-
公开(公告)号：CN114257428B
公开(公告)日：2024-02-27
申请号：CN202111509168.1
申请日：2021-12-10
IPC: H04L9/40 , G06F18/2431 , G06N3/0442 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于深度学习的加密网络流量识别及分类方法，所述识别方法包括以下步骤：S1：获取加密网络流量数据并进行预处理得到若干单独的会话；S2：对于预处理后的流量数据进行统计特征的选择；S3：对预处理后的流量数据进行有效载荷截取；S4：将统计特征和有效载荷进行特征整合并进行特征标准化；S5：利用整合后的特征对识别模型进行训练，得到训练好的识别模型；S6：利用训练好的识别模型对加密网络流量进行识别和分类。本发明提高了加密网络流量识别及分类的准确度，实现了更高的分类性能，并且能够对细粒度的加密网络流量进行识别和分类同时具有更强的场景适用性。
-
公开(公告)号：CN114374633B
公开(公告)日：2023-11-10
申请号：CN202210015680.9
申请日：2022-01-07
Applicant: 广东工业大学
Abstract: 本发明公开了一种基于智能合约的可信物联网云服务评价方法及系统，该方法包括：按照用户需求将规则限制打包写入SLA智能合约；引入证人池机制，基于选举无偏向随机选择算法选举证人委员会；基于证人委员会，根据SLA智能合约对服务进行监控。该系统包括：打包模块、选举模块和监控模块。对于物联网服务商与开发者用户在服务过程中发生的质量问题，本发明通过引入证人池机制选举产生证人委员会对服务质量进行监控。本发明作为一种基于智能合约的可信物联网云服务评价方法及系统，可广泛应用于智能合约技术领域。
-
公开(公告)号：CN114726614B
公开(公告)日：2023-05-23
申请号：CN202210356162.3
申请日：2022-04-06
Applicant: 广东工业大学
IPC: H04L9/40 , G06F40/126 , G06F18/241 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于条件变分自编码器和SENet的XSS攻击检测方法，包括以下步骤：获取攻击样本数据并进行数据预处理，将预处理后的数据映射至设定的区域；构建条件变分自编码器CVAE模型，利用得到的数字数据训练条件变分自编码器CVAE模型，并将训练好的模型的编码器作为特征提取器；构建SENet模型，利用特征提取器对预处理后的数据进行采样得到特征，利用特征训练SENet模型，得到分类器；提取待检测攻击数据的特征，输入至分类器，输出分类结果，完成XSS攻击检测。本方法与传统的XSS攻击检测的方法相比，结合了条件变分自动编码器的特点和SENet的优点提升了学习数据的表征能力，提高了XSS攻击检测的准确率。
-
公开(公告)号：CN116010950A
公开(公告)日：2023-04-25
申请号：CN202211664994.8
申请日：2022-12-22
Applicant: 广东工业大学 , 广州天诚伟业通信科技有限公司
IPC: G06F21/56 , G06F21/53 , G06F18/214 , G06N3/0464 , G06N3/045 , G06N3/08
Abstract: 本发明提出一种基于ViT孪生神经网络的恶意软件检测方法及系统，涉及计算机网络信息安全的技术领域，首先获取公开的恶意软件PE文件数据集，通过静态分析和动态分析联合获取PE文件的原始信息和运行状态下的信息，将静态分析和动态分析获取的数据合并，并将合并后的一维数据转化为二维数据，再转化为灰度图，最后将灰度图分割为训练集和测试集，然后构建ViT孪生神经网络模型，利用训练集和测试集分别训练和测试评估ViT孪生神经网络模型，不断调参优化，得到训练好的ViT孪生神经网络模型用于恶意软件检测，较充分地提取恶意软件的特征，提高恶意软件检测的准确率和召回率。
-
公开(公告)号：CN110765472B
公开(公告)日：2023-02-03
申请号：CN201910939342.2
申请日：2019-09-30
Applicant: 广东工业大学
Abstract: 本发明公开了一种基于区块链和分布式存储的位置隐私保护方法，包括：将用户查询请求分为多个数据段，用分布式存储网络存储所述多个数据段及用户标识数据；随机选取其中一个服务器作为加噪服务器，根据用户标识数据获取位于在其他存储服务器内的数据段而得到完整查询请求，并对查询请求进行加噪；所有位置服务提供商共同创建一条联盟链，同时在联盟链上创建一个智能合约；用户通过加密算法得到一个包括公钥和私钥的密钥对，使用公钥在联盟链上注册；用户在联盟链上选择查询请求对应的位置服务提供商，将加噪后的查询请求发送给选择的位置服务提供商，位置服务提供商根据查询请求向用户提供位置服务。
-
Patent Agency Ranking
公开(公告)号：CN110264434B
公开(公告)日：2022-12-30
申请号：CN201910420295.0
申请日：2019-05-20
Applicant: 广东工业大学
IPC: G06T5/50
Abstract: 本发明提供一种基于低秩矩阵补全的单幅图像去雨方法，包括以下步骤：S1)、利用雨线的两个物理特征，建立准确的检测雨模型，通过检测雨模型对图像进行雨标记，得到雨候选标记矩阵B1(i,j)，并利用方向算子对雨候选标记矩阵B1(i,j)中的错误检测进行纠正，得到雨候标记矩阵B2，最终得到的雨标记矩阵B(i,j)，即B(i,j)＝B1(i,j)*B2(i,j)；S2)、利用低秩矩阵恢复算法，对被雨像素破坏的区域进行高质量恢复，本发明相对于现有技术的去雨方法，具有去雨效果好、计算量小的优点，同时，本发明能够在保持图像细节，尤其是背景图像的轮廓边缘的同时，可以有效去除单幅图像中的雨线，能够最大限度的保证图像的细节。本发明利用稀疏和低秩矩阵的属性降低了计算量，同时提高了图像的处理效果。
-
公开(公告)号：CN115393223A
公开(公告)日：2022-11-25
申请号：CN202211051492.8
申请日：2022-08-31
Applicant: 广东工业大学
IPC: G06T5/00 , G06T5/50 , G06V10/774
Abstract: 本发明公开的一种基于小波的双分支网络图像去雨方法,系统和介质；其中方法包括：获取含无雨图像和其对应的合成雨图像作为一个样本对的训练图像集和测试图像集；将雨图像进行二级小波变换，将待去雨图像从图像域转到小波域上进行去雨操作；基于预设的自适应注意力分支提取雨图像的通道和空间信息，自适应地计算注意力和非注意力模块的权重；基于预设的扩展分支，通过不同的空洞卷积操作来扩大感受野；通过小波逆变换获取去雨图像；基于预设的小波和结构相似性的损失函数对去雨图像进行约束，得到标准去雨图像。本发明提高在图像去雨的准确性的同时，结合雨图的特性，提高了去雨的泛化能力和对图像背景信息的保护能力。
-
公开(公告)号：CN115391778A
公开(公告)日：2022-11-25
申请号：CN202210983464.3
申请日：2022-08-16
Applicant: 广东工业大学
Abstract: 本发明提供一种基于异构图注意力网络的安卓恶意程序检测方法，包括以下步骤：S1：下载APP并进行标签；S2：对APK进行反编译，并提取得到多种关键特征实体；S3：构建异构图注意力网络，将异构图注意力网络转化为多个元结构，计算得到各个元结构的邻接矩阵；S4：获取低维向量嵌入；S5：训练逻辑回归模型，以及获取待检测的安卓应用程序的节点嵌入；S6：得到检测结果。本发明还提供一种基于异构图注意力网络的安卓恶意程序检测装置，用于实现所述的一种基于异构图注意力网络的安卓恶意程序检测方法。本发明提供一种基于异构图注意力网络的安卓恶意程序检测方法和装置，解决了现有的恶意程序检测技术无法有效针对安卓恶意应用程序进行分类检测的问题。
-
公开(公告)号：CN115375663A
公开(公告)日：2022-11-22
申请号：CN202211038963.1
申请日：2022-08-29
Applicant: 广东工业大学
Abstract: 本申请实施例提供的一种基于深度互学习和双尺度特征融合的无参考图像质量评价方法，该方法包括确定待进行无参考图像质量评估的目标失真图像；对目标失真图像进行水平翻转，得到目标镜像图像；构建初始质量评价模型，初始质量评价模型包括用于从图像中提取局部特征的第一、二Resnet50网络、用于从图像中提取出非局部特征的第一、二VisionTransformer网络；将目标失真图像输入到第一Resnet50网络以及第一VisionTransformer网络中，将目标镜像图像输入到第二Resnet50网络以及第二Vision Transformer网络中进行模型训练，训练过程中，通过深度互学习的方式对图像间的局部特征、以及非局部特征进行一致性约束，以及通过融合图像的局部、非局部特征，确定模型输出结果；在结束模型训练时，得到目标质量评价模型。
-
公开(公告)号：CN112954033B
公开(公告)日：2022-10-25
申请号：CN202110140129.2
申请日：2021-02-02
Applicant: 广东工业大学
IPC: H04L67/1097 , H04L67/06 , H04L9/40 , H04L9/00 , H04L9/08 , G06F21/46 , G06F16/174
Abstract: 本发明提供一种跨用户的云存储系统重复数据删除方法，包括以下步骤：S1：将要上传文件F至云服务器S的客户端作为上传者C，其他客户端作为检查者；S2：进行基于验证元认证的三方PAKE协议通讯；S3：得到kiL||kiR；得到k′iL||k′iR，并进行同态加密得到同态加密结果；S4：计算加密密文e；S5：对e进行解密，得到kF＝Dec(sk，e)，利用kF对文件F进行对称密钥加密，得到E(H(kF)F)；S6：判断E(H(kF)F)与是否相等；如果相等，则文件F为重复文件，在云服务器S中删除E(H(kF)F)，并容许上传者C访问如果均不相等，则文件F为非重复文件，在云服务器S中存储E(H(kF)，F)；S7：执行结束。本发明提供一种跨用户的云存储系统重复数据删除方法，解决了目前跨用户的云存储重复数据删除方法的安全性不够高的问题。
-
-
-
-
-
-
-
-
-
Search Results
162
records
(took 0.029 seconds)
