-
公开(公告)号：CN118689489A
公开(公告)日：2024-09-24
申请号：CN202410836292.6
申请日：2024-06-26
Applicant: 南开大学
Abstract: 本发明公开了一种自动并行化的低耦合动态二进制翻译工具及方法，包括QEMU端、进程间通信管道、Instrew Server端和目标代码缓存；QEMU端用于加载原架构二进制文件并初始化，通过进程间通信管道发送维护的处理器状态和初始化请求，查找是否已经被翻译过，有则加载并执行，否则从目标代码缓存中寻找，有则加载并执行，否则发起翻译请求，翻译完成后从目标代码缓存中加载并执行；Instrew Server端用于初始化并建立寄存器映射关系，接收翻译请求根据代码地址加载对应代码片段，解码代码块翻译为中间语言并进行优化，生成目标二进制文件并存入目标代码缓存；本发明实现了自动并行优化代码的低耦合并降低执行开销。
-
公开(公告)号：CN118569303A
公开(公告)日：2024-08-30
申请号：CN202410493003.7
申请日：2024-04-23
Applicant: 南开大学
IPC: G06N3/042 , G06N3/0495 , G06N3/082 , G06N3/045 , G06N3/096 , G06N3/084 , G06F18/241
Abstract: 本发明公开了一种基于图结构级知识互蒸馏的图神经训练方法及装置，构建包含并行的两个图神经网络的的图神经网络训练架构；实现两个图神经网络的一一对应层的选取；构建学习器，对两个图神经网络分别构建节点级知识互蒸馏学习器和图结构级知识互蒸馏学习器；进行图结构级知识互蒸馏的图神经网络训练，在图神经网络训练过程中，两个图神经网络之间互为教师网络、学生网络，对于被选取出的两个图神经网络一一对应的层实现在节点级知识互蒸馏和图结构级知识互蒸馏。与现有技术相比，本发明既实现了两个图神经网络节点级知识互蒸馏，同时实现了利用两个图神经网络的图结构级知识互蒸馏学习器进行图神经网络训练，提高了图神经网络的性能。
-
公开(公告)号：CN116058803B
公开(公告)日：2024-04-19
申请号：CN202310229076.0
申请日：2023-03-10
Applicant: 南开大学
IPC: A61B5/00 , A61B5/369 , A61B5/372 , G06N3/048 , G06F18/25 , G06F18/213 , G06N3/08 , G06N3/0464
Abstract: 本发明公开了一种面向多类型噪声伪迹的EEG信号去噪方法，包括以下步骤：获取EEG信号片段；通过预训练的信号感知模型提取噪声特征，得到各类型噪声语义；通过EEG去噪模型进行提取高维特征，并与各对应类型的所述噪声语义融合，输出去噪后的EEG信号；本发明能够有效解决多重噪声去噪问题，并且能够保留EEG信号全局属性，提高去噪性能。
-
公开(公告)号：CN116643757A
公开(公告)日：2023-08-25
申请号：CN202310590831.8
申请日：2023-05-24
Applicant: 南开大学
Abstract: 本发明公开了一种基于IntelCET机制的v8引擎脚本运行方法、介质及装置，属于计算机安全技术领域。本发明的方法通过修改v8引擎的代码生成逻辑对编译代码进行插桩，在Javascript脚本运行过程中发生状态转换时协同修改影子栈，以支持动态语言特有的解释器与编译代码之间的控制流转移逻辑，从而实现了IntelCET安全机制和v8引擎的兼容。
-
公开(公告)号：CN116058803A
公开(公告)日：2023-05-05
申请号：CN202310229076.0
申请日：2023-03-10
Applicant: 南开大学
IPC: A61B5/00 , A61B5/369 , A61B5/372 , G06N3/048 , G06F18/25 , G06F18/213 , G06N3/08 , G06N3/0464
Abstract: 本发明公开了一种面向多类型噪声伪迹的EEG信号去噪方法，包括以下步骤：获取EEG信号片段；通过预训练的信号感知模型提取噪声特征，得到各类型噪声语义；通过EEG去噪模型进行提取高维特征，并与各对应类型的所述噪声语义融合，输出去噪后的EEG信号；本发明能够有效解决多重噪声去噪问题，并且能够保留EEG信号全局属性，提高去噪性能。
-
Patent Agency Ranking
公开(公告)号：CN115562721A
公开(公告)日：2023-01-03
申请号：CN202211337693.4
申请日：2022-10-28
Applicant: 南开大学
Abstract: 本发明公开了一种从汇编语言中挖掘特征的克隆代码检测方法及系统，该方法包括：获取目标代码和比对代码；基于多种目标编译平台生成目标汇编代码集和对比汇编代码集；使用Asm2vec模型，生成对应的目标语义嵌入特征集和对比语义嵌入特征集；对目标代码和比对代码，分别采用BERT模型生成对应的高级源代码的目标文字嵌入特征和对比文字嵌入特征；将目标语义嵌入特征集和目标文字嵌入特征串联形成目标代码特征表示；将对比语义嵌入特征集和对比文字嵌入特征串联形成对比代码特征表示；将目标代码特征表示和对比代码特征表示，输入DNN深度神经网络的分类模型，输出检测结果。可有效解决由于源代码的多样性和灵活性带来的语义克隆问题。
-
公开(公告)号：CN110489942B
公开(公告)日：2021-03-02
申请号：CN201910721413.1
申请日：2019-08-06
Applicant: 南开大学
Abstract: 本发明公开了一种WebAssembly文件的处理方法及系统，该方法通过对WebAssembly文件增加域名验证、秘钥验证及加壳处理机制,使得该文件在运行时自动检验当前环境是否为可靠,只有通过验证,该文件中所封装的功能才能在被调用后正常的执行。通过这样的验证机制,扒窃者即使得到了原文件和调用接口,由于运行环境的不同,无法通过验证,也就无法使用其功能,这样便能有效阻止机密算法被泄露和被扒窃使用；另外通过加壳处理后的WebAssembly文件，也能阻止外部程序对其进行反汇编分析或者动态分析，以达到保护壳内WebAssembly文件不被外部程序破坏，保证正常运行；提高了安全性。
-
公开(公告)号：CN112348173A
公开(公告)日：2021-02-09
申请号：CN202011269859.4
申请日：2020-11-13
Applicant: 南开大学
Abstract: 本发明公开了一种移动平台上CNN流水线优化方法，包括：确认卷积层和完全连接层为任何CNN模型的推理过程中的性能的主要构建层；为卷积层和全连接层建立基于决策树的性能预测模型，性能预测模型能够预测运行在不同类型的移动处理器上的层执行时间；提出层到处理器的映射算法，根据性能预测模型的结果，动态地为一个层分配处理器资源，将一个或多个层映射到一个或一组处理器上，以构建一个优化的流水线来运行推理模型；混合使用移动GPU和异构移动CPU为推理模型构建层的流水线阶段。本发明解决了移动平台上CNN流水线推理时，系统吞吐量并没有优化的问题，为CNN模型推理层优化分配处理器资源，实现高吞吐量。
-
公开(公告)号：CN112348103A
公开(公告)日：2021-02-09
申请号：CN202011280350.X
申请日：2020-11-16
Applicant: 南开大学
Abstract: 本发明公开了一种图像块分类方法和装置及其超分辨重建方法和装置，所述图像块分类方法，包括：对图像进行边缘检测，提取图像中的边缘像素点；对经过边缘检测的图像进行切块处理，并计算每个图像块中边缘像素点在该图像块中所占的比例；若比例大于预设阈值，则将所述图像块划分为纹理类图像块；否则，将所述图像块划分为平滑类图像块。本发明提供的图像块分类方法和装置及其超分辨重建方法和装置，对图像进行分块，并将图像块分为纹理类与平滑类，并分别进行超分辨率重建，最后进行图像融合，融合不同类别的图像块，使得图像过渡自然。本发明提供的方法通用性强，重构效果好。
-
公开(公告)号：CN110619229A
公开(公告)日：2019-12-27
申请号：CN201910912604.6
申请日：2019-09-25
Applicant: 南开大学
Abstract: 本发明属于计算机技术领域，更具体地，涉及一种基于神经网络拆分的数据加密传输方法及系统。本发明的技术方案是利用神经网络中间过程生成的中间结果的不可解释性，通过多种方式联合裁决拆分神经网络，前半部分神经网络存储于发送方，后半部分神经网络存储于接收方。发送方对原始数据进行处理后，进行前半段网络计算，并将中间结果数据传输给接收方，并进行后半段网络计算，生成最终结果特征向量。
-
-
-
-
-
-
-
-
-
Search Results
30
records
(took 0.021 seconds)
