-
公开(公告)号：CN113407425B
公开(公告)日：2022-09-23
申请号：CN202110521465.1
申请日：2021-05-13
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于BiGAN与OTSU的内部用户行为检测方法，包括如下步骤：获取用户行为原始日志数据，并将所述用户行为原始日志数据按照不同用户分别提取指定的时间单位长度计算其频率特征，并对所提取的特征进行数据处理；基于数据处理后的特征，利用BiGAN网络作为构建用户正常行为模式的模型，获得正常行为模型，并训练所述正常行为模型；基于训练后的所述正常行为模型，计算用户待检测数据的重构误差与判别器误差得到异常得分，之后应用OTSU算法自动选取阈值，获得检测结果。以此提高异常检测方法在内部用户行为检测中的准确率，并降低误报率。
-
公开(公告)号：CN113411303A
公开(公告)日：2021-09-17
申请号：CN202110517511.0
申请日：2021-05-12
Applicant: 桂林电子科技大学
Abstract: 本发明涉及网络安全态势评估技术领域，具体涉及一种基于层次聚类和层次分析法的评估指标体系构建方法；基于层次聚类和层次分析法的评估指标体系构建方法包括如下步骤：数据处理，收集网络环境的安全检测日志作为实验数据；评估因素量化，以网络安全态势评估指标体系的指标的来源信息作为评估的属性；使用聚类的方法将功能作用相似的评估因素自动聚成一类；评估指标优化，利用层次分析法计算每类中评估因素的重要程度，进而选取具有代表性的评估因素，根据构建的指标体系和指标度量方法给指标赋值，度量后的指标进行归一化，防止指标的不同量纲影响评估结果，以解决评估结果可信度低的问题。
-
公开(公告)号：CN113259325A
公开(公告)日：2021-08-13
申请号：CN202110429845.2
申请日：2021-04-21
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于麻雀搜索算法优化Bi‑LSTM的网络安全态势预测方法，属于网络安全技术领域。初始化麻雀种群并迭代筛选获取运算结果；基于运算结果初始化Bi‑LSTM神经网络超参数，得到SSA优化后的Bi‑LSTM模型；对SSA优化后的Bi‑LSTM模型进行训练生成预测模型；向预测模型中输入预测数据并获取结果。本发明利用麻雀搜索算法来优化Bi‑LSTM神经网络超参数，采用SSA优化的Bi‑LSTM能够加速模型的收敛，提高模型的预测精度，从而解决现有技术预测精度不够的问题。
-
公开(公告)号：CN110149333B
公开(公告)日：2021-06-29
申请号：CN201910432976.9
申请日：2019-05-23
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于SAE+BPNN的网络安全态势评估方法，包括：提取待评估网络安全态势感知指标数据；对提取到的指标数据进行归一化处理；将归一化处理后的指标数据输入训练完成的深度自编码神经网络，以对归一化后的指标数据进行降维处理；将降维处理后的指标数据输入至训练完成的BP神经网络，以对网络安全态势进行评估。本发明针对BP神经网络在处理稀疏高维度数据时，所需模型复杂度较高、模型计算时间较长、准确率无法提升的问题，利用深度自编码神经网络对数据进行降维处理，保证数据与标签间的非线性关系，并且可以优化模型、降低模型复杂度、降低模型训练时间、提高模型鲁棒性和泛化性。
-
公开(公告)号：CN112508924A
公开(公告)日：2021-03-16
申请号：CN202011483335.5
申请日：2020-12-15
Applicant: 桂林电子科技大学 , 广西综合交通大数据研究院
Abstract: 本发明属于图像处理技术领域，公开了一种小目标检测识别方法、装置、系统和存储介质。小目标检测识别方法包括：获取待检测识别的目标图像；将所述目标图像输入到预设的卷积神经网络模型中进行检测识别并输出检测识别结果；其中，预设的所述卷积神经网路模型可对所述目标图像进行卷积处理、残差处理、下采样处理以及特征融合处理，得到目标图像特征融合结果，并对得到的所述目标图像特征融合结果进行检测识别。通过获取图像并将图像通过预设的卷积神经网络模型进行包括卷积处理、残差处理、下采样处理以及特征融合处理等处理之后，进行检测识别，能够有效地检测出图像中的小目标，提高图像检测识别的准确性和精度，提高检测识别的效率。
-
Patent Agency Ranking
公开(公告)号：CN107086921B
公开(公告)日：2020-04-24
申请号：CN201710251033.7
申请日：2017-04-18
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于小小区频谱拍卖系统的用户身份识别方法，包括以下步骤：步骤1：帮助节点探测授权用户是否在传输；步骤2：帮助节点收集完授权用户的信号特征，发送链路签名训练包给次级用户；步骤3：次级用户学习链路签名，获得已经训练过的链路签名集；步骤4：当收到新的信号时，次级用户计算其链路签名并且计算出其链路签名与训练过的链路签名集之间的距离，再与阈值相比判断信号是否来自授权用户。本发明可以防止恶意用户模仿授权用户的信号，保障次级用户的权益，不仅提高了频谱资源的分配效率，还保障了次级用户的权益，具有广阔的应用前景。
-
公开(公告)号：CN105959957B
公开(公告)日：2019-08-02
申请号：CN201610260706.0
申请日：2016-04-25
Applicant: 桂林电子科技大学
IPC: H04W16/10
Abstract: 本发明公开了一种CoMP系统中基于联合波束成形与功率控制的频谱拍卖方法，包括：首先，设定拥有卖家、买家以及频谱经纪人的频谱拍卖市场机制，建立基于频谱拍卖的CoMP系统模型，该模型用于提高频谱利用率。然后，我们在CoMP系统中，设计基于拍卖的买家与卖家的效用函数、与数据吞吐量相关的信道出价函数，并建立优化系统效益的目标函数。最后，以系统效益优化为目标，建立拍卖模型，并利用CoMP系统中的信道状态信息的完美反馈和联合波束成形与功率控制技术进行目标函数的优化，提高CoMP的系统效益。本发明可用于CoMP系统中的动态频谱资源分配，且本发明方法贴合实际通信背景，技术简单，易于实现扩展，可用于提升CoMP系统的频谱利用率和系统收益。
-
公开(公告)号：CN105703855B
公开(公告)日：2019-07-09
申请号：CN201610072313.7
申请日：2016-02-01
Applicant: 桂林电子科技大学
IPC: H04B17/345 , H04B17/391 , H04B17/382 , H04L25/03
Abstract: 本发明公开了一种认知系统中基于选择性干扰对齐的均衡场博弈方法，包括选择来自非期望小区的对基站干扰最大的一个或一组用户,通过预编码处理使干扰信号对齐到一定的子空间内；当用户数量足够大时,通过用一个稳定的估计信道来代替随机信道,根据初始化功率矩阵计算出估计功率矩阵,得出能达到纳什均衡的最优功率矩阵。本发明是选择性干扰对齐和均衡场博弈方法的有效结合，具有抑制干扰和最大化系统总吞吐量等优点，不仅能最大程度的消除干扰而且能够最大化次小区的总吞吐量，尤其适用于小区数量足够大的认知多小区系统。
-
公开(公告)号：CN109190223A
公开(公告)日：2019-01-11
申请号：CN201810969273.5
申请日：2018-08-23
Applicant: 桂林电子科技大学
IPC: G06F17/50
Abstract: 本发明公开了一种车联网LCCC芯片焊点热循环与随机振动寿命优化方法，通过建立LCCC焊点有限元分析模型仿真模型，分别进行了焊点热循环加载和随机振动加载应力应变有限元分析仿真分析，计算出了焊点热疲劳寿命和随机振动寿命值值；选取焊盘宽度、焊盘长度、间隙高度、钢网厚度作为设计变量，以焊点的热疲劳寿命和随机振动寿命最大为目标，利用正交试验和灰色关联分析相结合的方法对LCCC焊点进行可靠性多目标优化设计，最终设计出使得焊点热循环和随机振动寿命同时最优的参数组合。该方法计算过程简单、能为后期参数优化设计带来方便且优化后的计算结果较为理想，为LCCC焊点结构参数设计提供科学指导。
-
公开(公告)号：CN105578579B
公开(公告)日：2018-12-04
申请号：CN201610117646.7
申请日：2016-03-02
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于业务流量预测的蜂窝网基站和中继站联合休眠调度方法，包括1)获取蜂窝网基站和中继站历史业务流量数据，建立支持向量机学习预测模型；2)得到第m时刻蜂窝网基站和中继站站点覆盖范围内业务流量的预测值为ρm；3)比较ρm和蜂窝网基站和中继站站点覆盖范围内的业务流量的阈值的大小，确定蜂窝网基站和中继站是否进入休眠状态，对于进入休眠的蜂窝网基站和中继站站点，如果则蜂窝网基站和中继站站点被唤醒；其中，这种方法有效地确定了蜂窝网络基站和中继站的非周期性休眠机制及唤醒机制，保证了休眠调度的实时性，达到了频谱效率和能量效率的动态平衡。
-
-
-
-
-
-
-
-
-
Search Results
144
records
(took 0.057 seconds)
