种解决对等网络中的蠕虫检测与防御的解决方案。主要用于实现对等网络蠕虫的快速检测，提高对等网络应用的安全性，该方法按照设定的时间在互联网网络中进行对等网络的蠕虫检测，结合移动代理技术，使用派发的异常检测代理对对等网络流量进行异常分析，以及通过对等网络蠕虫指纹匹配和对等网络蠕虫传播行为特征分析，确定网络中是否存在对等网络蠕虫，同时可对检测出对等网络蠕虫后采取预警提示。
-
公开(公告)号：CN117633688A
公开(公告)日：2024-03-01
申请号：CN202311635028.8
申请日：2023-12-01
Applicant: 南京邮电大学
IPC: G06F18/2433 , G06F18/2411 , G06F18/23213 , G06F18/10 , G06F18/213 , G06F18/25 , G06F18/214 , G06N3/0442 , G06N3/08
Abstract: 本发明属于电力数据异常检测技术领域，公开了一种基于岭回归‑k均值聚类‑LOF‑LSTM融合算法的大规模电力数据异常检测方法，具体为：在电力数据异常检测之前，通过OVO SVMs模型研究原始大规模电力数据均值和方差特征，对原始电力数据划分为线性趋势型、平稳型、周期型和随机型四种类型，针对不同类型，构建岭回归、k‑means、LOF和LSTM融合算法进行异常检测。本发明能够实现对大规模电力数据的快速划分，并且可以有效避免单一异常检测算法无法检测出所有电力数据问题，提高了大规模电力数据异常检测的精度和效率。
-
公开(公告)号：CN116703779A
公开(公告)日：2023-09-05
申请号：CN202310799116.5
申请日：2023-07-03
Applicant: 南京邮电大学
IPC: G06T5/00 , G06V10/30 , G06V10/80 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种基于AFF特征融合的图像去噪方法，属于多尺度图像去噪技术领域；该方法包括以下步骤：步骤S1：数据预处理；步骤S2：构建高斯合成去噪模型；在MRF‑Net骨干网络架构的基础上，构建新的高斯合成去噪模型DDMFFNet；步骤S3：对构建高斯合成去噪模型进行训练；步骤S4：测试数据集输入到训练好的高斯合成去噪模型DDMFFNett中，得到去噪后的图像。本发明通过对MRF‑Net模型的整体网络架构进行优化，利用改进的AFF特征融合模块，提取不同特征图像的信息，增强信息在不同层次的传输和表达能力，利用密集连接模块缓解梯度消失的问题，使特征的传输更加有效，增强网络的特征提取能力，增强特征重用能力，并且减少了冗余的参数，提升图像的去噪效果。
-
-
-
-
-
-
-
-
-
Search Results
59
records
(took 0.025 seconds)
