-
公开(公告)号：CN117574294A
公开(公告)日：2024-02-20
申请号：CN202311553733.3
申请日：2023-11-20
Applicant: 暨南大学
IPC: G06F18/2433 , G06F18/25 , G06F18/213 , G06F16/958 , G06V10/764 , G06N3/0464 , G06N3/0455 , G06N3/084
Abstract: 本发明公开了一种融合文本识别与图像识别的有害网页检测方法及系统，涉及网页检测领域。所述方法包括：获取目标网页的网页截图，并基于网页截图得到网页文本信息；将网页截图映射为第一图像向量矩阵，将网页文本信息映射为第一文本向量序列；分别对第一图像向量矩阵与第一文本向量序列进行特征提取，分别得到图像特征向量与文本特征向量；将图像特征向量与文本特征向量进行特征组合，得到组合特征向量；根据组合特征向量进行识别分类，生成关于目标网页是否为有害网页的预测标签。相较于现有技术，从多维度更为深入地探索有害网页的内在特征，更准确地对目标网页进行评价，提高了检测精度。
-
公开(公告)号：CN116340936A
公开(公告)日：2023-06-27
申请号：CN202310283388.X
申请日：2023-03-22
Applicant: 暨南大学
IPC: G06F21/55 , G06F18/2111 , G06F18/2411 , G06F18/214 , G06N20/10
Abstract: 本发明公开了一种融合强化学习和特征选择优化的ICS入侵检测系统及方法，将工业控制系统(ICS)历史数据集的数据特征选择进行二进制编码和种群初始化，通过SVM‑强化学习进行离线训练，将在验证集上得到的准确率作为适应度函数，设计基于累计概率的交叉操作和变异操作对种群进行更新，经过迭代优化后从而获得最优特征集合；基于最优特征集合对ICS实时数据集进行特征选择，通过支持向量机(SVM)‑强化学习对实时数据集进行在线入侵检测测试，从而获得入侵检测性能指标。本发明采用了基于SVM‑强化学习新模式，并在此基础上融合了最优特征选择的智能优化，提升了ICS入侵检测系统的智能化设计水平和入侵检测的精度。
-
公开(公告)号：CN116015752A
公开(公告)日：2023-04-25
申请号：CN202211569035.8
申请日：2022-12-08
Applicant: 暨南大学
IPC: H04L9/40 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于多目标变长CNN离散优化的电力CPS入侵检测系统及方法。将经过预处理的电力信息物理系统历史监控数据作为输入数据集，对构建卷积神经网络模型的卷积模块数量、模型拓扑结构、每一个卷积模块的架构参数和批大小、学习率、优化器类型、权重正则化等超参数进行变长离散编码，将CNN模型在验证集上的指标和模型浮点运算次数作为优化目标，设计一种多目标离散优化方法对基于变长卷积模块的CNN模型架构与参数进行多目标并行优化，从而获得兼顾模型性能和模型复杂度的Pareto最优CNN模型。针对电力CPS实时监控数据，在线部署最优CNN模型，从而实现电力CPS的在线入侵检测。本发明在保证模型高精度性能指标的同时还降低了模型的复杂度。
-
公开(公告)号：CN115396198A
公开(公告)日：2022-11-25
申请号：CN202211025573.0
申请日：2022-08-25
Applicant: 暨南大学
Abstract: 本发明公开了一种基于CNN架构与参数并行优化的电网入侵检测系统及方法，从智能电网的量测数据管理系统中采集电网运行状态的历史监控数据，解析数据获取各传感器的读数信息并进行基于标准分数的标准化处理，作为智能电网入侵检测离线优化训练模块的输入数据集，将CNN模型拓扑架构、卷积模块参数和训练参数进行编码，设计基于遗传算法的CNN模型架构与参数并行优化平台，获得最优CNN模型的架构与参数信息。针对智能电网的量测数据管理系统采集到的电网实时监控数据，在线部署最优CNN模型，从而实现智能电网入侵检测的在线检测。本发明不仅提升了智能电网入侵检测系统的智能化设计水平和设计效率，还提升了智能电网入侵检测的准确率和F1评分等性能指标。
-
公开(公告)号：CN118432891A
公开(公告)日：2024-08-02
申请号：CN202410554797.3
申请日：2024-05-07
Applicant: 暨南大学
Abstract: 本发明公开了一种基于聚类组合优化的工控联邦入侵检测后门防御方法和系统，该方法利用现有的多种后门攻击方法产生恶意的更新梯度，与正常的更新梯度作为训练集和测试集；将多种聚类方法的组合方式作为优化变量进行编码，使用训练集对组合方式进行训练，评估该组合方式在测试集上恶意梯度的识别真阳率和真阴率，将其作为优化目标函数，再通过多目标种群演化操作，获得高识别准确率的聚类组合方式，并将其用于工控联邦入侵检测系统中的后门攻击防御策略，从而实现对恶意梯度高效精准的检测。本发明在保障入侵检测系统性能的同时，得到的最优聚类方法组合方案可以准确识别并过滤恶意更新梯度，从而提高了工控联邦入侵检测系统的安全性和鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN116015753A
公开(公告)日：2023-04-25
申请号：CN202211569049.X
申请日：2022-12-08
Applicant: 暨南大学
IPC: H04L9/40 , G06F21/55 , G16Y10/25 , G16Y40/50 , G06N3/045 , G06N3/0464 , G06N3/08 , H04L67/12 , H04L67/01
Abstract: 本发明公开了一种基于神经架构演化联邦学习的工业物联网入侵检测系统及方法。服务端将基于5种神经网络基础模块的联邦学习神经网络架构组合方式进行编码，下发到参与联邦学习的客户端，各客户端对本地IIoT设备的数据进行本地训练，服务端对各客户端模型中间参数聚合和适应度加权平均，通过种群演化操作，获得基于最优神经架构的联邦学习模型，并将其部署在IIoT在线入侵检测系统中，从而实现IIoT高效精准的在线入侵检测。本发明不仅可实现用于IIoT入侵检测的联邦学习模型的优化设计和自动生成，获得了易于在线部署的轻量化联邦学习模型，在保护IIoT设备隐私安全的同时，还提升了IIoT入侵检测的精确率、召回率、F1评分等性能指标。
-
公开(公告)号：CN115661508A
公开(公告)日：2023-01-31
申请号：CN202211164576.2
申请日：2022-09-23
Applicant: 暨南大学
IPC: G06V10/764 , G06V10/776 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于多目标神经网络架构优化的SAR对抗图像检测系统及方法，本发明首先获取来自SAR历史数据库的图像数据集，对其进行数据解析和归一化，将其作为SAR图像检测离线训练模块的输入数据集，基于非支配排序遗传算法的设计神经网络架构优化平台获得针对FUSAR‑ship数据集的轻量级高鲁棒性的神经网络最优架构模型，在实现便于部署的同时，对SAR实时监控地面所产生图像的进行在线识别。本发明不仅可以用于SAR图像检测神经网络架构的自动生成和优化设计，而且在提高复杂SAR图像检测系统的对抗鲁棒性和准确率的同时，降低了SAR识别模型的复杂程度，大大减少了SAR在实现识别模型部署时的所需资源。
-
公开(公告)号：CN116015753B
公开(公告)日：2025-04-25
申请号：CN202211569049.X
申请日：2022-12-08
Applicant: 暨南大学
IPC: H04L9/40 , G06F21/55 , G16Y10/25 , G16Y40/50 , G06N3/045 , G06N3/0464 , G06N3/08 , H04L67/12 , H04L67/01
Abstract: 本发明公开了一种基于神经架构演化联邦学习的工业物联网入侵检测系统及方法。服务端将基于5种神经网络基础模块的联邦学习神经网络架构组合方式进行编码，下发到参与联邦学习的客户端，各客户端对本地IIoT设备的数据进行本地训练，服务端对各客户端模型中间参数聚合和适应度加权平均，通过种群演化操作，获得基于最优神经架构的联邦学习模型，并将其部署在IIoT在线入侵检测系统中，从而实现IIoT高效精准的在线入侵检测。本发明不仅可实现用于IIoT入侵检测的联邦学习模型的优化设计和自动生成，获得了易于在线部署的轻量化联邦学习模型，在保护IIoT设备隐私安全的同时，还提升了IIoT入侵检测的精确率、召回率、F1评分等性能指标。
-
公开(公告)号：CN115412332A
公开(公告)日：2022-11-29
申请号：CN202211026383.0
申请日：2022-08-25
Applicant: 暨南大学
IPC: H04L9/40 , H04L67/12 , G16Y40/50 , G16Y40/20 , G16Y40/10 , G16Y30/10 , G06N3/08 , G06N3/04 , G06N3/00 , G06K9/62
Abstract: 本发明公开了一种基于混合神经网络模型优化的物联网入侵检测系统及方法。从物联网系统历史数据库中采集生成过程的历史监控数据，经过数据解析和归一化后作为物联网入侵检测离线优化模块的输入数据集，设计基于离散粒子群优化技术的混合神经网络模型优化平台，获得物联网入侵检测特征库和混合神经网络最优模型，针对物联网系统实时数据库中的实时监控数据，从而实现物联网入侵检测的在线检测。本发明不仅可实现用于物联网入侵检测系统的混合神经网络模型的自动生成和优化设计，提高了物联网入侵检测系统的智能化设计水平和设计效率，还提升了物联网系统入侵检测的精准率、召回率和F1评分等性能指标。
-
公开(公告)号：CN113591078A
公开(公告)日：2021-11-02
申请号：CN202110886083.9
申请日：2021-08-03
Applicant: 暨南大学
Abstract: 本发明公开了一种基于卷积神经网络架构优化的工控入侵检测系统及方法。从工控系统历史数据库中采集生成过程的历史监控数据，经过数据解析和归一化后作为工控入侵检测离线训练模块的输入数据集，设计基于离散群体演化方法的卷积神经网络架构优化平台，获得工控入侵检测特征库和最优架构的卷积神经网络模型，针对工控系统实时数据库中的实时监控数据，从而实现工控入侵检测的在线检测。本发明不仅可实现用于工控入侵检测系统的卷积神经网络架构的自动生成和优化设计，提高了工控入侵检测系统的智能化设计水平和设计效率，还提升了工控系统入侵检测的精准率、召回率和F1评分等性能指标。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.029 seconds)
