-
公开(公告)号：CN120034364A
公开(公告)日：2025-05-23
申请号：CN202510114145.2
申请日：2025-01-24
Applicant: 辽宁大学
IPC: H04L9/40 , H04L43/0876 , H04L43/08 , G06F17/18
Abstract: 本发明提供一种恶意流量检测方法，属于网络安全领域。其步骤如下：步骤一：提取流量数据，以供检测；步骤二：计算恶意流量的检测特征以供检测算法进行检测，包括平均流量大小，平均包大小，平均包时间间隔；步骤三：通过检测算法来检测恶意流量的存在。本发明通过综合考虑最近流量交叉熵，最近平均包大小，最近平均包时间间隔等特征的最近方差、中位数和距离计算可以达到检测复杂网络情况下的恶意流量。从不同角度助力精准识别网络流量中的异常情况，保障网络安全稳定运行。
-
公开(公告)号：CN118841027A
公开(公告)日：2024-10-25
申请号：CN202410698023.8
申请日：2024-05-31
Applicant: 辽宁大学
Abstract: 一种基于特征重要性方法的可解释恶意语音检测方法，属于深度学习、机器学习可解释性技术领域。该方法旨在缓解维度灾难问题，同时确保所选特征能够提升模型对恶意语音的检测性能。本发明利用机器学习的可解释性来优化模型训练中的特征维度选择，通过分析特征的贡献度，区分了影响模型性能的关键特征和可以被移除的非关键特征。这种基于贡献度分析的特征选择方法提高了模型训练和部署的效率，增加了模型的透明度和用户的信任度。在检测恶意语音的应用中，本发明方法通过评估每个特征的贡献，筛选出对区分正常语音和恶意语音具有显著分辨力的特征。优化后的特征空间提高了恶意语音检测精度，降低了计算负担。
-
公开(公告)号：CN118588099A
公开(公告)日：2024-09-03
申请号：CN202410660371.6
申请日：2024-05-27
Applicant: 辽宁大学
IPC: G10L21/013 , G10L25/30
Abstract: 本发明涉及一种基于StarGAN损失函数的语音音色转换方法，包括如下步骤：步骤1，提取语音数据集特征，用于构建特征集合；步骤2，设计StarGAN损失函数：通过对抗损失函数和源分类器损失函数的优化，实现样本的音色转换；步骤3，训练SrarGAN语音音色转换模型；步骤4，当模型训练完成后，利用其进行预测，以进行语音音色风格的转换。该方法通过设计StarGAN损失函数生成不同情感语音不同方法，在进行音色转换时，我们不仅要确保语音的清晰度，还要尽量保持其自然度，使得转换后的语音听起来更加流畅自然。
-
公开(公告)号：CN118487820A
公开(公告)日：2024-08-13
申请号：CN202410637323.5
申请日：2024-05-22
Applicant: 辽宁大学
Abstract: 强化学习模型中折扣因子的安全漏洞检测方法，步骤为：1)在强化学习模型中利用Eigen库的C++库更新策略矩阵，在矩阵运算上采用Flush+Reload技术的缓存侧信道方法，获取强化学习模型中策略矩阵的状态空间维数m和动作空间维数k后，获得完整的策略矩阵；2)在Q‑learning和Sarsa这两种强化学习方法中，利用完整的策略矩阵中的数据和奖励函数的大小，获取折扣因子γ的大小；在Policy Gradient算法中，利用完整的策略矩阵中的数据和奖励函数的大小，获取折扣因子γ的大小，并判断最终漏洞情况。本发明通过上述方法，为系统的稳定运行提供保障，从而极大提高了强化学习应用的整体安全水平。
-
公开(公告)号：CN109993531B
公开(公告)日：2023-07-28
申请号：CN201910256297.0
申请日：2019-04-01
Applicant: 辽宁大学
Abstract: 一种支持跨区块链交易的数据验证方法，步骤为：1)源链中的节点验证跨区块链交易数据的有效性，将有效交易数据发送至目标链；2)目标链中的节点验证该笔交易数据的正确性；3)源链与目标链同时将该笔交易的元数据发送至虚拟链；4)虚拟链根据元数据中的区块头信息，计算该笔交易数据的哈希值，确认交易资产的状态；5)解析元数据中的签名数据，确认双方是否将该笔交易数据存储到各自链上；6)节点验证成功，将元数据存储到虚拟链上。本发明通过上述方法，使跨区块链交易具有源链与目标链操作一致、防篡改、可溯源等特性，同时，实现了跨区块链交易的可溯源性。
-
Patent Agency Ranking
公开(公告)号：CN111506408B
公开(公告)日：2023-06-16
申请号：CN202010295997.3
申请日：2020-04-15
Applicant: 辽宁大学
Abstract: 基于关联数据集合的边缘计算任务调度方法，步骤为：1)针对边缘计算环境下数据及计算任务数量的不断增加的现状，对传感器数据及可迁移的节点进行实时监测，确定数据数量及可迁移节点的数量、容量；2)对计算任务请求进行实时监测，基于依赖关系将数据与计算任务进行捆绑；3)将数据‑任务关联项聚集形成总体数据‑任务关联集合，并以总体数据关联度最大为目标将其优化为最优迁移集合；4)以可迁移节点容量为约束，对最优迁移集合进行切割，形成局部最优迁移集合；5)获取局部最优迁移集合中的数据及计算任务，将其迁移到对应容量的目标节点执行，并重复执行步骤1‑4。本发明通过上述方法，提供了一种可以实现高效任务调度的方法。
-
公开(公告)号：CN109783698B
公开(公告)日：2023-05-26
申请号：CN201910035568.X
申请日：2019-01-15
Applicant: 辽宁大学
IPC: G06F16/901
Abstract: 基于Merkle‑tree的工业生产数据实体识别方法，步骤为：1)针对工业生产数据的浮动性，利用矩阵及向量的性质，对数据进行相应的标准化处理，确保同一实体的数值型属性值相同；2)计算各属性列的信息熵，获取属性敏感度强弱信息，去除敏感度低的属性，将其余属性根据敏感度降序排序；3)提出一种链式结构，称作“St‑Chain”,基于St‑Chain进行渐进式哈希编码，将哈希值相同的实体划分到同一块中；4)对于步骤3)中得到的结构，继续计算各元组中后续属性的哈希值，根据哈希值异同，重复划分成块，最终得到实体识别结果。本发明通过上述方法，提供了一种算法运行效率适中、识别精度较高的实体识别方法。
-
公开(公告)号：CN110310119B
公开(公告)日：2023-05-02
申请号：CN201910606952.0
申请日：2019-07-06
Applicant: 辽宁大学
IPC: G06Q20/38 , G06Q40/04 , G06F21/64 , H04L9/06 , H04L67/1097
Abstract: 面向跨区块链交易的可扩容存储方法，步骤为：1)在S链与D链之上构建存储链；2)存储链对接收到的交易数据进行过滤处理；3)S链与D链分别对非跨区块链交易数据进行验证、存储；4)S链与D链分别对跨区块链交易数据进行验证、存储，并向存储链发送跨区块链交易标识数据；5)判断标识数据中元素是否具有溯源性6)对数据元素进行哈希融合，以Trie的形式存在存储链区块中；7)提出一种链式结构，以时间戳为纽带将区块链接到存储链末端。本发明通过上述方法，提供了一种面向跨区块链交易的可扩容存储方法，实现高吞吐量的跨区块链数据交易。
-
公开(公告)号：CN111625578A
公开(公告)日：2020-09-04
申请号：CN202010453118.5
申请日：2020-05-26
Applicant: 辽宁大学
IPC: G06F16/2458 , G06F40/216
Abstract: 适用于文化科技融合领域时间序列数据的特征提取方法，步骤为：1)从目标数据库获得时间序列数据，将序列以数据类型分类，得文本数据和数值数据；2)数值数据以时间粒度分类，得宏观时间序列数据和微观时间序列数据；宏观数据标准化后，计算样本与行业标准数据的相似度，将归一化后的相似度作为D-S证据理论的输入进行证据融合，得类特征；3)设已有标准时间序列的最佳shapelet集合，计算微观数据与各shapelet的距离，得趋势特征；4)文本数据，先用词袋模型获得高频词集，再用改进的TF-IDF对该词集进行二次过滤，得热点词集；5)新数据用滑动窗口重新执行步骤1-4；无新数据则停止；本发明能快速的处理分析时间序列数据，有助于制定企业的战略决策。
-
公开(公告)号：CN109783698A
公开(公告)日：2019-05-21
申请号：CN201910035568.X
申请日：2019-01-15
Applicant: 辽宁大学
IPC: G06F16/901
Abstract: 基于Merkle-tree的工业生产数据实体识别方法，步骤为：1)针对工业生产数据的浮动性，利用矩阵及向量的性质，对数据进行相应的标准化处理，确保同一实体的数值型属性值相同；2)计算各属性列的信息熵，获取属性敏感度强弱信息，去除敏感度低的属性，将其余属性根据敏感度降序排序；3)提出一种链式结构，称作“St-Chain”,基于St-Chain进行渐进式哈希编码，将哈希值相同的实体划分到同一块中；4)对于步骤3)中得到的结构，继续计算各元组中后续属性的哈希值，根据哈希值异同，重复划分成块，最终得到实体识别结果。本发明通过上述方法，提供了一种算法运行效率适中、识别精度较高的实体识别方法。
-
-
-
-
-
-
-
-
-
Search Results
51
records
(took 0.025 seconds)
