-
公开(公告)号：CN111866123A
公开(公告)日：2020-10-30
申请号：CN202010695401.9
申请日：2020-07-17
Applicant: 海南大学
IPC: H04L29/08
Abstract: 本发明提供一种基于区块链的数据存储方法及装置，其中，应用于终端区块链中的任一节点，所述终端区块链包括边缘服务器区块链中的至少一个边缘服务器节点，所述边缘服务器节点与接入到所述终端区块链中的终端节点通信连接，方法包括：获取待上链数据；根据第一预设规则，分类待上链数据，将待上链数据划分为第一区块链数据和第二区块链数据，第一区块链数据表征待存储到边缘服务器区块链中的数据，第二区块链数据表征待存储到终端区块链中的数据；将第一区块链数据存储至边缘服务器区块链；将第二区块链数据存储到终端区块链。本发明在实现松耦合环境中的数据存储的同时，提高了数据存储的效率以及安全性。
-
公开(公告)号：CN110381052A
公开(公告)日：2019-10-25
申请号：CN201910639677.2
申请日：2019-07-16
Applicant: 海南大学
Abstract: 本发明公开了一种基于CNN的DDoS攻击多元信息融合方法及装置，属于通信技术领域。其中所述方法包括：在单位时间内对网络流量进行特征提取，得到多元特征；将所述多元特征基于主成分分析模型进行加权融合特征；构建基于卷积神经网络的分类模型，分析提取所述加权融合特征以获得最终特征。所述装置包括存储器和处理器，所述存储器用于存储计算机程序，所述计算机程序被所述处理器执行时，实现所述的基于CNN的DDoS攻击多元信息融合方法。本发明相较于现有技术检测DDoS攻击的方法，提高了检测率，降低了漏报率和总错误率，同时还减少了攻击检测的运行时间和内存资源。
-
公开(公告)号：CN110062011A
公开(公告)日：2019-07-26
申请号：CN201910461918.9
申请日：2019-05-30
Applicant: 海南大学
Abstract: 本发明实施例提供一种基于V-SVM的DDoS攻击检测方法及装置，属于通信技术领域。其中，方法包括：采集多个历史网络流量数据样本，计算每个基于V-SVM网络流量数据样本的九元组NSAF特征；对基于V-SVM九元组NSAF特征进行归一化处理，并根据PCA技术对经过归一化处理的基于V-SVM九元组NSAF特征进行降维，得到训练集；构建V-SVM分类模型，并利用基于V-SVM训练集对基于V-SVM的分类模型进行训练，获得最优拉格朗日乘子；根据基于V-SVM最优拉格朗日乘子求得决策函数，并利用基于V-SVM决策函数判断当前网络是否发生DDoS攻击。本发明相较于现有技术检测DDoS攻击的方法，提高了准确率、降低了误报率，同时还提高了攻击检测的稳定性和时效性。
-
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。
-
Patent Agency Ranking
-
公开(公告)号：CN118138278A
公开(公告)日：2024-06-04
申请号：CN202410087907.X
申请日：2024-01-22
Applicant: 海南大学
IPC: H04L9/40 , G06N3/045 , G06N3/0464 , G06N3/0442 , G06F18/214 , G06F18/24
Abstract: 本发明公开了一种基于重构和特征匹配的多类入侵检测方法及系统，以解决现有方法在处理不平衡且多类别数据时效果较差的问题。该方法通过获取网络流量，进行自适应规范化预处理、基于CNN+LSTM实现特征提取、利用深度编码网络获得重构误差、构建基于欧氏距离特征匹配的迁移学习框架、建立Softmax分类模型完成多类判断。该系统由包含数据处理、特征提取、编码解码、模型迁移和分类判断在内的多个功能模块构成。通过端到端训练，实现了对未知攻击类型的高准确率检测。实验证明，该方法和系统可以明显提升检测性能，降低误报率，为构建自动化的网络入侵防御体系提供了有效支撑。
-
公开(公告)号：CN116543155A
公开(公告)日：2023-08-04
申请号：CN202310508273.6
申请日：2023-05-08
Applicant: 海南大学
IPC: G06V10/26 , G06V20/70 , G06V10/82 , G06V10/80 , G06N3/0464
Abstract: 本发明公开了一种基于上下文级联和多尺度特征细化的语义分割方法及装置，所述方法应用于卷积神经网络，卷积神经网络包括基于上下文级联和多尺度特征细化的语义分割网络，方法包括：图像输入骨干网络进行特征编码；后输入上下文级联模块，各级不同感受野的特征图进行级联操作，获取具有全局特征的多尺度上下文信息特征图；将低维阶段的特征图输入多尺度特征细化模块通过通道切分及卷积，获取低维阶段多尺度空间信息，注意力指导后得到低维多尺度空间特征图，并和具有全局特征的多尺度上下文信息特征图深度融合，通过上采样实现特征图的预测。本发明实现了在资源受限平台上挖掘多尺度上下文信息和细化空间细节时更好的平衡分割准确率和推理速度。
-
公开(公告)号：CN112686004B
公开(公告)日：2023-04-11
申请号：CN202011624754.6
申请日：2020-12-30
Applicant: 海南大学 , 海南火链科技有限公司
IPC: G06F40/166 , G06F21/62 , G06F16/27 , G06F16/23 , G06F21/64
Abstract: 本发明提供一种基于区块链的单份文档多接口编辑方法，将参与文档编辑的终端节点与边缘服务器通信连接，获取边缘服务器区块链中已储存的序列化编辑指令，完成当前文档版本同步；编辑过程中，边缘服务器收集对应终端节点的编辑指令，将编辑指令整合形成序列化编辑指令，参与编辑的所有终端节点和对应边缘服务器依据序列化编辑指令完成当前文档版本同步；当达预设同步条件，参与文档编辑的边缘服务器将当前文档版本信息和新的序列化编辑指令广播至边缘服务器区块链存储，经共识机制达成文档共识后，同步至所有终端区块链中参与文档编辑的终端节点。本发明可有效解决传统的单份文档多接口编辑方法存在的可用性差、安全性低、存储开销大的问题。
-
公开(公告)号：CN115759289A
公开(公告)日：2023-03-07
申请号：CN202211431701.1
申请日：2022-11-16
Applicant: 海南大学
Abstract: 本申请提供了一种基于用户分组协同的联邦学习方法、系统及装置，其中，一种基于用户分组协同的联邦学习方法，提出了一种基于用户的分组协作联邦学习隐私保护框架，它使用两种尺度的传输方法，在传统的联邦学习架构上增加本地计算，减少与服务器的连接数，可以有效解决用户串通问题。通过改变组数来减少链式结构导致的系统上行消耗时间延长，优于经典的联邦学习平均聚合算法。即使用户相互勾结，仍然可以保护隐私，并且不影响模型训练的准确性。
-
-
-
-
-
-
-
-
-
Search Results
62
records
(took 0.023 seconds)
