-
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。
-
公开(公告)号：CN116579498A
公开(公告)日：2023-08-11
申请号：CN202310662638.0
申请日：2023-06-06
Applicant: 海南大学
IPC: G06Q10/04 , G06F18/25 , G06N3/0464 , G06Q50/26
Abstract: 本申请涉及智能交通技术领域，公开一种用于预测地铁客流量的方法，所述方法应用于卷积神经网络模型中，所述方法包括：获取客流数据、网络拓扑数据和环境数据；基于客流数据、网络拓扑数据和环境数据，分别提取客流数据特征、网络拓扑数据特征和环境数据特征；将客流数据特征、网络拓扑数据特征和环境数据特征进行融合，得到融合特征；根据融合特征，预测客流量。该方法在利用卷积神经网络模型预测地铁中客流量时，充分考虑了影响客流量的地铁线路所经位置和天气信息，从而提升了预测地铁中客流量的可靠性。本申请还公开一种用于预测地铁客流量的装置及存储介质。
-
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。
-
Patent Agency Ranking
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。
-
公开(公告)号：CN110445766B
公开(公告)日：2021-09-14
申请号：CN201910646956.1
申请日：2019-07-17
Applicant: 海南大学
IPC: H04L29/06
Abstract: 本发明公开了一种DDoS攻击态势评估方法及装置，获取新老IP地址变化样本，提取新老IP地址变化样本的攻击特征，定义新老IP地址变化样本的融合特征值，建立支持向量机分类模型；根据支持向量机分类模型，进行DDoS攻击检测，构建新老IP地址变化样本的评估指标；根据影响函数优化后的评估指标，建立攻击态势评估云模型；基于云模型，评估新老IP地址变化样本的DDoS攻击态势。本发明不仅可以提高检测率，降低DDoS攻击漏报率，而且可以有效地评估DDoS攻击的安全态势。
-
公开(公告)号：CN110351303B
公开(公告)日：2021-09-14
申请号：CN201910688231.9
申请日：2019-07-29
Applicant: 海南大学
Abstract: 本发明公开了一种DDoS特征提取方法，所述方法包括：在预设时间段内对网络数据流进行采样，并计算所述网络数据流的每个属性的种类，构成训练集；基于所述训练集通过无监督训练方法训练深度信念网络，并基于所述训练集通过有监督训练方法训练前馈神经网络，其中，所述深度信念网络具有瓶颈层；基于所述前馈神经网络调整所述深度信念网络的权重和偏差，生成特征提取模型，以通过所述特征提取模型提取DDoS特征。采用本发明可以有效提高提取的DDoS特征的稳定性和准确性。
-
公开(公告)号：CN112788007A
公开(公告)日：2021-05-11
申请号：CN202011605950.9
申请日：2020-12-30
Applicant: 海南大学
Abstract: 本发明是基于卷积神经网络的DDoS攻击检测方法，通过研究了DDoS攻击与检测的现状和发展趋势，分析了DDoS攻击原理、类型以及SVM的工作原理和网络流数据处理的方法并引入卷积神经网络对模型进行训练，学习各种网络安全指标，以实现对网络的全面评估。首先，对数据进行Min‑Max归一化、PCA降维处理，通过核函数将预处理后的样本映射到高维特征空间，再引入参数V控制支持向量和错误向量的个数。然后，将初始模型转换为对偶模型，求出决策系数w和决策项b，最终获得最优分类超平面。基于卷积神经网络的DDoS攻击检测方不仅提高了分类准确率、降低了误报率，还确保了分类模型的稳定性和时效性，它更高效地检测了DDoS攻击，降低了网络安全的风险。
-
公开(公告)号：CN108696543B
公开(公告)日：2021-01-05
申请号：CN201810975597.X
申请日：2018-08-24
Applicant: 海南大学
IPC: H04L29/06
Abstract: 本发明提供一种基于深度森林的分布式反射拒绝服务攻击检测、防御方法，检测方法包括：对正常网络流进行采样，获取风险服务的数据包信息，数据包信息包括源IP地址、目的IP地址、源端口、目的端口及数据包的应用层载荷；根据数据包信息分别计算：Cq、Vq、Pq、Cr、Vr及Pr，并将Cq、Vq、Pq、Cr、Vr及Pr整合为六元组特征，采集一定时间段内的六元组特征作为正常样本；通过模拟分布式反射拒绝服务攻击，对攻击网络流进行采样，获取攻击网络流中的六元组特征作为异常样本；采用正常样本和异常样本组合成的训练集，进行深度森林模型训练，得到检测模型；采用检测模型进行DRDoS攻击。本发明提高了在大数据环境下的DRDoS攻击检测的有效性、效率和准确率。
-
-
-
-
-
-
-
-
-
Search Results
62
records
(took 0.029 seconds)
