-
公开(公告)号：CN115766566A
公开(公告)日：2023-03-07
申请号：CN202211370596.5
申请日：2022-11-03
Applicant: 哈尔滨工程大学
IPC: H04L45/24 , H04L45/12 , H04L45/121 , H04L9/40
Abstract: 本发明针对Tor网络中现有匿名链路生成算法构建的通信链路可能存在恶意中继节点，破坏Tor网络匿名性的问题，提供了一种结合节点信誉的Tor网络匿名链路的构建方法。本发明通过获取各中继节点的带宽占比、延迟占比、信誉分数，根据评价模型计算各中继节点的排名等级；并采用随机算法选择入口中继节点、中间中继节点、出口中继节点，从而完成Tor网络匿名链路的构建。本发明不仅能提升Tor网络默认链路选择算法的性能，还能提升Tor通信链路的匿名度，有效解决了目前Tor网络匿名链路中存在恶意中继节点的问题。
-
公开(公告)号：CN115766522A
公开(公告)日：2023-03-07
申请号：CN202211369734.8
申请日：2022-11-03
Applicant: 哈尔滨工程大学
IPC: H04L43/0876 , H04L43/04 , G06F18/2415 , G06F18/15 , G06N3/045 , G06N3/0442 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/084 , G06F123/02
Abstract: 本发明涉及的是一种网络流量识别场景，针对目前应用最广泛的移动终端应用和加密网络流量而提出了基于深度学习和注意力机制的面向移动终端加密流量的应用识别方法。现阶段基于深度学习模型，都是使用不同数量CNN和LSTM通过并行或者串行的方式进行流量识别，识别对象为针对加密流量的国外应用数据集，不适用于国内应用环境并且识别效果有待提高。而本发明使用的数据集是针对国内常用应用采集并准确标记的，并且在CNN和LSTM的基础上使用注意力机制进行应用识别，能够有效的进行国内应用的识别，并且识别效果优于单纯的深度学习模型。
-
公开(公告)号：CN115496224A
公开(公告)日：2022-12-20
申请号：CN202211153768.3
申请日：2022-09-21
Applicant: 哈尔滨工程大学
IPC: G06N20/00
Abstract: 本发明公开了一种面向物联网设备异质性的联邦学习优化方法，所述方法包括如下步骤：步骤一、联邦学习参与设备数据增强方法设计；步骤二、联邦学习参与者选择方法设计；步骤三、联邦学习参与设备异质性优化方法设计。本发明在不侵犯用户隐私的前提下，收集部分用户数据以及用户模型训练相关信息。利用收集的信息，增强设备数据使其符合独立同分布，缓解数据异质性带来的影响。同时，这部分信息还被用于筛选每轮训练的参与者，加快了每轮训练的完成时间，有效缓解了数据异质性带来的影响。通过上述两种优化，提高了联邦学习联合建模的效率和精度。
-
公开(公告)号：CN115032656A
公开(公告)日：2022-09-09
申请号：CN202210365544.2
申请日：2022-04-07
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种基于多无人机协同定位的GPS欺骗自适应检测方法，本发明通过无人机集群在特定的频率下每架子机向集群局域内广播当前时刻自身GPS接收器收到的位置信息，集群内部采用AdHoc网络通过洪泛广播模式实现子机间的通信，使集群内的每架子机在广播的有效距离内共享其余所有子机的广播信息；当有至少两架的飞机广播了相同的位置，可以判定任务环境中至少存在一个GPS欺骗信源；触发相对安全机最优标定机制，锁定集群中相对安全的子机，进而定位出受欺骗攻击的子机。本发明计算量级轻、实时性强、且打破了前人的条件约束，在创新的前提下同样具有很强的应用价值。
-
-
Patent Agency Ranking
公开(公告)号：CN113408691A
公开(公告)日：2021-09-17
申请号：CN202110691832.2
申请日：2021-06-22
Applicant: 哈尔滨工程大学
IPC: G06N3/02 , G06N3/08 , G06F17/16 , H04B17/309
Abstract: 本发明属于基于信道状态信息的穿墙被动人体检测技术领域，具体涉及一种基于信道状态信息的穿墙被动人数预测方法。本发明针对当收发机在墙体两侧时对人体数量的预测的问题，提供了一种当Wi‑Fi信号穿过不同墙体材料时都能保持较高检测性能的方法。本发明分别从子载波的时域相关性和子载波之间的相关性提取多维特征，并选取对处理复杂数据具有良好能力的BP神经网络完成检测特征与预测结果映射。
-
公开(公告)号：CN113297500A
公开(公告)日：2021-08-24
申请号：CN202110697470.8
申请日：2021-06-23
Applicant: 哈尔滨工程大学
IPC: G06F16/9535 , G06F16/9536 , G06N3/04 , G06N3/06 , G06N3/08 , G06Q50/00
Abstract: 本发明属于社交网络链接预测技术领域，具体涉及一种社交网络孤立节点链接预测方法。本发明针对社交网络链接预测中的孤立节点预测任务，提供了采用辅助信息进行的半监督链接预测的一种社交网络孤立节点链接预测方法。本发明通过已知网络中节点的属性向量与拓扑向量学习一个映射模型；利用此模型将待预测节点的属性向量映射成拓扑向量；基于半监督的生成对抗网络并使用待预测节点的拓扑向量与当前网络节点的拓扑向量完成链接预测任务，并在社交数据集上验证模型的可行性和优势。本发明可用于处理在社交网络链接预测过程中孤立节点的预测问题，并在预测过程中一定程度上摆脱对含标签样本的依赖。
-
公开(公告)号：CN112101996A
公开(公告)日：2020-12-18
申请号：CN202010959783.1
申请日：2020-09-14
Applicant: 哈尔滨工程大学
Abstract: 本发明属于社交网络动态影响力最大化技术领域，具体涉及一种基于区域的社交网络动态影响力最大化方法。本发明具有NP难特性和单调子模性。本发明首先采用了四叉树保存节点位置信息，在选取目标区域后，通过四叉树中的存储信息对节点进行筛选。然后，对相应区域的节点生成相应的元组，元组中包含目标节点，目标节点的坐标，目标节点与其他节点之间的传播关系函数，以及生成的草图，草图中的每一个节点都能到达目标节点。当目标区域中节点的位置信息发生改变时，可以实时更新元组。最后，计算出目标区域中的种子节点，并进行影响力的扩散。本发明提出的一种基于区域的社交网络动态影响力最大化方法在运行效率和准确率上高于现有的影响力算法。
-
公开(公告)号：CN112100241A
公开(公告)日：2020-12-18
申请号：CN202010959772.3
申请日：2020-09-14
Applicant: 哈尔滨工程大学
IPC: G06F16/2458 , G06Q10/04 , G06Q50/00
Abstract: 本发明属于社交网络影响力最大化技术领域，具体涉及一种基于主题的社交网络动态影响力最大化方法。本发明在基于主题的传播模型下具有NP难特性以及函数的单调子模性。本发明首先根据目标主题对数据集进行筛选，然后使用元组对节点的主题信息，主题向量进行存储，选取出种子节点，并通过主题传播模型进行影响力传播。当筛选后的集合内的节点以及节点的主题发生变化时，实时更新元组，确保能够选出最具有代表性的种子节点。本发明提出的一种基于主题的社交网络动态影响力最大化方法在效率性和准确性优势明显。
-
公开(公告)号：CN111654479A
公开(公告)日：2020-09-11
申请号：CN202010438357.3
申请日：2020-05-22
Applicant: 哈尔滨工程大学
IPC: H04L29/06 , H04L12/24 , H04L12/26 , H04L12/721
Abstract: 本发明属于信息中心网络的洪泛攻击检测技术领域，具体涉及一种基于随机森林与XGBoost的洪泛攻击检测方法。本发明采用当前较流行的集成学习算法随机森林和梯度提升算法XGBoost，在特征选择方面，提出了基于集成学习思想的特征选择模型，模型采用随机森林算法，解决了模型特征选择问题，提高了检测模块构建的速度，降低了过拟合的风险，提升了检测模块的准确率。本发明解决了传统统计检测方法需要手动设置阈值的问题，方法通过模型学习得到分类标准，降低了阈值设置对检测率的影响，提升了分类效果，增加了虚假兴趣包洪泛攻击检测的准确率。
-
-
-
-
-
-
-
-
-
Search Results
157
records
(took 0.084 seconds)
