-
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：CN106230638B
公开(公告)日：2019-10-08
申请号：CN201610640669.6
申请日：2016-08-08
Applicant: 海南大学
Abstract: 本发明公开了一种基于事件的云服务测试与调试方法及系统，所述测试方法包括：定制运行态事件生成及发布；提供商服务运行态事件；推断是否得到充分测试；生成测试案例。所述调试方法包括：定制运行态事件生成及发布；提供运行态事件；对所有运行态事件进行分类和聚合；挖掘事件与服务运行出错之间的相关性；定位与服务运行发生出错位置相关联的可疑服务运行态事件；反馈并修改生成定制方法。所述测试与调试系统包括事件生成与封装模块、事件发布与订阅模块、测试充分性推理模块、测试案例生成模块、事件聚合模块、可疑事件定位模块。本发明能够充分高效地测试云服务，并能够快速定位测试过程中发现的错误和问题，从而开发出高可信的增值云服务。
-
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：CN108009132A
公开(公告)日：2018-05-08
申请号：CN201711260117.3
申请日：2017-12-04
Applicant: 海南大学
Abstract: 本发明公开了一种基于海水中叶绿素a含量变化的台风区域灾害评估方法，包括以下步骤：S101卫星数据获取；S102卫星数据预处理；S103通过卫星反演计算获得叶绿素a含量及其在台风来临前后的变化率；S104建立基于叶绿素a含量的变化率rate的台风区域灾害模型S1，采用本发明的一种基于海水中叶绿素a含量变化的台风区域灾害评估方法，通过卫星反演计算获得在台风来临前后的台风区域海水中的叶绿素a含量的变化率，并建立基于叶绿素a含量变化率的台风区域灾害模型，可以实时测定任意具体台风区域的风力等级，更为精准；同时也为风力等级的评估提供了一种新的验证手段。
-
公开(公告)号：CN103530416B
公开(公告)日：2017-01-18
申请号：CN201310520652.3
申请日：2013-10-28
Applicant: 海南大学
IPC: G06F17/30
Abstract: 本申请提供了一种项目数据预测评分库的生成方法，包括：收集用户对不同项目数据的评分数据；所述项目数据中包括一个或多个属性数据，所述属性数据的值为其所属项目数据的评分数据；针对每个用户，分别采用所述用户对所述项目数据的评分数据计算所述属性数据的权重；针对每个用户，分别采用所述权重计算未有评分数据的项目数据与其他项目数据之间的相似度；针对每个用户，分别提取与未有评分数据的项目数据相似度最高的K个项目数据，K为正整数；针对每个用户，分别采用所述K个项目数据的相似度计算所述未有评分数据的项目数据的预测评分；采用所述预测评分及其对应用户的用户标识生成项目数据预测评分库。本申请缓解相似度计算不精确的问题。
-
公开(公告)号：CN103514304B
公开(公告)日：2017-01-18
申请号：CN201310522662.0
申请日：2013-10-29
Applicant: 海南大学
IPC: G06F17/30
Abstract: 本发明提供了一种项目推荐方法和装置。本发明通过对记录的评分对象及其对项目的评分，首先确定评分对象对项目的评分均值以及各个项目所属的项目类型，进一步统计评分对象对项目类型的评分均值，然后确定目标对象具有相似类型喜好的第一相关对象，再从第一相关对象中找出具有相似项目喜好的第二相关对象，在目标对象对未评分的项目中提取符合条件的项目推荐给目标对象。通过本发明实施例，利用用户对不同类型项目的兴趣程度，筛选出喜好项目类型相关的用户，去掉用户不感兴趣的无效信息，在计算用户之间的相似度时使用的都是有效信息，因此相似度计算更加准确，可以有效地改善计算用户之间相似度的准确率，有效提高推荐系统的推荐质量。
-
公开(公告)号：CN104851072A
公开(公告)日：2015-08-19
申请号：CN201510338442.1
申请日：2015-06-18
Applicant: 海南大学
IPC: G06T1/00
Abstract: 本发明公开了云环境下一种基于DFT加密医学图像鲁棒水印方法，属于多媒体信号处理领域，实现了在加密图像中嵌入鲁棒水印的方法。本发明的步骤如下：首先，对原始医学图像进行DFT变换，在变换域中通过与二值混沌序列进行点乘的方法，实现对图像的快速加密，同时对二值文本水印也进行加密；其次，对加密的原始图像进行DFT变换，提取加密图像的特征向量，利用加密图像的特征向量和加密的水印进行异或运算，嵌入水印并得到二值逻辑序列；然后，进行水印的提取和还原；最后对加密图像进行DFT运算，解密成原始图像。该方法为零水印技术。由于水印嵌入到加密图像中，不仅保护了水印而且原始图像也得到了保护。
-
公开(公告)号：CN103996161A
公开(公告)日：2014-08-20
申请号：CN201410150660.8
申请日：2014-04-16
Applicant: 海南大学
IPC: G06T1/00
Abstract: 本发明公开了一种基于三维DWT-DFT感知哈希和混沌的体数据多水印技术，属于多媒体信号处理领域。本发明利用Logistic Map生成混沌序列，利用混沌序列对水印进行置乱，然后进行水印的嵌入，对医用体数据进行全局3DDWT-DFT变换，选取前4×4×2个系数，再进行3D-IDFT变换，然后在反变换系数的实部中提取一个具有鲁棒的感知哈希值，并将该感知哈希值与嵌入的多水印相关联得到一串二值密钥序列，并将该二值密钥序列存于第三方；再通过对待测体数据进行三维DWT-DFT体数据的感知哈希值的提取，并与存于第三方的二值序列相关联来进行多水印的提取，最后利用Logistic Map对多水印进行还原。
-
-
-
-
-
-
-
-
-
Search Results
397
records
(took 0.055 seconds)
