-
公开(公告)号：CN107066878B
公开(公告)日：2019-06-11
申请号：CN201710037439.5
申请日：2017-01-19
Applicant: 国网江苏省电力公司电力科学研究院 , 国家电网公司 , 南京理工大学
Abstract: 本发明公开了一种面向安卓平台的移动应用安全防护方法，包括以下步骤：(1)构造Android方法调用API与其访问权限之间的映射关系，并识别出不同Android平台所有的安全关键的API；(2)识别出Android应用的所有安全关键的API；(3)拦截步骤(2)中识别出来的安全关键的API的调用，注入防护策略，产生新的可部署APK安装文件，实现面向安卓平台的移动应用安全防护。本发明的为不可信的安卓平台上的移动应用提供一种运行时安全防护方法，该方法能够扩展Android应用安装时的粗粒度授权机制，提供一种运行时的细粒度授权机制，应对包括用户隐私数据泄露，恶意提权等在内的多种攻击方式。
-
公开(公告)号：CN104536996B
公开(公告)日：2017-12-12
申请号：CN201410769068.6
申请日：2014-12-12
Applicant: 南京理工大学
IPC: G06F17/30
Abstract: 本发明提供一种同构环境下计算节点异常检测方法，包括以下步骤：步骤1，将节点数据转换为标准形式；步骤2，提取特征数据；步骤3，采用cell‑based算法自动检测异常点。本发明提供计算节点异常检测方法，能够采用无指导的学习方法自动获取动态变化的异常检测阈值，能更好地适应异常频繁改变的场景，能够迅速地处理和分析从大型系统中采集到的节点信息，从而可以迅速地检测到同构环境下异常的计算节点。
-
公开(公告)号：CN105447013A
公开(公告)日：2016-03-30
申请号：CN201410403378.6
申请日：2014-08-18
Applicant: 南京理工大学常熟研究院有限公司
IPC: G06F17/30
Abstract: 本发明公开了一种基于超图（Hypergraph）技术的新闻推荐系统，包括用户历史数据的挖掘，数据相关性的分析，以及对特征数据的排名，所述的数据相关性分析通过挖掘短语之间的内在关系，构建一个新的个性化的新闻推荐超图模型，在超图模型中，节点表示短语，边表示短语与短语之间的某种内在联系，边的权值用来表示这种关联的贡献度。本发明使用超图模型来表示读者、文章、主题和命名实体之间的内在关联；通过分割超图模型，建立一种细粒度的新闻选择框架；在特定的子超图模型中利用直推式方法解决了冷启动问题。
-
公开(公告)号：CN104391988A
公开(公告)日：2015-03-04
申请号：CN201410764758.2
申请日：2014-12-12
Applicant: 南京理工大学
IPC: G06F17/30
CPC classification number: G06F17/30598
Abstract: 本发明提供一种基于超度量距离矩阵的半监督层次聚类方法，包括以下步骤：步骤1，定义不等式约束的闭凸集，并将参数估计投影到该闭凸集上；步骤2，通过减去投影中形成的变化向量的方法更新估计解向量；步骤3，进行迭代投影直到给定的约束固定集收敛到最小二乘最优解。本发明基于超度量树状图距离的半监督层次聚类构架为研究背景，采用基于优化的方式，提供一种基于超度量距离矩阵的半监督层次聚类方法，用于提高半监督层次聚类问题的效率和准确性。
-
-
Patent Agency Ranking
公开(公告)号：CN103561047A
公开(公告)日：2014-02-05
申请号：CN201310328657.6
申请日：2013-07-31
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于兴趣群组的P2P网络信任云模型计算方法。本发明由兴趣群组划分及其消息传递过程、信任云构建过程和节点信任度评价过程构成。兴趣群组划分及其消息传递过程是根据每个群的兴趣把网络划分为不同群组，并分别确定组内、组间节点的消息传递方式；信任云构建过程是通过云模型的三个数字特征，即期望、熵和超熵来表达节点信任关系，构建由直接信任云和推荐信任云组成的综合信任云；节点信任度评价过程是通过优先考虑直接经验的信任值计算方法评估节点综合信任值。本发明的方法不仅解决了P2P网络中过多的消息传递以及因兴趣不对称难以建立直接信任关系的问题，而且能降低节点获得不可靠推荐信息的风险。
-
公开(公告)号：CN101201801B
公开(公告)日：2010-12-29
申请号：CN200610098300.3
申请日：2006-12-11
Applicant: 南京理工大学
Abstract: 本发明公开了一种视频点播系统的分级存储管理方法。其首先随机地将所有点播的视频数据中的20％存在一级高速磁盘阵列存储设备上；在另外的80％视频数据中，其30％的数据存储在二级的DVD光盘库上，其70％的数据存储在三级的磁带库中；在视频点播系统初始化时间段内，对视频数据进行数据迁移管理；系统初始化时间段后对视频数据进行最小加权周期频率数据迁移管理。本发明大大提高视频点播的节目在高速存储设备上点播命中率，可以提高系统提供服务的相应速度，在性能和硬件价格间作出最好的平衡。
-
公开(公告)号：CN119049074A
公开(公告)日：2024-11-29
申请号：CN202411054787.X
申请日：2024-08-02
Applicant: 南京理工大学
IPC: G06V30/413 , G06V30/414 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/082
Abstract: 本发明公开了一种基于深度学习的图片型档案中文表格识别方法，涉及中文表格识别领域，该方法包括：对档案中文表格图片的表格结构进行识别，根据识别结果获取用HTML语言表示的表格结构序列以及单元格四点坐标；设计PA‑FPN模型检测单元格内文本行四点坐标，对每个所述单元格内的文本行取最小外接矩形轮廓；根据文本行四点坐标对原始表格图片进行裁剪后，通过卷积递归神经网络对每个裁剪后的文本行图片进行文本识别，得到文本字符串；根据聚合规则，将所述的表格结构序列、单元格坐标、文本行坐标及其内容进行聚合输出，生成完整的由HTML语言表示的表格文件。本发明能够有效提高对档案中文表格单元格内文本行检测的精确度。
-
公开(公告)号：CN115329082A
公开(公告)日：2022-11-11
申请号：CN202211003631.X
申请日：2022-08-21
Applicant: 南京理工大学
IPC: G06F16/35 , G06F16/31 , G06F16/18 , G06F40/186 , G06F40/216 , G06F40/30 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于深度混合神经网络的日志序列异常检测方法，包括以下步骤：采用滑动窗口与会话窗口相结合的方式对日志进行序列分割，采用语义向量特征和统计特征结合的方式实现日志模板的语义向量化；采用改进的序列化深度学习模型与卷积神经网络相结合的模型结构，对有异常或正常标签的日志序列进行训练，建立异常检测模型；应用构建的异常检测模型对新产生的日志序列进行异常检测。该方法能够准确地捕获日志的序列特征信息和语义特征信息，进而借助于混合深度学习模型实现准确的日志异常检测，揭示系统状态，并且拥有较好的鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
59
records
(took 0.026 seconds)
