-
公开(公告)号：CN113255526A
公开(公告)日：2021-08-13
申请号：CN202110588717.2
申请日：2021-05-28
Applicant: 华中科技大学
Abstract: 本发明涉及一种基于动量的对人群计数模型的对抗样本生成方法，该方法包括：插入张量生成对抗补丁，在原始图像上添加对抗补丁生成初始化的对抗样本；将对抗样本输入人群计数模型中，输出预测人群密度图；计算预测人群密度图与目标人群密度图的损失值；对损失值超过阈值时对应的对抗样本进行基于动量的对抗补丁优化后，执行输出预测人群密度图的步骤，直至得到损失值不超过阈值时对应的对抗样本。对抗补丁在高密度的背景下使人眼难以察觉到；还将动量整合到了对抗补丁的优化过程中，克服了在高维空间中搜索最佳对抗样本点时会被困在较差的局部最小值或最大值中的问题，可以有效评估人群计数模型对于对抗补丁攻击和认证防御的鲁棒性。
-
公开(公告)号：CN110688150B
公开(公告)日：2020-12-08
申请号：CN201910828746.4
申请日：2019-09-03
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于张量运算的二进制文件代码搜索检测方法及系统，属于网络空间安全领域。包括：提取各二进制文件的图空间特征；基于图嵌入算法，将各图空间特征编码为对应函数特征矩阵；基于张量奇异值分解算法，分解样本库所有二进制文件的函数特征矩阵构成的张量模型，根据该张量模型的压缩单位矩阵，得到压缩后的各二进制文件的函数特征矩阵；将待检二进制文件的压缩后的特征矩阵和样本库进行比对，得到代码搜索克隆检测结果。将包含所有特征空间嵌入到更小的空间，用更精简的特征表示二进制函数特征，同时处理所有的特征数据，提取相似函数的相关信息以及更精简的函数特征，大大提高了二进制函数检测的效率。
-
公开(公告)号：CN104090940A
公开(公告)日：2014-10-08
申请号：CN201410305660.0
申请日：2014-06-27
Applicant: 华中科技大学
IPC: G06F17/30
CPC classification number: G06F17/30598
Abstract: 本发明提出了多态聚类的概念，并公开了一种时序网络与时序数据的多态聚类分析方法。多态聚类是一种针对时序网络或时序数据，以多种标准作为相似性度量指标的聚类分析方法，包括以下步骤：首先，如果处理对象为时序数据，则只对时序数据加工成特定的形式，而如果处理对象为时序网络，则通过谱映射的方法把时序网络映射为特定形式的时序数据。其次建立此时序数据的多态向量，最后，对多态向量采用改进的同步化聚类方法聚类得到多态聚类结果。本发明允许人们从不同的角度观察时序网络或时序数据的社区结构，从而得到更全面的分析结果。
-
公开(公告)号：CN115019102B
公开(公告)日：2024-09-10
申请号：CN202210693348.8
申请日：2022-06-17
Applicant: 华中科技大学
IPC: G06V10/764 , G06V10/82 , G06V10/774 , G06V10/74 , G06F17/16 , G06N3/0475 , G06N3/045 , G06N3/092
Abstract: 本发明公开了一种对抗样本生成模型的构建方法及应用，属于人工智能安全领域，所构建的模型包括级联的扰动模块和奖励计算模块；通过最大化图像样本集中的所有图像样本所对应的奖励的累积值，对对抗样本生成模型进行训练；当对抗样本生成模型训练完成后，扰动模块输出的扰动后的图像即为基于图像样本生成的对抗样本；本发明构建了一个基于强化学习的对抗样本生成模型，通过在对抗样本生成模型的训练过程中不断优化扰动值，使得查询朝向所期望的目标进行，规避了大量的重复查询，计算效率较高。除此之外，本发明所构建的模型并不依赖目标模型的梯度来生成对抗样本，实用性更强，适用范围更广。
-
公开(公告)号：CN114460936B
公开(公告)日：2024-04-02
申请号：CN202210037463.X
申请日：2022-01-13
Applicant: 华中科技大学
Abstract: 本发明提供一种基于离线增量学习的自动驾驶汽车路径规划方法及系统，包括：确定汽车的当前状态变量和目标信息；利用基于车辆运动学的概率路径预测模型实时预测汽车下一时刻的状态变量，以规划汽车的短期路径；基于二维地图信息构建人工势场，以为二维地图上不同类型的障碍物和道路结构分配不同的势函数；通过线性二次调节策略获取汽车行驶路径的离线数据，并利用径向基函数神经网络对所述离线数据进行训练，以对汽车行驶路径的行驶距离进行预测；基于离线学习的快速扩展随机路径规划算法对汽车行驶的长期路径进行规划，并结合所述行驶距离的预测结果确定汽车自动驾驶的最优避障路径；本发明高效准确地实现车辆轨迹预测。
-
Patent Agency Ranking
公开(公告)号：CN116185520A
公开(公告)日：2023-05-30
申请号：CN202211579498.2
申请日：2022-12-08
Applicant: 华中科技大学 , 湖南大佳数据科技有限公司
IPC: G06F9/445
Abstract: 本发明公开了一种安卓调用图构建方法、系统、设备及介质，包括获取安卓apk文件，并根据安卓apk文件构建安卓App原始调用图，通过函数筛选模型筛选安卓App原始调用图中含有以回调函数为参数的系统调用，得到系统调用上下文，根据系统调用上下文与预先设置的算法进行寻找，得到数据流分析结果，根据系统调用上下文与数据流分析结果构建虚拟系统调用函数体，根据虚拟系统调用函数体生成调用子图，并将调用子图添加到安卓App原始调用图中，得到安卓调用图，解决了安卓App分析时回调函数不在调用图中的问题，提高了安卓调用图构建的代码覆盖率与安卓调用图构建精度。
-
公开(公告)号：CN116010257A
公开(公告)日：2023-04-25
申请号：CN202211649809.8
申请日：2022-12-21
Applicant: 华中科技大学
IPC: G06F11/36 , G06F18/25 , G06F16/28 , G06F40/284 , G06F40/216
Abstract: 本发明公开了一种基于多维数字特征的Web应用类型识别方法、装置及系统，首先通过将Web响应页面Header头和Body字段两个维度内容自动化提取关键字、映射多维向量的方式，实现了Web页面数字特征的自动化提取；其次，构建了Web应用数字特征指纹基准库，生成已知应用类型的Web页面Header头和Body字段的基准中心点向量、检测半径以及结果有效性评估F1分数，通过对Web页面不同维度的数字特征与数字特征基准库进行相似度对比得到指纹识别结果；最后，设计了基于结果有效性F1分数的大小比对对多维数字特征的指纹识别结果进行合并，实现了最终指纹识别结果的确定。本发明实现了Web应用数字特征指纹的自动化生成，摆脱了常规方法中人工提取指纹规则难的痛点。
-
公开(公告)号：CN115913655A
公开(公告)日：2023-04-04
申请号：CN202211337335.3
申请日：2022-10-28
Applicant: 华中科技大学
IPC: H04L9/40
Abstract: 本发明属于网络通信领域，具体涉及一种基于流量分析和语义分析的Shell命令注入检测方法，包括：对网络接口处的高速网络流量进行采集，并将其还原成完整的HTTP或TCP网络会话数据流；对网络会话数据流进行深度包解析得到HTTP或TCP的Payload明文数据；采用Shell命令模板库，匹配出Payload明文数据中Shell命令的出现位置；对出现位置处的Payload明文数据进行词法分析和语法分析，生成Shell命令的抽象语法树，每个节点对应一条Shell命令的命令信息；对抽象语法树中的各节点进行遍历检测，识别出与Shell命令模板库中模板所匹配的所有节点，将该所有节点对应的各Shell命令作为Payload明文数据中的Shell命令，完成Shell命令注入检测。本发明通过语义分析的方式，极大提高检测精度。
-
公开(公告)号：CN115629843A
公开(公告)日：2023-01-20
申请号：CN202211360070.9
申请日：2022-11-02
Applicant: 华中科技大学
IPC: G06F9/455
Abstract: 本发明公开了一种云端异构虚拟化数字仿真平台，用户可以基于此平台创建并管理多CPU体系结构的虚拟机。平台包括云端虚拟机生成和运行环境、云端平台接入框架、本地用户访问接口和自定义网络通信协议四部分。云端虚拟机生成和运行环境为虚拟机提供所需资源，云端平台接入框架作为中间层负责用户访问控制和虚拟机管理，本地用户访问接口支持用户对虚拟机进行配置、控制和远程交互，自定义网络通信协议确保平台各部分之间数据同步和信息安全。本平台架设在云端，本地部署简单，高效灵活，可以极大节省本地资源。
-
公开(公告)号：CN115019102A
公开(公告)日：2022-09-06
申请号：CN202210693348.8
申请日：2022-06-17
Applicant: 华中科技大学
IPC: G06V10/764 , G06V10/82 , G06V10/774 , G06V10/74 , G06F17/16 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种对抗样本生成模型的构建方法及应用，属于人工智能安全领域，所构建的模型包括级联的扰动模块和奖励计算模块；通过最大化图像样本集中的所有图像样本所对应的奖励的累积值，对对抗样本生成模型进行训练；当对抗样本生成模型训练完成后，扰动模块输出的扰动后的图像即为基于图像样本生成的对抗样本；本发明构建了一个基于强化学习的对抗样本生成模型，通过在对抗样本生成模型的训练过程中不断优化扰动值，使得查询朝向所期望的目标进行，规避了大量的重复查询，计算效率较高。除此之外，本发明所构建的模型并不依赖目标模型的梯度来生成对抗样本，实用性更强，适用范围更广。
-
-
-
-
-
-
-
-
-
Search Results
72
records
(took 0.04 seconds)
