-
公开(公告)号：CN114997090B
公开(公告)日：2024-08-09
申请号：CN202210517806.2
申请日：2022-05-12
Applicant: 电子科技大学
IPC: G06F30/367
Abstract: 该发明公开了一种芯片网表级后门测试集生成方法，涉及计算机领域。该方法主要针对现有硬件后门的后门测试集较为陈旧，无法为更新的测试手段提供合理的测试基准的问题，故先从网表级的后门需求出发，将后门挂载策略和功能逻辑分开。采用动态仿真信号反转率和网表电路深度双重指标确定后门挂载点的挂载点的选择，再根据电路结点可测性对后门网表电路进行递进链式修改，完成后门的系统性生成，用于识别计算机程序中的恶意程序。
-
公开(公告)号：CN117040850A
公开(公告)日：2023-11-10
申请号：CN202311012982.1
申请日：2023-08-13
Applicant: 西安电子科技大学
IPC: H04L9/40 , H04L67/131 , H04L41/06
Abstract: 本发明公开的一种面向元宇宙锚点网络的透明化表征方法，主要解决现有表征方法无法全方位地对元宇宙网络中实体和行为关系进行多层次、高维度表征，不具备元宇宙环境下可解释性的问题。其实现方案为：获得针对元宇宙网络的关键安全数据；利用这些数据依据元宇宙网络的分层结构，分别对传感器层可穿戴感知设备的安全状况、锚点网络层锚点的安全状况以及应用层攻击场景实体关系进行表征；将传感器层和锚点网络层的表征结果进行融合，利用应用层的表征结果增强融合结果进行更高维度的融合表征。本发明提高了网络表征维度以及网络透明化与安全可视化的效率，具备元宇宙环境下的可解释性，可用于未来元宇宙环境下多维度、多层次的网络环境安全保护。
-
Patent Agency Ranking
公开(公告)号：CN116915484A
公开(公告)日：2023-10-20
申请号：CN202311012981.7
申请日：2023-08-13
Applicant: 西安电子科技大学
IPC: H04L9/40 , H04L67/131 , H04L41/06
Abstract: 本发明公开了一种元宇宙网络威胁事件推演方法，主要解决现有威胁检测方法不能完全反映系统的动态性，无法实时检测系统中实时发生的网络攻击，缺乏重建攻击场景能力的问题。其实现方案为：监控元宇宙虚拟资源参数变化，在元宇宙虚拟环境中对用户当前虚拟边界的状况发出警告；利用用户设备上采集的系统日志数据以及网络空间锚点实体信息构建溯源图；对溯源图进行压缩得到压缩溯源图，并在Neo4j数据库中进行可视化显示；设置压缩溯源图中实体匹配到的攻击阶段标签，对压缩溯源图进行正向和反向搜索，提取元宇宙安全边界攻击的攻击图。本发明能够实时检测元宇宙网络中的攻击，应用场景更广，增强了主动应对元宇宙网络威胁的能力，可用于网络安全。
-
公开(公告)号：CN116595125A
公开(公告)日：2023-08-15
申请号：CN202211093133.9
申请日：2022-09-08
Applicant: 电子科技大学
IPC: G06F16/33 , G06F16/332 , G06F16/36 , G06N3/08 , G06N3/044 , G06N3/0455
Abstract: 本发明公开了一种基于知识图检索的开放域问答方法，该方法包括以下步骤：知识图建立步骤，基于开放域文档数据，建构造对应的知识图；文档检索步骤，首先利用TF‑IDF引导查询，找到推理路径的段落起点，然后基于RNN网络迭代计算出可能的段落节点，由段落组成一条从问题到答案的推理路径；答案预测步骤，将问题和一组推理路径输入，先对推理路径排序，然后从存在答案概率最高的路径中抽取答案。本发明通过有效利用知识图推理技术，弥补了现有方法仅利用非结构化知识的不足，克服了语义特征信息利用不足导致预测结果受限这一缺陷，从而提高了预测效果；并且通过针对性的设计数据增强方法，进一步提升针对开放域问答的预测性能。
-
公开(公告)号：CN111310680B
公开(公告)日：2022-11-04
申请号：CN202010110735.5
申请日：2020-02-24
Applicant: 电子科技大学
Abstract: 该发明公开了一种基于深度学习的辐射源个体识别方法，涉及辐射源个体识别技术领域。通过特征提取，然后输入神经网络进行辐射源个体的识别，在神经网络中加入过滤层，本发明过滤层的作用是在每个训练批次中，选择性的让一半的隐层节点值为0，可以明显地减少过拟合现象；这种方式可以减少特征检测器(隐层节点)间的相互作用，降低过拟合、提升性能检测器相互作用是指某些检测器依赖其他检测器才能发挥作用，通过上述技术方案本发明能够准确识别各辐射个体。
-
公开(公告)号：CN111310680A
公开(公告)日：2020-06-19
申请号：CN202010110735.5
申请日：2020-02-24
Applicant: 电子科技大学
Abstract: 该发明公开了一种基于深度学习的辐射源个体识别方法，涉及辐射源个体识别技术领域。通过特征提取，然后输入神经网络进行辐射源个体的识别，在神经网络中加入过滤层，本发明过滤层的作用是在每个训练批次中，选择性的让一半的隐层节点值为0，可以明显地减少过拟合现象；这种方式可以减少特征检测器(隐层节点)间的相互作用，降低过拟合、提升性能检测器相互作用是指某些检测器依赖其他检测器才能发挥作用，通过上述技术方案本发明能够准确识别各辐射个体。
-
公开(公告)号：CN108460749A
公开(公告)日：2018-08-28
申请号：CN201810230035.2
申请日：2018-03-20
Applicant: 西安电子科技大学
IPC: G06T5/50
Abstract: 本发明公开了一种高光谱与多光谱图像的快速融合方法，其实现步骤为：(1)建立训练集与测试集；(2)输入光谱图像；(3)建立概率生成模型；(4)训练概率生成模型；(5)得到融合后的光谱图像。本发明克服了现有技术中表征能力弱，模型不稳定和运算时间长的问题，生成的高分辨率的高光谱图像包含更多的信息，并且利用无先验条件的空间转换矩阵，使得模型更加稳定，融合速度更快，是一种高速高效的高光谱图像融合处理方法。
-
-
-
-
-
-
Search Results
47
records
(took 0.031 seconds)
