一种DDoS特征提取方法及装置

    公开(公告)号:CN110351303B

    公开(公告)日:2021-09-14

    申请号:CN201910688231.9

    申请日:2019-07-29

    Applicant: 海南大学

    Abstract: 本发明公开了一种DDoS特征提取方法,所述方法包括:在预设时间段内对网络数据流进行采样,并计算所述网络数据流的每个属性的种类,构成训练集;基于所述训练集通过无监督训练方法训练深度信念网络,并基于所述训练集通过有监督训练方法训练前馈神经网络,其中,所述深度信念网络具有瓶颈层;基于所述前馈神经网络调整所述深度信念网络的权重和偏差,生成特征提取模型,以通过所述特征提取模型提取DDoS特征。采用本发明可以有效提高提取的DDoS特征的稳定性和准确性。

    一种驼背鲈抗菌肽IFNi-18及其应用

    公开(公告)号:CN119060139A

    公开(公告)日:2024-12-03

    申请号:CN202411574392.2

    申请日:2024-11-06

    Abstract: 本发明公开了一种驼背鲈抗菌肽IFNi‑18及其应用,属于生物技术领域,该抗菌肽的氨基酸序列为SEQ ID NO.1,其编码基因的核苷酸序列如SEQ ID NO.2所示。本发明对驼背鲈抗菌肽IFNi‑18进行体外化学合成,发现该抗菌肽的细胞毒性较低,且对多种革兰氏阳性菌和革兰氏阴性菌具有广谱、较强的抗菌活性。用IFNi‑18处理过的细菌SEM图像显示,细菌细胞膜出现孔洞,细胞发生溶解。由于其广谱抗性,分子量小,化学合成难度小以及可能对其他水产动物病原菌都具有抗菌活性,使得IFNi‑18作为抗菌剂具有广泛的应用前景。

    基于多核学习的分布式拒绝服务攻击检测方法及装置

    公开(公告)号:CN109040113B

    公开(公告)日:2021-03-19

    申请号:CN201811027529.7

    申请日:2018-09-04

    Applicant: 海南大学

    Abstract: 本发明公开了一种基于多核学习的分布式拒绝服务攻击检测方法及装置,所述方法包括:在预设时间段内分别对正常网络流和攻击网络流进行采样,并提取五种特征值,得出正常样本集和攻击样本集,构成训练集;基于集成学习框架,分别采用梯度上升法和梯度下降法两种方式,自适应的调整训练集的五种特征值的权重,以得出两种训练好的多核学习模型;基于两种训练好的多核学习模型,通过滑动窗口机制,检测分布式拒绝服务攻击。本发明可以有效地降低分布式拒绝服务攻击检测的误报率和漏报率,提高对早期分布式拒绝服务攻击检测的准确性。

    一种异构海洋机器人的动态交会控制方法

    公开(公告)号:CN119882791A

    公开(公告)日:2025-04-25

    申请号:CN202510055859.0

    申请日:2025-01-14

    Applicant: 海南大学

    Abstract: 本发明涉及异构体控制技术领域,尤其涉及异构海洋机器人的动态交会控制方法,包含以下步骤:将无人艇和无人潜器的动力学模型重构成端口哈密顿能量结构;对无人潜器的上浮深度施加期望的性能约束;构造无人艇和无人潜器的期望能量配置函数,获得期望端口哈密顿能量结构;无人潜器的控制器实时调节动能的注入速率使其实际动能达到期望动能;控制器实时调节动能的注入速率使无人艇逐渐靠近无人潜器的位置,实现动态交会;实时调节对模型中不可测恒定参数估计值的变化速率,实现对不可测恒定参数的无偏辨识;与现有技术相比,本发明提出的控制方法能够实现高效、稳定且安全的无碰撞动态交会,具有良好的应用前景。

    神经坏死病毒的LAMP检测引物组、试剂盒及应用

    公开(公告)号:CN117418045A

    公开(公告)日:2024-01-19

    申请号:CN202311496421.3

    申请日:2023-11-10

    Applicant: 海南大学

    Abstract: 本发明涉及一种神经坏死病毒的LAMP检测引物组、试剂盒及应用,属于微生物检测领域。所述的LAMP引物组如SEQ ID NO.1‑6所示。本发明还提供神经坏死病毒的环介导等温扩增检测试剂盒及应用,所述试剂盒包括环介导等温扩增反应液、Bst DNA聚合酶、AMV反转录酶、钙黄绿素显色液、阳性对照质控品、阴性对照质控品和检测引物组。本发明所述LAMP检测引物组是基于神经坏死病毒的RdRp基因为特异性靶基因设计,所制备的试剂盒特异性强、操作方便简单、无需昂贵的仪器设备。

    基于HMM和混沌模型的DDoS攻击检测方法

    公开(公告)号:CN108900556A

    公开(公告)日:2018-11-27

    申请号:CN201810972690.5

    申请日:2018-08-24

    Applicant: 海南大学

    Abstract: 本发明实施例提供一种基于HMM和混沌模型的DDoS攻击检测方法,包括:采集网络流量信息作为HMM训练集;计算得到网络流量加权特征观测序列和网络流平均速率序列;根据HMM训练集,计算HMM的最佳隐层状态数N;采用层次聚类算法将所述HMM训练集分为N类,得到隐层状态序列;利用所述网络流量加权特征观测序列和所述隐层状态序列,对HMM进行监督学习,得到状态转移矩阵和混淆矩阵;根据所述状态转移矩阵和所述混淆矩阵,计算后续的网络流量加权特征,得到后续网络流量加权特征预测序列;通过混沌模型计算所述后续网络流量加权特征预测序列的预测误差序列;通过所述预测误差序列和所述网络流平均速率序列来识别DDoS攻击。

Patent Agency Ranking