-
公开(公告)号：CN113918367B
公开(公告)日：2024-11-08
申请号：CN202111128644.5
申请日：2021-09-26
Applicant: 南京邮电大学
IPC: G06F11/00 , G06F11/07 , G06F11/28 , G06N3/0442 , G06N3/0475 , G06N3/045 , G06N3/09 , G06N3/094
Abstract: 本发明公开了一种基于注意力机制的大规模系统日志异常检测方法，属于智能运维领域。包括如下步骤：提取计算机系统产生的日志信息，并对日志信息进行数据预处理，构造日志上下文组合集；将日志上下文组合集输入神经网络模型中，对神经网络模型进行训练；获取待预测的日志信息并进行数据预处理，构造待预测的日志上下文组合集，将待预测的日志上下文组合集输入到训练好的神经网络模型中生成后续子序列事件，将后续子序列事件与真实事件进行对比。本发明通过神经网络模型中判别器和生成器之间的不断交替更新的机制，得到生成拟合真实后续正常事件的模型，进而对比真实后续日志与生成后续正常日志类型是否相同，从而判断系统是否异常。
-
公开(公告)号：CN118860705A
公开(公告)日：2024-10-29
申请号：CN202410837348.X
申请日：2024-06-26
Applicant: 南京邮电大学
IPC: G06F11/07 , G06N3/0455 , G06N3/0475 , G06N3/084 , G06N3/094 , G06N3/098 , G06N3/0985 , G06F18/23213 , G06F18/241 , G06F18/2433
Abstract: 本发明公开了一种基于个性化联邦学习的异常日志检测方法，所述方法包括以下步骤：步骤1、本地客户端元学习算法训练过程；步骤2、数据中心集群参与个性化联邦学习训练过程，本发明针对现代大型软件系统的需求，提出了一种针对异常日志的检测方法。在本发明中，借助元学习的方法来应对异常日志样本不足的问题。同时，引入了个性化联邦学习，以确保对日志数据的高度隐私保护，从而降低了可能导致数据泄露的潜在风险。针对分布式环境下日志数据分布不平衡的问题，结合改进的元学习算法和个性化联邦学习构建异常日志检测系统，旨在实现异常日志的自动化检测，以减少人工干预所需的成本。
-
公开(公告)号：CN110490053B
公开(公告)日：2023-03-14
申请号：CN201910608988.2
申请日：2019-07-08
Applicant: 南京邮电大学盐城大数据研究院有限公司
IPC: G06V40/16 , G06V10/82 , G06N3/0464 , G06N3/0442 , G06N3/08
Abstract: 本发明公开了一种基于三目摄像头估计人脸深度信息的人脸属性识别方法，利用三目摄像头获取原始RGB图像并估计深度感知图像，对原始RGB图像和深度图像数据做预处理和数据增强，并做属性标签且分成训练集、验证集和测试集三部分；通过设计多尺度投影卷积神经网络以及属性关系计算长短期记忆网络进行人脸属性特征提取模型训练；选取在验证集上准确率最高的模型作为最佳候选模型，长短期记忆网络的输出即为对应的人脸属性；本发明结合三目摄像头计算的深度图像恰好弥补了深度信息的缺失，提升对复杂人脸属性预测准确率。长短期记忆单元计算各种不同属性之间的关系，达到相互补充、强化的目的，从而进一步提升所有属性预测准确率。
-
公开(公告)号：CN110472495B
公开(公告)日：2023-03-14
申请号：CN201910608900.7
申请日：2019-07-08
Applicant: 南京邮电大学盐城大数据研究院有限公司
IPC: G06V40/16 , G06V10/774 , G06V10/82 , G06N3/043 , G06N3/0464 , G06N3/08 , G06N5/04
Abstract: 本发明公开了一种基于图形推理全局特征的深度学习人脸识别方法，其步骤包括：（1）收集人脸数据并做好分类标签并分成训练集和验证集；（2）设计图形推理提取人脸全局特征的网络；（3）将图形推理全局特征提取网络集成于残差网络；（4）将（1）获得的训练数据进行训练，得到训练模型；（5）根据测试结果调整训练参数重新训练，如此反复直至获得最佳的训练模型；（6）对测试人脸图像提取特征得到特征向量；（7）用余弦激励度量（6）中得到的最终特征向量，并判断是否是目标人脸，再输出结果。本发明克服了单一的卷积层无法映射人脸图像全局特征之间的联系，针对人脸图像特点设计的网络能够提取更具有判别力的特征以提升人脸识别准确率。
-
公开(公告)号：CN115440332A
公开(公告)日：2022-12-06
申请号：CN202211384419.2
申请日：2022-11-07
Applicant: 南京邮电大学
Abstract: 本发明属于临床试验领域，是一种基于公有链和联盟链的临床试验数据的存储及共享方法，满足了临床试验招募阶段大量报名者信息的存储需求和试验阶段受试者数据的存储和共享需求；基于多方数字签名和智能合约的数据转移验证方法实现了对受试者数据安全高效的筛选需求，并结合公有链上的数据转移合约和联盟链上的数据接收合约实现了由临床试验招募阶段进入试验阶段的受试者数据的安全高效转移；基于权限公私钥对和临床试验编号二次加密的数据隔离共享方法，实现了临床试验过程中各节点对受试者临床试验数据的安全共享。本发明利用区块链的特性实现了临床试验数据的不可篡改和可溯源，并采用非对称加密的特性确保受试者数据的私密性。
-
Patent Agency Ranking
公开(公告)号：CN115169612A
公开(公告)日：2022-10-11
申请号：CN202210852881.4
申请日：2022-07-20
Applicant: 南京邮电大学
IPC: G06Q10/00 , G06F16/901 , G06K9/62 , G06N3/04
Abstract: 本发明是一种面向运维工单的自动化处理方法，构建用户工单数据集和系统工单数据集，对数据集进行训练，获得运维工单SVM分类器，构建运维工单节点依赖关系图，采用图卷积网络GCN模型获得节点的特征向量，获取解决方案的特征向量表示，确定运维工单所属类别，获得待解决运维工单的序列特征向量表示和主题特征向量表示，计算待解决工单特征向量和该节点下所有解决方案特征向量的相似度，选取相似度最高的解决方案作为待解决工单的解决方案。本发明为后续工单处理提供了更准确的信息，提高故障节点发现速度，增强节点信息表示，用多个历史工单描述特征融合表示解决方案，增强了解决方案的特征表示，提高了运维工单和解决方案匹配的准确度。
-
公开(公告)号：CN109218466B
公开(公告)日：2021-08-31
申请号：CN201811245205.0
申请日：2018-10-24
Applicant: 南京邮电大学
Abstract: 基于相对位置信息的低功耗蓝牙IPv6地址自动加密配置机制，其中，IPv6地址由子网前缀，部分加密地址，位置信息地址三部分组成。根据物理位置生成位置信息地址，以时间作为秘钥加密距离信息生成部分加密地址，通过面向连接的BLE通信方式，完成对外围设备IPv6地址的自动加密配置。该配置机制基于相对位置信息生成为位置信息地址，保证了生成子网地址的唯一性，避免了重复地址检测，降低了功耗；以时间信息作为秘钥对地址进行部分加密，生成的部分加密地址较难被解析，提高生成地址的安全性；为低功耗蓝牙设备配置全球可路由的IPv6地址，为实现低功耗蓝牙设备与互联网之间的无缝连接提供了可能，也为低功耗蓝牙设备广泛运用于物联网奠定了基础。
-
公开(公告)号：CN112347941B
公开(公告)日：2021-06-08
申请号：CN202011238128.3
申请日：2020-11-09
Applicant: 南京紫金体育产业股份有限公司 , 南京邮电大学
IPC: G06K9/00 , G06N3/04 , G06N3/08 , H04N21/234 , H04N21/2343 , H04N21/262 , H04L29/08
Abstract: 本发明公开一种基于5G MEC的运动视频集锦智能生成和分发方法，包括以运动器材为检测主体定位关键帧，将动作开始时刻到结束时刻的这一片段作为关键帧所在的精彩片段；从多个视频采集设备拍摄的同一时段的精彩片段中识别做出关键帧中动作的人物的人脸，并将识别出的人脸与该用户数据库中的人脸图像进行对比，以判断精彩片段是否属于该用户；视频采集设备的本地MEC服务器将用户专属的精彩片段集锦分发到以往响应该用户请求次数最多的MEC服务器，该用户请求查看其专属集锦内容时，由该用户的本地MEC服务器响应。本发明能够降低中心服务器的压力，减少链路延迟，定位运动视频中的精彩片段，生成针对每一位用户的专属精彩集锦，吸引用户的注意力和兴趣。
-
公开(公告)号：CN112003889A
公开(公告)日：2020-11-27
申请号：CN202010661140.9
申请日：2020-07-10
Applicant: 南京邮电大学
Abstract: 本发明公开了一种分布式跨链系统及跨链信息交互与系统访问控制机制，分布式跨链系统包含多个跨链客户端、跨链中继节点、属性权威机构和点对点加密信道。访问控制机制包括中继节点验证区块链用户，中继节点适配区块链属性并代理其跨链消息与加密传输，属性权威机构为中继节点发布属性密钥和跨链证明，目标区块链对等中继节点接收加密文件并解密对比跨链证明，最终跨链消息被目标区块链用户接收从而实现跨链通信。本发明可灵活设置中继节点满足特定区块链的跨链消息代理需求，具有较强的灵活性与可扩展性，同时利用去中心化的属性可撤销、可更新的属性密码机制，为区块链跨链通信提供了细粒度的访问控制策略，提高了区块链跨链系统的安全性。
-
公开(公告)号：CN110472495A
公开(公告)日：2019-11-19
申请号：CN201910608900.7
申请日：2019-07-08
Applicant: 南京邮电大学盐城大数据研究院有限公司
Abstract: 本发明公开了一种基于图形推理全局特征的深度学习人脸识别方法，其步骤包括：（1）收集人脸数据并做好分类标签并分成训练集和验证集；（2）设计图形推理提取人脸全局特征的网络；（3）将图形推理全局特征提取网络集成于残差网络；（4）将（1）获得的训练数据进行训练，得到训练模型；（5）根据测试结果调整训练参数重新训练，如此反复直至获得最佳的训练模型；（6）对测试人脸图像提取特征得到特征向量；（7）用余弦激励度量（6）中得到的最终特征向量，并判断是否是目标人脸，再输出结果。本发明克服了单一的卷积层无法映射人脸图像全局特征之间的联系，针对人脸图像特点设计的网络能够提取更具有判别力的特征以提升人脸识别准确率。
-
-
-
-
-
-
-
-
-
Search Results
94
records
(took 0.026 seconds)
