-
公开(公告)号:CN102006186B
公开(公告)日:2012-10-17
申请号:CN201010548279.9
申请日:2010-11-16
Applicant: 暨南大学
Abstract: 本发明为一种内网设备非法外联监控系统及其方法,其中包括内网设备客户端和监控中心服务端。当内网设备通过非法途径试图连接互联网时,客户端通过信息采集模块获取设备信息和用户信息,并进行信息捆绑生成告警信息,然后把告警信息传递给加密模块,接着封装模块对加密后的告警信息进行封装,最后把封装后的告警信息发送到连接互联网的监控中心服务端。服务端根据制定的策略和接收到的告警信息判断此设备是否允许外联,并做出相应的操作。本发明由内部设备直接向服务端发送告警信息,则无论内部受监控主机通过什么方式接入外网,都会受到服务端监控,同时也避免了内部受监控移动存储设备在不知情的情况下接入外网的情况。
-
公开(公告)号:CN112052886B
公开(公告)日:2022-06-03
申请号:CN202010847005.3
申请日:2020-08-21
Applicant: 暨南大学
IPC: G06V10/774 , G06V10/82 , G06V10/74 , G06V40/10 , G06V40/20 , G06K9/62 , G06N3/04 , G06N3/08 , G06T7/60
Abstract: 本发明属于深度学习计算机视觉领域,公开了一种基于卷积神经网络的人体动作姿态智能估计方法及装置,方法包括:将待进行动作姿态估计的人体图像输入到训练好的人体检测模型中进行处理,得人物个体检测结果,输入到训练好的全局估计模型中进行处理,得到不同尺度的人体关键点的第一特征图,输入到训练好的补充精调模型中进行处理,通过加强学习得到不同尺度的人体关键点的第二特征图;补充精调模型中包括多个特征提取分支,每个特征提取分支中设置数量不同的精调模块,通过各特征提取分支的精调模块加强学习;基于第二特征图,得到人体姿态估计结果。本发明有效解决了现有技术容易遗漏人体图像中难以分辨的关键点而导致人体姿态估计不准确的问题。
-
公开(公告)号:CN110298171B
公开(公告)日:2021-07-27
申请号:CN201910521357.7
申请日:2019-06-17
Applicant: 暨南大学
Abstract: 本发明公开了一种移动互联网大数据应用的智能检测与安全防护方法。随着移动App大数据时代的到来,可以发现越来越多的移动应用被复制或重新包装。不法分子通过对原生移动应用进行高度模仿、植入恶意代码等行为来重新打包移动应用,使得用户在使用应用经常会时造成隐私泄露、远程控制等危害。本发明使用描述熵相似方法、资源相似检测、统计相似检测以及字符串相似智能检测进行检测移动应用是否存在剽窃或恶意行为,智能分析其是否存在恶意攻击代码以及潜在漏洞;通过聚类算法、混淆加密技术等对应用程序进行分类和安全加固,实现对移动大数据应用的智能检测及安全防护。
-
公开(公告)号:CN110309382B
公开(公告)日:2021-05-28
申请号:CN201910520989.1
申请日:2019-06-17
Applicant: 暨南大学
IPC: G06F16/906 , G06F16/901
Abstract: 本发明公开了一种基于多维特征的移动应用同源性边聚类方法,步骤如下:构建以移动应用软件关系图,移动应用软件作为关系图的顶点,由移动应用软件的不同特征比较算法得出软件之间的n种多维特征相似性分数作为关系图的边,形成“边”集合;设置相似分数阈值和有效分数个数阈值,过滤出“有效边”集合;计算“有效边”两两之间的距离;设置邻域半径,找出所有“有效边”的邻域;设置邻域密度阈值,找出所有“核心边”,形成“核心边对象”集合;从“核心边对象”集合中任一“核心边”开始遍历,将其所有密度可达的“有效边”聚成簇,最后得到软件同源家族分类情况。本发明有效克服以往基于单一距离的聚类,更公平地将软件进行同源家族分类。
-
公开(公告)号:CN109858249B
公开(公告)日:2020-08-07
申请号:CN201910118777.0
申请日:2019-02-18
Applicant: 暨南大学
IPC: G06F21/56
Abstract: 本发明公开了一种移动恶意软件大数据的快速智能比对和安全检测方法。随着移动软件应用发展势头迅猛,很多流行的移动应用被复制或重新包装。攻击者可能通过重包装应用程序以达到插入广告盈利或者传播恶意软件。海量的移动软件代码形成大数据,相似性的比较计算体量非常庞大。本发明使用压缩字符串、描述熵与哈希值方法结合提出快速智能比对检测算法,计算得到移动应用软件之间的相似度,若它们的相似度大于或等于预定的阈值,则认为检测程序有重包装或剽窃的嫌疑,进而分析检测的移动软件是否存在恶意攻击代码,最后实现移动软件大数据的快速安全检测。
-
公开(公告)号:CN110210224A
公开(公告)日:2019-09-06
申请号:CN201910424145.7
申请日:2019-05-21
Applicant: 暨南大学
IPC: G06F21/56
Abstract: 本发明公开了一种基于描述熵的大数据移动软件相似性智能检测方法,包括以下步骤:获取移动软件路径,按照路径读取移动软件的文件;对移动软件的文件进行初步逆向工程反编译,获取每个移动软件的函数特征;通过函数特征中的描述熵,统计每个移动软件描述熵的分布;将每个移动软件描述熵进一步整合,通过整合后,移动软件之间的描述熵分布情况进行比较,进行相似性分数计算,得到移动软件之间的相似性分数;输出所有移动软件的相似性分数,得到移动软件相似性结果;本发明通过反编译获取移动软件源代码,获取函数压缩编码再获取描述熵,利用描述熵作为表示一个对象的信息量,用于移动软件的相似性检测,大大提高软件相似性智能计算速度。
-
公开(公告)号:CN109858249A
公开(公告)日:2019-06-07
申请号:CN201910118777.0
申请日:2019-02-18
Applicant: 暨南大学
IPC: G06F21/56
Abstract: 本发明公开了一种移动恶意软件大数据的快速智能比对和安全检测方法。随着移动软件应用发展势头迅猛,很多流行的移动应用被复制或重新包装。攻击者可能通过重包装应用程序以达到插入广告盈利或者传播恶意软件。海量的移动软件代码形成大数据,相似性的比较计算体量非常庞大。本发明使用压缩字符串、描述熵与哈希值方法结合提出快速智能比对检测算法,计算得到移动应用软件之间的相似度,若它们的相似度大于或等于预定的阈值,则认为检测程序有重包装或剽窃的嫌疑,进而分析检测的移动软件是否存在恶意攻击代码,最后实现移动软件大数据的快速安全检测。
-
公开(公告)号:CN106874762A
公开(公告)日:2017-06-20
申请号:CN201710009886.X
申请日:2017-01-06
Applicant: 暨南大学
IPC: G06F21/56
Abstract: 本发明公开了一种基于API依赖关系图的安卓恶意代码检测方法,用于审核软件开发者提交的安卓应用软件,检测软件是否带有恶意行为。该方法包括下述步骤:S1、根据对应用软件的语义分析,生成API依赖关系图API‑DRG;S2、利用基于聚合的索引方法在API‑DRG数据库中去匹配最相似的依赖关系图;S3、通过对正常代码数据库NormalDB和恶意代码数据库MalwareDB的查询分别完成异常检测和签名检测。本发明通过以上创新方法完成安卓恶意代码分析与检测的自动化操作,并有效提高恶意代码检测和分类的准确率。
-
公开(公告)号:CN103634293A
公开(公告)日:2014-03-12
申请号:CN201310520541.2
申请日:2013-10-29
Applicant: 暨南大学
IPC: H04L29/06
Abstract: 本发明公开了一种基于双硬件的数据安全传输方法及系统,方法包括下述步骤:S1、用户将数据从非保密网下载到移动存储设备上;S2、用户使移动存储设备与中间机相连接,中间机对其进行安全检测;S3、中间机将通过检测的安全数据存储在主功能模块的缓存上;S4、用户将安全的数据下载到安全移动存储设备上;S5、用户将安全移动存储设备连接保密网计算机,并将数据上传。系统包括移动存储设备、中间机以及安全移动存储设备。本发明将非保密网与保密网进行物理隔离,而通过中间机进行数据分析和安全检测后再将无威胁数据安全传输给保密网计算机,这样有效防止了恶意用户及病毒、木马等恶意程序对于保密网的入侵,保证了保密网的数据安全。
-
公开(公告)号:CN101459558A
公开(公告)日:2009-06-17
申请号:CN200810220690.6
申请日:2008-12-31
Applicant: 暨南大学
Abstract: 本发明为一种父实体选择通信机制入侵检测方法,包括以下步骤:主机子实体通过主机父实体表判断主机是否存在合适父实体;若判断结果为是,则所述主机子实体与合适父实体建立连接关系;若判断结果为否,则所述主机子实体向网络发送广播信息;主机外父实体接收到所述广播信息后回馈信息到所述主机子实体;主机子实体分析所述回馈信息,根据分析结果更新主机父实体表并与主机外合适父实体建立连接关系,已建立连接关系父实体检测所述数据包是否存在入侵行为。本发明还提供了一种基于移动代理机制的父实体选择通信机制入侵检测装置及系统。本发明可以减少IDS系统误报率和漏报率,有效解决网络“单点失效”问题,同时有效提高各代理之间的数据共享。
-
-
-
-
-
-
-
-
-