-
公开(公告)号：CN114038517B
公开(公告)日：2024-11-15
申请号：CN202110983302.5
申请日：2021-08-25
Applicant: 暨南大学
IPC: G16C20/70 , G16C20/20 , G06N3/042 , G06N3/0895 , G06N3/0464 , G06N3/0442
Abstract: 本发明涉及一种基于对比学习的自监督图神经网络预训练方法，步骤为：对公开数据库的化合物分子进行预处理，筛选出有机分子；对筛选出的有机分子进行结构分解并提取，将所得的子结构作为标识符，并构建子结构的语料库；将分解后的子结构看作超级节点并构建相应的子图数据，该子图数据与原分子图数据构成正样本对，随机选出若干个子图数据与原分子图数据组成负样本对；构建基于注意力机制的图卷积神经网络、基于多层次的门控循环单元和多层感知机模块，组成自监督学习模型；将所有正负样本对数据输入自监督学习模型进行预训练并保存，便于下游任务的微调。解决对缺乏标注的药物分子的场景时，进行深度学习模型训练所产生的泛化性能不足的问题。
-
公开(公告)号：CN118228131A
公开(公告)日：2024-06-21
申请号：CN202410650199.6
申请日：2024-05-24
Applicant: 暨南大学
IPC: G06F18/2413 , G06F17/18 , G06F18/10
Abstract: 本发明公开了一种面向KNN缺失值填充模型的数据投毒检测方法，属于机器学习、缺失值填充技术领域，包括：设置阈值系数并计算异常阈值，其次使用改进的局部密度异常因子算法计算计算数据集中不同缺失样本的局部密度异常因子，随后通过对比不同缺失样本的局部密度异常因子更新每个缺失样本的异常计数器，而后再检查每个缺失样本的异常计数器是否异常阈值来确定攻击者意欲攻击的目标缺失样本，最后再通过清除目标缺失样本的K个邻近进而清除数据集中的有毒样本。该检测方法可以通过灵活设定阈值系数进而选择检测强度。为防御面向KNN模型的针对性投毒攻击提供了参考依据，具备现实意义。
-
公开(公告)号：CN117273453A
公开(公告)日：2023-12-22
申请号：CN202311273132.7
申请日：2023-09-27
Applicant: 暨南大学
IPC: G06Q10/0635 , G06F18/24 , G06F18/214
Abstract: 本发明公开了一种智能网联汽车汽车风险评估方法及系统，包括以下步骤：S1、获取车辆的数据流向；S2、对车辆的数据流向进行整理分类，分析得到若干一阶风险，将一阶风险的子风险设定为二阶风险；S3、根据二阶风险的相对重要性指标，计算出各一阶风险内部的二阶风险之间的相对权重区间以及各一阶风险之间的相对权重区间，并对所得的相对权重区间进行调整拟合；S4、根据调整拟合后的相对权重区间计算汽车当前的风险等级。本方法与传统技术相比，将汽车风险的一阶风险进一步量化为二阶风险，大大提高了风险评估的准确性。
-
公开(公告)号：CN117035212A
公开(公告)日：2023-11-10
申请号：CN202311013539.6
申请日：2023-08-11
Applicant: 暨南大学
IPC: G06Q10/047 , G06F18/241 , G06F18/214 , G06N3/048
Abstract: 本发明公开了一种路径规划状态可达性智能预测方法及系统，包括以下步骤：读取路径规划域与路径规划问题的PDDL文件得到状态数据；对状态数据进行编码，得到该路径规划问题的状态数据模板；遍历该路径规划问题的所有可达状态，得到可达状态数据集；批量枚举生成状态，依次与所述可达状态数据集对比，选取其中路径不为可达状态且不重复的状态，得到不可达状态数据集；对预设的状态可达性智能分类模型进行训练，得到训练好的状态可达性智能分类模型；将状态数据输入至训练好的状态可达性智能分类模型，模型输出状态可达性结果。本方法与传统技术相比，使用机器学习分类方法训练路径规划状态可达性验证模型，大大提高了状态数据可达性验证和预测的速度。
-
公开(公告)号：CN110222507B
公开(公告)日：2023-07-07
申请号：CN201910424747.2
申请日：2019-05-21
Applicant: 暨南大学
IPC: G06F21/56
Abstract: 本发明公开了一种基于模糊哈希的恶意软件大数据智能学习识别方法，包括以下步骤，获取移动软件文件夹路径，根据文件夹路径读取移动软件；对每个移动软件进行反编译，获取移动软件的源代码；对移动软件的源代码进行预处理，即获取源代码特征值；通过源代码特征值，获取模糊哈希值集合和移动软件的每个文件中代码行数集合；再进行相似性分数计算和模糊哈希值与相似性分数的权值计算，移动软件之间进行相似性比较，获得比较结果，进而甄别移动恶意软件；本发明通过移动软件源代码获取移动软件每个文件对应的模糊哈希值，利用模糊哈希值计算相似性分数和权值，进而对移动软件区分，有效监测恶意移动软件并进行区别，让用户远离恶意软件，减少损失。
-
Patent Agency Ranking
公开(公告)号：CN113918901A
公开(公告)日：2022-01-11
申请号：CN202111047560.9
申请日：2021-09-08
Applicant: 暨南大学
Abstract: 本发明公开了一种基于空间交互的虚拟现实用户安全认证方法、系统及介质。该方法包括：接受用户的身份认证请求，在VR系统中输出提供密码设置、身份认证的功能选择界面；若进行密码设置，则在VR系统中利用立体可交互模型进行密码字符串的输入；若进行身份认证则通过与密码设置界面相同的立体可交互模型进行密码字符串的输入；完成密码输入后进行设置密码的对比，完成身份认证。本发明创新性地利用近似于球体的正二十面体设计了一种新的可交互的三维输入布局模型，该模型可以通过交互操作操纵其进行定向旋转，无缝切换模型的主操作面，可操作性强，相较于传统的口令密码验证增加了密钥空间，提升了口令验证的安全性，增加了攻击者的破解难度。
-
公开(公告)号：CN112528174A
公开(公告)日：2021-03-19
申请号：CN202011361104.7
申请日：2020-11-27
Applicant: 暨南大学
IPC: G06F16/9537 , G06F16/36 , G06F40/295
Abstract: 本发明公开了一种基于知识图谱和多重匹配的地址修整补全方法及应用，该方法包括：采用分词工具对输入的地址文本数据进行分词操作，构建地址名词词典进行匹配分词，根据地名规则进行匹配重组；获取地址行政区划分数据，采用数据库管理工具构建地址知识图谱，获取地名的旧名或别名信息，将地名的旧名或别名信息在构建好的地址知识图谱中的对应的地名构建起关联；根据地址构成的特点，构建多种匹配规则进行匹配，采用对应匹配规则对地址进行修正和补全，匹配规则包括前文缺失匹配规则、重名情况下前文全缺失匹配规则、重名情况下前文相邻缺失匹配规则和旧名别名修正匹配规则。本发明实现对信息缺省甚至有误的地址进行正确高效规范的修整和补全。
-
公开(公告)号：CN112434784A
公开(公告)日：2021-03-02
申请号：CN202011138802.0
申请日：2020-10-22
Applicant: 暨南大学
Abstract: 本发明公开了一种基于多层LSTM的深度学生表现预测方法，包括以下步骤：数据预处理，预处理是对人口统计学数据根据类型进行划分，并进行One‑Hot编码，得到人口统计学序列，对点击流数据按类别进行处理，得到点击流序列，拼接后得到预处理数据；建立多层全连接层，输入人口统计学序列；建立多层LSTM结构层，输入预处理数据中的点击流序列；拼接多层全连接层与多层LSTM结构层的输出序列；建立Softmax层，将拼接后的输出序列转化为概率分布，概率大的类别为输出结果；本发明以多层LSTM结构层为基础架构，解决数据利用不全、预测效果较差问题；还引入了注意力机制，为不同输入项分配不同注意力，提高预测效果。
-
公开(公告)号：CN110298171A
公开(公告)日：2019-10-01
申请号：CN201910521357.7
申请日：2019-06-17
Applicant: 暨南大学
Abstract: 本发明公开了一种移动互联网大数据应用的智能检测与安全防护方法。随着移动App大数据时代的到来，可以发现越来越多的移动应用被复制或重新包装。不法分子通过对原生移动应用进行高度模仿、植入恶意代码等行为来重新打包移动应用，使得用户在使用应用经常会时造成隐私泄露、远程控制等危害。本发明使用描述熵相似方法、资源相似检测、统计相似检测以及字符串相似智能检测进行检测移动应用是否存在剽窃或恶意行为，智能分析其是否存在恶意攻击代码以及潜在漏洞；通过聚类算法、混淆加密技术等对应用程序进行分类和安全加固，实现对移动大数据应用的智能检测及安全防护。
-
公开(公告)号：CN110222507A
公开(公告)日：2019-09-10
申请号：CN201910424747.2
申请日：2019-05-21
Applicant: 暨南大学
IPC: G06F21/56
Abstract: 本发明公开了一种基于模糊哈希的恶意软件大数据智能学习识别方法，包括以下步骤，获取移动软件文件夹路径，根据文件夹路径读取移动软件；对每个移动软件进行反编译，获取移动软件的源代码；对移动软件的源代码进行预处理，即获取源代码特征值；通过源代码特征值，获取模糊哈希值集合和移动软件的每个文件中代码行数集合；再进行相似性分数计算和模糊哈希值与相似性分数的权值计算，移动软件之间进行相似性比较，获得比较结果，进而甄别移动恶意软件；本发明通过移动软件源代码获取移动软件每个文件对应的模糊哈希值，利用模糊哈希值计算相似性分数和权值，进而对移动软件区分，有效监测恶意移动软件并进行区别，让用户远离恶意软件，减少损失。
-
-
-
-
-
-
-
-
-
Search Results
106
records
(took 0.027 seconds)
