-
公开(公告)号：CN109067586A
公开(公告)日：2018-12-21
申请号：CN201810935318.7
申请日：2018-08-16
Applicant: 海南大学
CPC classification number: H04L63/1416 , H04L41/0636 , H04L63/1425 , H04L63/1458
Abstract: 本发明提供一种分布式拒绝服务攻击检测方法及装置，检测方法包括以下步骤：采集攻击开始前至攻击结束时的网络流数据信息，网络流数据信息包括数据包的时间、源IP地址、目的IP地址及目的端口；分别从网络流数据信息中提取网络流的“多对一”与“一对一”部分的源IP地址与目的端口的加权统计量和网络流中单向流的“多对一”部分的流量统计信息；将第一特征和第二特征整合为二元组合特征，并获取二元组合特征的时间序列样本；对时间序列样本进行采样，生成特征训练集；使用特征训练集训练随机森林分类器，得到DDoS攻击检测模型；采用DDoS攻击检测模型进行DDoS攻击检测。本发明提高了在大数据环境下DDoS攻击检测的准确率，降低了误报率和漏报率。
-
公开(公告)号：CN109040113A
公开(公告)日：2018-12-18
申请号：CN201811027529.7
申请日：2018-09-04
Applicant: 海南大学
IPC: H04L29/06
CPC classification number: H04L63/1416 , H04L63/1425 , H04L63/1458
Abstract: 本发明公开了一种基于多核学习的分布式拒绝服务攻击检测方法及装置，所述方法包括：在预设时间段内分别对正常网络流和攻击网络流进行采样，并提取五种特征值，得出正常样本集和攻击样本集，构成训练集；基于集成学习框架，分别采用梯度上升法和梯度下降法两种方式，自适应的调整训练集的五种特征值的权重，以得出两种训练好的多核学习模型；基于两种训练好的多核学习模型，通过滑动窗口机制，检测分布式拒绝服务攻击。本发明可以有效地降低分布式拒绝服务攻击检测的误报率和漏报率，提高对早期分布式拒绝服务攻击检测的准确性。
-
公开(公告)号：CN119312336A
公开(公告)日：2025-01-14
申请号：CN202411281553.9
申请日：2024-09-13
Applicant: 海南大学
IPC: G06F21/57 , G06N3/0464 , G06N3/042 , G06N3/0895 , G06N3/0455
Abstract: 本申请实施例公开了一种基于节点特征增强图卷积网络的智能合约漏洞检测方法，包括以下步骤：根据智能合约构建智能合约图；对所述智能合约图进行标准化，得到标准智能合约图；将所述标准智能合约图进行向量化，得到向量化智能合约图；将所述向量化智能合约图输入节点特征增强图卷积网络模型，检测所述智能合约的漏洞。本申请通过加入节点特征增强，模型可以更全面地利用节点的特征信息，能够更好地捕捉节点之间的关系和特征，从而提高了预测准确度。通过对比学习，模型可以学习到更稳定和可靠的特征表示，从而进一步提升了性能表现。
-
公开(公告)号：CN117908541A
公开(公告)日：2024-04-19
申请号：CN202410052963.X
申请日：2024-01-15
Applicant: 海南大学
Abstract: 本申请涉及自动驾驶技术领域，公开一种自动驾驶的定位方法，该方法中，终端设备会响应用户的需求，采集环境照片进行识别得到第一位置信息，并在识别环境照片的过程中，监测剩余计算资源。在剩余计算资源量较小时，将环境照片中未识别的环境照片发送至服务。服务器对未识别的环境照片进行识别得到第二位置信息。终端设备基于第一位置信息和第二位置信息，对自动驾驶汽车进行定位，并控制自动驾驶汽车行驶。在提供较高计算资源的服务器中，识别未完成的环境照片以得到位置信息，可以提升位置信息的计算效率。从而，提升自动驾驶的定位效率。本申请还公开一种自动驾驶的定位装置及设备、存储介质。
-
公开(公告)号：CN116580274A
公开(公告)日：2023-08-11
申请号：CN202310513345.6
申请日：2023-05-08
Applicant: 海南大学
IPC: G06V10/80 , G06V10/82 , G06V10/764 , G06N3/0464 , G06V20/70
Abstract: 本申请实施例公开了一种基于感受野增强和注意力引导聚合的目标检测方法及装置，属于计算机视觉领域。所述方法包括：特征图输入骨干网络模块提取图像特征，得到不同特征层次的特征图，选取部分不同特征层的特征图；输入选取的部分不同特征层的特征图到感受野增强模块，扩大特征感受野，提取多尺度特征信息；根据不同特征层的特征两两融合的方式，输入不同特征层的特征图到注意力引导融合模块融合特征，提高特征融合的质量，降低噪声信息干扰。因此，本申请实施例可以在终端设备和其他资源受限环境下，缩小网络规模，降低模型对存储空间的要求，平衡检测精度和速度。
-
Patent Agency Ranking
公开(公告)号：CN116566724A
公开(公告)日：2023-08-08
申请号：CN202310684562.1
申请日：2023-06-09
Applicant: 海南大学
Abstract: 本申请涉及网络安全技术领域，公开一种用于检测DDoS攻击的方法，包括：将原始数据集中的特征数据转换为特征向量；对降维后的特征向量进行聚类，得到聚类预测结果；利用LightGBM模型对聚类预测结果进行分类，得到分类结果，以完成对DDoS攻击检测模型的训练；利用训练完成的DDoS攻击检测模型，对网络流量进行检测。该方法在DDoS攻击检测模型训练过程中，无需对特征数据进行人工选取，以充分选取用于训练DDoS攻击检测模型的特征数据。从而，提升DDoS攻击检测模型的训练效果，进而提升利用DDoS攻击检测模型进行DDoS攻击检测的准确率。本申请还公开一种用于检测DDoS攻击的装置及存储介质。
-
公开(公告)号：CN112866346B
公开(公告)日：2023-02-03
申请号：CN202011632209.1
申请日：2020-12-31
Applicant: 海南大学 , 海南火链科技有限公司
IPC: H04L67/1097 , H04L41/12 , H04L9/32
Abstract: 本发明提供一种基于区块链的数据分发方法与装置，应用于双层区块链中的任一节点，双层区块链包括多条底层区块链和一条顶层区块链，每条底层区块链由边缘服务器节点及其下属的终端节点分别组织而成，顶层区块链由各个边缘服务器节点组织而成，该方法包括以下步骤：获取待分发数据；根据第一预设规则对待分发的数据以及接收对应数据的终端节点集合在顶层区块链中达成共识，以特定数据结构将待分发数据打包至顶层区块链新区块；将待执行的数据分发任务保存至边缘服务器缓冲区，根据数据分发任务解析区块以获取待分发数据，将待分发数据分发到目标终端节点。本发明具有数据分发效率高、可扩展性强、安全性高的特点。
-
公开(公告)号：CN115578588A
公开(公告)日：2023-01-06
申请号：CN202211247609.X
申请日：2022-10-12
Applicant: 海南大学
IPC: G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种用于无监督域自适应的前景目标迁移方法，所述方法包括：获取已标记的源域样本和未标记的目标域样本作为训练样本，将所述源域样本和所述目标域样本输入至深度神经网络进行训练得到分类模型，将目标域中待分类的数据输入至所述分类模型，得到分类结果。本发明还提供了一种用于无监督域自适应的前景目标迁移装置。本发明提供的一种用于无监督域自适应的前景目标迁移方法及装置，可以提升分类精度和分类效率。
-
公开(公告)号：CN115344865A
公开(公告)日：2022-11-15
申请号：CN202210771478.9
申请日：2022-06-30
Applicant: 海南大学 , 海南火链科技有限公司
Abstract: 本申请提供了一种轻量级以太坊智能合约算术漏洞检测方法及装置，所述方法使用轻量级以太坊智能合约算术漏洞检测模型对智能合约是否存在算术漏洞进行检测，包括：接收所述智能合约的操作码，根据所述智能合约的操作码生成对应的算术漏洞特征，根据所述算数漏洞特征对所述智能合约进行漏洞检测。本申请提供的轻量级以太坊智能合约算术漏洞检测方法可以在没有专家知识的轻量级计算机上自动检测智能合约中的算术漏洞，具有良好的算术漏洞检测能力，准确率更高，并且由于算数漏洞特征在准确描述智能合约算术漏洞的同时减少了操作码的类别，使检测速度更快，耗时极少。
-
公开(公告)号：CN109067586B
公开(公告)日：2021-11-12
申请号：CN201810935318.7
申请日：2018-08-16
Applicant: 海南大学
Abstract: 本发明提供一种分布式拒绝服务攻击检测方法及装置，检测方法包括以下步骤：采集攻击开始前至攻击结束时的网络流数据信息，网络流数据信息包括数据包的时间、源IP地址、目的IP地址及目的端口；分别从网络流数据信息中提取网络流的“多对一”与“一对一”部分的源IP地址与目的端口的加权统计量和网络流中单向流的“多对一”部分的流量统计信息；将第一特征和第二特征整合为二元组合特征，并获取二元组合特征的时间序列样本；对时间序列样本进行采样，生成特征训练集；使用特征训练集训练随机森林分类器，得到DDoS攻击检测模型；采用DDoS攻击检测模型进行DDoS攻击检测。本发明提高了在大数据环境下DDoS攻击检测的准确率，降低了误报率和漏报率。
-
-
-
-
-
-
-
-
-
Search Results
47
records
(took 0.021 seconds)
