-
公开(公告)号：CN116502088A
公开(公告)日：2023-07-28
申请号：CN202310476240.8
申请日：2023-04-26
Applicant: 鹏城实验室 , 四川亿览态势科技有限公司 , 广州大学
IPC: G06F18/214 , G06F18/2415 , G06F18/25 , G06N3/006 , H04L9/40
Abstract: 本发明公开了一种网络入侵检测方法、系统、电子设备及存储介质，该方法通过将待检测数据输入至多个训练好的分类器中进行网络入侵检测，获得每个训练好的分类器输出的入侵检测结果；对每个第一萤火虫种群采用萤火虫算法进行萤火虫位置优化，获得目标萤火虫个体；将每个第一萤火虫种群的目标萤火虫个体组成新种群，找出新种群中符合目标条件的目标萤火虫个体，并将新种群中的目标萤火虫个体加入每个第一萤火虫种群中作为下一次迭代的第二萤火虫种群，直到萤火虫算法达到最大迭代次数，得到目标萤火虫个体的位置；根据多个权重系数和每个训练好的分类器输出的入侵检测结果，计算得到最终的入侵检测结果。本发明能够提高网络入侵检测的精确度。
-
公开(公告)号：CN116361476A
公开(公告)日：2023-06-30
申请号：CN202211455256.2
申请日：2022-11-21
Applicant: 电子科技大学 , 电子科技大学(深圳)高等研究院 , 广州大学
IPC: G06F16/36 , G06F18/22 , G06F18/214
Abstract: 本发明公开了一种基于插值法的知识图谱负样本合成方法，包括以下步骤：S1：候选集筛选：从负样本中筛选负样本集合cand_il，作为mixup操作的候选集；S2：mixup样本合成：选择cand_il中的负样本进行合成得到cand_im，再将cand_im中的负样本和正样本进行二次mixup合成；S3：训练更新：将得到的负样本集合cand_il、cand_im、cand_ik再筛选得到cand_is，并将其用于模型训练和更新强负样本集合本发明易于实现，运算速度快，不增加原始嵌入模型的复杂度；能增强虚拟负样本的多样性，提升知识图谱嵌入模型的性能，易于叠加到已有的知识图谱嵌入模型中。
-
公开(公告)号：CN116320193A
公开(公告)日：2023-06-23
申请号：CN202210792030.5
申请日：2022-07-07
Applicant: 广州大学
IPC: H04N1/32
Abstract: 本发明公开了一种安全、无计算设备依赖的工业图纸传输方法与系统，该方法包括S1，使用半色调技术对秘密图像Ss进行处理，获得半色调图像Sb；S2，使用可视秘密技术对半色调图像Sb进行加密处理，获得分存图像P1和P2；S3，将分存图像P1和P2发送至目标接收者；S4，将P1和P2进行叠加，获得还原图像Sd；S5，在GAN中利用秘密图像Ss作为输入数据集训练出生成器；S6，将还原图像Sd输入到生成器中，获得无噪声图像Ss'。本发明利用GAN提升了可视密码解密图像的质量，经过可视密码加密后，无论是通过物理介质还是数字方式传输，都可以确保图像的隐私性，为工业信息尤其是CAD图像传输提供安全高效的解决方案。
-
公开(公告)号：CN115620730A
公开(公告)日：2023-01-17
申请号：CN202211223078.0
申请日：2022-10-08
Applicant: 广州大学
Abstract: 本发明涉及人工智能安全领域，且公开了一种声纹识别对抗样本生成方法，通过集成多个已有的声纹识别模型来生成一个替代模型，来代替目标黑盒声纹识别模型，通过攻击替代模型生成对抗样本，进而对目标黑盒模型产生攻击效果，以此客服黑盒模型无法获取模型信息这一难点，改善攻击成功率低的问题；在生成对抗样本的方式上，采用了基于Nesterov加速梯度法的生成方法，能够更快的找到攻击效果更好的对抗样本；生成对抗样本的过程中，对目标黑盒模型进行少量(个位数)次数的查询，来修正对抗样本的生成方向，这样能够提高攻击的成功率。
-
公开(公告)号：CN115495780A
公开(公告)日：2022-12-20
申请号：CN202211116424.5
申请日：2022-09-14
Applicant: 广州大学
Abstract: 本发明涉及人工智能技术领域，公开了一种联邦学习过程中模型梯度泄露标签信息的风险评估方法，包括以下步骤：对L层的梯度按行求和得计算计算M＝KC/B；将的每一个元素值遍历一次，若其中元素k的值则将k加入到真实标签的评估列表中，且将其加上M，否则不变；不断取的最小元素值，若标签k的梯度最小，则将k加入到真实标签的评估列表中，且将其加上M，否则不变，直到真实标签的评估列表中的元素与输入样本的批大小相等为止；结束，真实标签的评估列表即为样本标签列表。
-
Patent Agency Ranking
公开(公告)号：CN115408664A
公开(公告)日：2022-11-29
申请号：CN202210808060.0
申请日：2022-07-11
Applicant: 广州大学
Abstract: 本发明公开了一种可穿戴的安全图像展示方法与装置，该方法包括如下步骤：S1，获取待显示图像；S2，对待显示图像进行二值化处理，获得二值化图像；S3，对二值化图像进行像素扩展处理，获得扩展图像；S4，使用预设的可视密码对对扩展图像进行加密处理，获得基准分存图像Sa和动态分存图像Sb；S5，将基准分存图像Sa和动态分存图像Sb分别输入智能眼镜的左镜片和右镜片进行展示。本发明还公开了一种用于实现上述方法的装置。本发明去除了图像安全展示过程中对密码学算力的要求，不需要任何数字高性能设备的支持。本发明为图像与视频的安全展示提供了一种新型方法，为安全会议，屏幕内容可见不可拍等展示场景提供了一种解决方案。
-
公开(公告)号：CN113449783B
公开(公告)日：2022-11-08
申请号：CN202110675839.5
申请日：2021-06-17
Applicant: 广州大学
IPC: G06V10/774 , G06V10/82 , G06N3/08
Abstract: 本发明提供了一种对抗样本生成方法、系统、计算机设备和存储介质，通过获取待攻击的原始图像样本和神经网络模型，根据原始图像样本输入神经网络模型得到对应的梯度符号矩阵，以及采用熵值滤波器获取原始图像样本的信息熵分布矩阵生成扰动矩阵，并使用该扰动矩阵对原始图像样本添加扰动，并在得到的噪声图像样本满足对抗样本生成要求时，停止迭代，将该噪声图像样本作为对抗样本，反之，将噪声图像样本输入神经网络模型，进行下一轮噪声图像样本生成迭代，直至得到满足要求的对抗样本的方法，克服现有技术中未对梯度信息的重要程度作区分，在图像信息熵不同的区域生成均匀分布扰动缺陷的同时，增加了对抗样本的隐蔽性，提升了对抗样本的攻击效果。
-
公开(公告)号：CN114298010A
公开(公告)日：2022-04-08
申请号：CN202111499830.X
申请日：2021-12-09
Applicant: 广州大学
IPC: G06F40/211 , G06F40/30 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种融合双语言模型和句子检测的文本生成方法，该方法步骤包括：语言模型M1和语言模型M2同步扩展关键词前后的单词；语言模型M1正向预测下一字符得到新文本S1，语言模型M2反向预测下一个字符得到新文本S2，拼接新文本S1和新文本S2得到句子；句子满足输出条件则输出句子，否则作为新的输入；基于规约的句法分析方法对句子进行结构分析，句子能规约至文法起始符则符合句法规则；使用N‑Gram统计模型对符合句法规则的候选句子计算语言得分，若候选句子的语言得分超过设定阈值则作为最终文本输出。本发明可应用于句子构造、文章生成等创造性的文本生成任务中，有效解决以往生成技术中句子丰富度低、可读性差的问题。
-
公开(公告)号：CN113705619A
公开(公告)日：2021-11-26
申请号：CN202110884285.X
申请日：2021-08-03
Applicant: 广州大学
Abstract: 本发明提供了一种恶意流量检测方法、系统、计算机及介质，所述方法为获取待检测流量数据；提取所述待检测流量数据的待分析字段信息集，并将所述待分析字段信息集按照预设比例划分为训练集和测试集；确定所述训练集和测试集的待分析特征；将所述训练集的待分析特征输入到多个预设分类器进行训练，并通过软投票法对所述多个预设分类器集成，得到恶意流量检测模型；将所述测试集的待分析特征输入到所述恶意流量检测模型进行测试，得到预测结果。本发明不仅实现了无需解密即可精准识别恶意流量的技术效果，而且提高了恶意流量检测模型的泛化能力和安全性，还可以部署在不同的防火墙、入侵检测系统和入侵防御系统上，具有较好的通用性。
-
公开(公告)号：CN110070115B
公开(公告)日：2021-09-03
申请号：CN201910272980.3
申请日：2019-04-04
Applicant: 广州大学
IPC: G06K9/62
Abstract: 本发明公开了一种单像素攻击样本生成方法，通过获取待识别图像X，遍历待识别图像X的每个像素点，在每个像素点采样K个像素值，并分别计算每个数值在预设的神经网络N中的识别概率，得到识别概率最低时的像素点的位置P；遍历像素点的位置P的每个像素值，并分别计算每个数值在预设的神经网络N中的识别概率，得到识别概率最低时的像素值V’；将待识别图像X中像素位置P的像素值修改为V’，得到对抗样本X’，该方法的运行时间短，仅通过修改数字样本图像的一个像素点，就可使得神经网络正确识别数字图像的概率大大降低。
-
-
-
-
-
-
-
-
-
Search Results
134
records
(took 0.034 seconds)
