-
公开(公告)号：CN112910873B
公开(公告)日：2022-08-23
申请号：CN202110111379.3
申请日：2021-01-27
Applicant: 广东工业大学
Abstract: 本发明提供一种用于区块链事务异常检测的有用工作量证明方法及系统，结合区块链大数据量的特性和深度学习技术，解决区块链工作量证明机制的资源浪费问题，并通过事务异常检测的方式感知区块链网络遭受的安全攻击；该方法通过将事务异常检测神经网络的训练和验证的任务作为有用工作量证明，分发到区块链的结点上，使整个区块链共同维护一个异常检测网络，并利用该网络检测事务的合法性，实现区块链网络的实时安全检测。
-
公开(公告)号：CN114219574A
公开(公告)日：2022-03-22
申请号：CN202111556654.9
申请日：2021-12-17
Applicant: 广东工业大学
IPC: G06Q30/06 , G06F16/2458
Abstract: 本发明公开了一种基于加权频繁序列的商品组合挖掘方法，涉及大数据挖掘的技术领域，获取基于时间的商品交易的订单信息，组成商品数据集，根据商品的收益情况为每个商品赋予不同的权值，并依据商品权值大小，对多元项中包含的商品进行排序之后对商品进行加权频繁序列的挖掘；根据向下闭包特性，深度挖掘商品数据集中具有高收益和高频次的商品组合方式；根据先验性原理，从商品数据集中剔除不是加权频繁序列商品，减少候选组合方式的产生，提高挖掘效率。本发明在保证挖掘准确性的前提下拥有更高的挖掘效率，为商家提供更好的营销思路。
-
公开(公告)号：CN113283909A
公开(公告)日：2021-08-20
申请号：CN202110643095.9
申请日：2021-06-09
Applicant: 广东工业大学
Abstract: 本发明提供一种基于深度学习的以太坊钓鱼账户检测方法，该方法结合交易时间和权值特征，将以太坊交易网络建模为时序加权有向图，能够有效捕捉到更全面的动态交易网络的性质；然后采用skip‑gram模型得到时序加权有向图中各账户节点的图嵌入特征向量，相对于传统手工特征，该模型得到的图嵌入特征向量能自适应捕捉到各账户间的隐含特性；最终将上述得到的图嵌入特征向量输入分类器，该分类器有效结合无监督学习中的k‑means聚类算法和监督学习中的支持向量机算法，在少量标签数据的情况下能够得到更加鲁棒的钓鱼账户分类结果；所提出的方法能够准确将钓鱼账户从大量账户中分类出来，保证了以太坊交易平台的生态安全。
-
公开(公告)号：CN109818961A
公开(公告)日：2019-05-28
申请号：CN201910095028.0
申请日：2019-01-30
Applicant: 广东工业大学
IPC: H04L29/06
Abstract: 本发明公开了一种网络入侵检测方法，该方法包括以下步骤：获取目标网络的通信数据，并提取出通信数据的原始特征集合；利用随机森林选择算法对原始特征集合进行特征降维，获得目标特征集合；利用目标特征集合构建分类决策树，并利用分类决策树去除通信数据中的冗余数据，获得目标通信数据；将目标通信数据输入至网络入侵检测模型中，对目标网络进行网络入侵检测。该网络入侵检测方法的可提升检测速度，且不影响检测准确率。本发明还公开了一种网络入侵检测装置、设备及可读存储介质，具有相应的技术效果。
-
公开(公告)号：CN109274673A
公开(公告)日：2019-01-25
申请号：CN201811123913.7
申请日：2018-09-26
Applicant: 广东工业大学
IPC: H04L29/06
CPC classification number: H04L63/1425 , H04L63/0236 , H04L63/0254 , H04L63/1416 , H04L63/1441 , H04L2463/146
Abstract: 本发明公开了一种网络流量异常检测和防御方法，包括下述步骤：S1，建立网络流量异常检测与防御架构，并收集流表项信息；其中，所述网络流量异常检测与防御架构包括Ryu控制器单元、基于BP神经网络的异常检测单元、基于OpenFlow协议的OpenvSwitch交换机和接入设备，所述Ryu控制器单元包括流表信息收集模块、流表特征提取模块和防御流表项生成模块，所述流表信息收集模块以周期T1向OpenvSwitch交换机请求所有流表项信息；本发明可便捷地提取出源端口、目的端口、源IP、目的IP、转发数据包数、转发字节数以及持续时间等网络流量信息，并充分利用SDN架构可动态更新流规则的特点，当检测到异常时，自动生成Action为Drop的流表项，阻断后续流量。
-
Patent Agency Ranking
公开(公告)号：CN109218225A
公开(公告)日：2019-01-15
申请号：CN201811109699.X
申请日：2018-09-21
Applicant: 广东工业大学
IPC: H04L12/861 , H04L12/931 , H04L12/935 , H04L29/08 , G06F16/957
Abstract: 本发明公开了一种数据包缓存方法及系统，包括仲裁节点向其所在区域内的所有与其对应的参与节点广播待存储数据包的信息，仲裁节点为区域内包括待存储数据包的任意一个节点；获取所有参与节点返回的响应结果，并根据响应结果判断其自身是否满足仲裁条件；若是，在所有参与节点中确定目标存储节点，将待存储数据包发送至目标存储节点，以便目标存储节点存储待存储数据包。本发明中，包括待存储数据包的节点均可以作为仲裁节点，且通过满足仲裁条件的仲裁节点对待存储数据包的缓存进行控制，不需设置核心节点，增强区域内网络的稳定性和安全性、降低网络响应时间的同时，有效地提高了网络缓存命中率。
-
公开(公告)号：CN119011114A
公开(公告)日：2024-11-22
申请号：CN202411019509.0
申请日：2024-07-29
Applicant: 广东工业大学
Abstract: 本发明提供一种基于多项式分解问题的同态加密联邦学习方法，包括服务器将全局模型参数广播给各个客户端；客户端收到全局模型参数后使用本地数据训练全局模型作为自己的本地模型并发送给指定的可信的第三方加密模块；第三方加密模块将本地模型参数转换为同型的参数矩阵；并将参数矩阵中的元素位置初始化为多项式分式；并将所有客户端的多项式分式发送给服务器；服务器接收来自第三方加密模块的多项式分式后，使用定义法计算相应的反常积分，逐步还原聚合后的模型。本发明能够进一步防止隐私泄露，强化联邦学习框架的隐私安全性；本发明具有能抵抗客户端模型参数的投毒攻击、模型的推理和反演攻击的优点。
-
公开(公告)号：CN118446285A
公开(公告)日：2024-08-06
申请号：CN202410470131.X
申请日：2024-04-18
Applicant: 中国电信股份有限公司广东分公司 , 广东工业大学
IPC: G06N3/098 , G06F9/48 , G06F18/231
Abstract: 本发明公开了一种高效的联邦学习客户端调度方法及系统，该方法包括：记录每个轮次各客户端的设备状态和本地要素；对服务器和客户端进行迭代交互学习，得到客户端的本地模型参数；对客户端进行聚类，并确定本轮可用客户端集合；计算客户端集合对应的效用值，并进行采样，得到本轮训练客户端集合；训练本轮训练客户端集合，并满足指定轮次需求，得到更新的全局模型。该系统包括记录跟踪模块、交互学习模块、聚类模块、筛选模块、效用计算模块、采样模块和联邦训练模块。通过使用本发明，能够考虑联邦学习现实场景中常见的统计异质性和系统异质性，有效地加快模型训练和提高输出模型最终性能。本发明可广泛应用于机器学习技术领域。
-
公开(公告)号：CN117131956A
公开(公告)日：2023-11-28
申请号：CN202310984916.4
申请日：2023-08-04
Applicant: 广东工业大学
IPC: G06N20/20 , G06F21/62 , G06F18/231
Abstract: 本发明提供了一种基于格拉斯曼流形聚类的个性化联邦学习方法及系统，包括：中心服务器向每个联邦学习的客户端广播发送初始模型后，参与联邦学习过程的客户端生成数据子空间表示发回中心服务器存储，中心服务器根据数据子空间计算并构建若干个格拉斯曼距离矩阵；使用聚类算法基于格拉斯曼距离矩阵得到若干个不同的聚类学习器，产生若干个聚类划分结果；基于聚类集成框架结合得到的聚类划分结果获得最终的聚类划分结果，而后在每个最终聚簇中各客户端与中心服务器使用随机初始模型基于经典的联邦学习范式协作训练一个簇级别的机器学习模型直至收敛，并共享该簇模型。在保护了用户的隐私数据安全的同时，使联邦学习任务在全局性和个性化间取得了更好的平衡。
-
公开(公告)号：CN117033698A
公开(公告)日：2023-11-10
申请号：CN202310981821.7
申请日：2023-08-04
Applicant: 广东工业大学
IPC: G06F16/735 , G06F16/75 , G06F21/62 , G06F21/60 , G06F18/231 , G06N20/00
Abstract: 本发明公开了一种基于聚类的联邦学习视频推荐方法、系统及装置，该方法包括：生成标签向量并加密；将所述加密后的标签向量上传；计算所述客户端之间Hellinger距离矩阵；进行层次聚类；对所述聚类后的簇初始化簇模型后发送至对应的客户端，利用本地数据进行训练；所述服务器对所述训练完成的本地模型按照簇分别进行加权聚合；将所述新的簇模型分发至对应客户端；循环训练步骤直至新的簇模型收敛，得到视频推荐。该系统包括：客户端和服务器。该装置包括存储器以及用于执行上述基于聚类的联邦学习视频推荐方法的处理器。通过使用本发明，能够降低视频推荐方法中用户隐私泄露的风险。本发明可广泛应用于机器学习领域。
-
-
-
-
-
-
-
-
-
Search Results
63
records
(took 0.064 seconds)
