-
公开(公告)号：CN107612678B
公开(公告)日：2020-05-05
申请号：CN201710711957.0
申请日：2017-08-18
Applicant: 华侨大学
Abstract: 一种基于网络拓扑结构图的隐写方法，属于安全通信领域，适用于以Microsoft Office Visio绘制的网络拓扑结构图为载体的隐蔽通信，其目的是在不改变拓扑结构图实际含义和不影响拓扑结构图感官质量的前提下，利用网络拓扑结构图生成过程中存在的冗余，嵌入隐秘信息。本发明包括(1)准备步骤；(2)嵌入隐秘信息步骤；(3)提取隐秘信息步骤。本发明利用网络结构拓扑图中图元的某些属性特征不会显性表现出来这一特性，通过对图元的相关参数进行修改来实现隐秘信息的隐藏；隐藏过程对网络结构图含义未做任何改变，且对图元的修改亦肉眼不可见，因而保护了原有网络拓扑结构图的使用价值和实际含义，且有效地维护了网络拓扑结构图的感官质量。
-
公开(公告)号：CN111062118A
公开(公告)日：2020-04-24
申请号：CN201911126724.X
申请日：2019-11-18
Applicant: 华侨大学
Abstract: 本发明一种基于神经网络预测分层的多层软测量建模系统及方法，方法包括：通过分析整个工艺过程的化学反应机理、物料平衡和能量守恒原理，确定难以测量的主导变量和易测量的辅助变量，然后建立功能良好的软测量结构，来达到对主导变量实时监测的功能。本发明将传统的RSM数学模型进行拆分多层，主要是将数据库中的样本点根据一定的规律相似特性进行分类，并采用神经网络算法基于有限的样本点分类情况建立弱分类预测数学模型，可以很好的对样本点的分类进行预测，然后分别对不同类别的样本点进行数学建模，从而建立不同类别样本点的响应面数学模型，该方法可以最大限度的提高所建立数学模型的精度，减小预测误差。
-
公开(公告)号：CN106302522B
公开(公告)日：2019-08-06
申请号：CN201610833485.1
申请日：2016-09-20
Applicant: 华侨大学
Abstract: 本发明公开了一种基于神经网络和大数据的网络安全态势分析方法和系统，系统包括数据采集模块，数据分析模块和态势预测模块；数据采集模块在Flume组件上实现分布式的大数据采集；数据分析模块基于MapReduce并行化计算框架实现大数据的分布式处理，包括关联规则的挖掘和基于时间维度的初步态势预测；前两个模块包含在神经网络的输入层中，通过隐含层对输入层数据的融合处理传送给输出层，输出层通过局部态势判决结果，得出总体的安全态势分析预测情况，将这些有价值的数据存储在HBASE数据库中方便后续查询和展示。本发明通过神经网络和大数据分析进行自我学习和调整，实现了对大数据的网络安全态势分析。
-
公开(公告)号：CN109635998A
公开(公告)日：2019-04-16
申请号：CN201811302737.3
申请日：2018-11-02
Applicant: 华侨大学
CPC classification number: G06Q10/047 , G06N3/006 , G06Q10/08355
Abstract: 本发明提出了一种求解带时间窗车辆路径问题的自适应多目标优化方法，其内容涉及物流运输和智能计算两大技术领域。本发明的技术方案包含三个机制：一，评估当前解在不同目标上的优化潜力，并根据其值自适应地选择一个目标作为搜索方向；二，将不同邻域操作对各个目标的提升度进行量化，并结合所选择的搜索方向，自适应选择一种邻域操作对当前解进行局部搜索；三，引入邻域操作库，制定触发策略，对搜索过程中使用的邻域操作进行动态调整。本发明将以上三个机制进行结合，充分发挥不同邻域操作的搜索特性，可以有效提升带时间窗车辆路径问题的求解效率和优化效果。
-
公开(公告)号：CN104580212A
公开(公告)日：2015-04-29
申请号：CN201510008776.2
申请日：2015-01-08
Applicant: 华侨大学
Abstract: 一种基于UDP传输实现监控功能的应用层协议，该协议使用UDP作为传输层协议，实现基于IP网络的监控应用功能。其包括客户端状态机和服务器状态机。客户端发起监控呼叫请求并使用监控状态机处理后续信令。摄像头报警后服务器发起报警监控呼叫请求并启用报警监控呼叫状态机处理后续信令。客户端最后结束本次呼叫。由于UDP协议可以完成互联网接入功能。因此本发明协议的应用更加广泛，客户端可以在移动的情况下在任意地点任意时间进行实时地监控。
-
Patent Agency Ranking
公开(公告)号：CN104269175A
公开(公告)日：2015-01-07
申请号：CN201410431440.2
申请日：2014-08-28
Applicant: 华侨大学
IPC: G10L19/018 , G10L19/24 , H04M7/00
Abstract: 一种基于最佳相似度匹配的IP语音隐写方法，属于安全通信领域，适用于以IP语音(Voice over IP，VoIP)作为载体的隐蔽通信，本发明包括：(1)预先约定步骤；(2)嵌入隐秘信息步骤；(3)提取隐秘信息步骤。本发明依据“嵌入的隐秘信息与载体的相似度越大则隐写过程带来的失真越小”这一基本原理，通过以增加相似度为导向对隐秘信息预先进行多重启发式调制，并最终选取与载体具有最佳相似度的隐秘信息形式进行信息隐藏，极大地降低了对载体的改变量，从而有效地维护了IP语音的感官质量。此外，本发明公开的方法与具体的语音编码器无关，适用于所有可应用于IP语音的编码器，具有很好的普适性。
-
公开(公告)号：CN103986721A
公开(公告)日：2014-08-13
申请号：CN201410227422.2
申请日：2014-05-27
Applicant: 华侨大学
IPC: H04L29/06
Abstract: 一种面向IP语音的最低有效位隐写方法，属于安全通信领域，适用于以IP语音(Voice over IP,VoIP)为载体的隐蔽通信，其目的是降低隐写过程对载体语音质量的影响从而提高隐蔽通信的不可感知性。本发明包括(1)LSB分级步骤；(2)嵌入隐秘信息步骤；(3)提取隐秘信息步骤。本发明能够充分且有效地利用各LSB的冗余性，通过对LSB进行分级，使得在嵌入过程中可优先选取冗余性高的LSB位，从而尽最大可能减少了嵌入操作对载体语音质量的影响。此外，本发明中的最低有效位隐写方法，与语音流具体采用的语音编码无关，因而，适用于所有参数编码语音，具有很好的普适性。
-
公开(公告)号：CN119182609B
公开(公告)日：2025-02-14
申请号：CN202411660662.1
申请日：2024-11-20
Applicant: 华侨大学
Abstract: 本发明公开了一种融合大模型与强化学习的多智能体自动化渗透测试系统，涉及网络安全技术领域，包括：通过输入URL，启动结合大模型的混合多智能体自动化渗透测试流程；多智能体联合行动，对网站信息进行全面搜集与分类；多智能体并行执行漏洞挖掘，并将结果反馈以进行深度强化学习优化；多智能体针对挖掘到的漏洞，制定具体的利用方案；多智能体协同对潜在漏洞进行有效性验证，回收结果并利用深度学习反馈机制逐步提升决策准确性；多智能体依据模块结果生成安全报告，并反馈给相关智能体以增强深度学习性能，提升决策有效性。本发明集成大模型分析推理能力，实现多智能体协同调度，对目标网站执行自动化安全性扫描，有效探测并评估潜在的安全漏洞。
-
公开(公告)号：CN119094112A
公开(公告)日：2024-12-06
申请号：CN202411583346.9
申请日：2024-11-07
Applicant: 华侨大学
IPC: H04L9/06 , H04L67/1097 , H04L9/32
Abstract: 本发明公开了一种面向多价值密度云存储数据的完整性公开审计方法，涉及信息安全领域，包括如下步骤：参数预处理步骤；用户密钥生成步骤；用户数据预处理步骤；云端数据预处理步骤；挑战步骤；证据生成步骤；证据验证步骤。本发明所提出的公开审计方法，在确保云存储环境中多价值密度数据完整性的安全高效审计的同时，支持多价值密度数据的强度自适应审计以及实现云数据价值属性的隐私保护。
-
公开(公告)号：CN118839656A
公开(公告)日：2024-10-25
申请号：CN202410836482.8
申请日：2024-06-26
Applicant: 华侨大学
IPC: G06F30/394 , G06N3/042 , G06N3/045 , G06N3/044 , G06N3/08 , G06F111/06 , G06F111/20 , G06F115/12
Abstract: 本发明公开了一种基于图神经网络的电路板布线优化方法，包括以下步骤：S101，根据电路布线过程中的多目标特征构建目标函数；S102，构建基于边特征的图注意力模型；S103，生成随机数据并进行加工，利用根据所述目标函数构建的损失函数和加工后的数据对图注意力模型进行训练，生成训练好的图注意力模型；S104，收集实例数据，将收集到的实例数据输入训练好的图注意力模型，生成初始帕累托前沿解集外部存档；S105，通过局部搜索算法对初始帕累托前沿解集进行优化，得到最终帕累托前沿解集外部存档。本发明设计了基于边特征的图注意力模型的单模型，能更高效地获取电路板布线的解；并且通过局部搜索算法进一步优化了图注意力模型生成的解集。
-
-
-
-
-
-
-
-
-
Search Results
96
records
(took 0.022 seconds)
