-
公开(公告)号：CN110851824A
公开(公告)日：2020-02-28
申请号：CN201911106972.8
申请日：2019-11-13
Applicant: 哈尔滨工业大学 , 电子科技大学广东电子信息工程研究院
Abstract: 本发明属于计算机技术领域，具体涉及一种针对恶意容器的检测方法，包括以下步骤，步骤1、对被监控虚拟机中所有进程的创建行为进行监听；步骤2、判断创建的进程是否属于该虚拟机中的容器，若此进程属于该虚拟机中的容器，则读取其执行文件的信息；若此进程不属于该虚拟机中的容器，则结束；步骤3、在读取完毕后，从容器中查找该执行文件；步骤4、对执行文件进行安全扫描，若该执行文件为恶意文件，则测得其对应的容器即为恶意容器。与现有技术相比，本发明能够有效地检测出恶意容器，从而防止恶意容器对虚拟机的控制与控制，提高了系统的安全性。
-
公开(公告)号：CN110837641A
公开(公告)日：2020-02-25
申请号：CN201911106277.1
申请日：2019-11-13
Applicant: 电子科技大学广东电子信息工程研究院 , 哈尔滨工业大学
Abstract: 本发明属于计算机安全的技术领域，具体涉及一种基于内存分析的恶意软件检测方法，包括获取虚拟机的内存镜像，解析内存镜像中的内核数据结构，通过内核数据结构分析出恶意软件，获取恶意软件的可执行代码，以二进制文件的形式导出恶意软件的可执行代码，将二进制文件转换为灰度图像。本发明对恶意软件检测的安全性强，适用于检测多种类型的恶意软件以及运行于不同的操作系统版本，大大提高了检测的通用性和移植性。此外，本发明还提供了一种基于内存分析的恶意软件检测系统。
-
公开(公告)号：CN110363003A
公开(公告)日：2019-10-22
申请号：CN201910680599.0
申请日：2019-07-25
Applicant: 哈尔滨工业大学
Abstract: 一种基于深度学习的Android病毒静态检测方法，涉及到网络病毒检测技术领域。本发明为了解决现有的Android病毒静态检测方法存在可实际应用的检测时间较长、无法应对代码混淆、误报率和漏报率偏高、不能解决单个病毒的多恶意家族行为检测的问题。技术要点：从用户的Android端获取广义权限序列；将获取的权限序列作为黑白二分类模型的输入，将得到Android平台的应用APK的权限序列提取出来，作为分类模型的输入；如二分类结果为良性软件则直接返回给用户，如果检测的结果为恶意软件，则将它的权限序列再作为家族分类模型的输入；最终从家族检测模型中获取到预测的病毒家族种类，并返回给用户，检测结束。本发明用于Android病毒的检测。
-
公开(公告)号：CN109657159A
公开(公告)日：2019-04-19
申请号：CN201811547552.9
申请日：2018-12-18
Applicant: 哈尔滨工业大学
IPC: G06F16/9536 , G06F16/35 , G06N20/00 , G06Q50/00
Abstract: 舆情数据角色识别中异构关系数据的迁移学习界限的确定方法，涉及迁移学习技术领域。为了解决现有技术没有联合两个领域的数据进行学习再运用到目标域中，分类效果不准确的问题。定义度量两个异构领域间差异的 散度，利用它求出均来自同一个抽象假设类A的两个领域的经验距离并给出将两个类转化到同一个特征空间下的算法，给出经验距离和真实距离之间的差异界限，给出最小化目标域误差的界限，最终又给出泛化能力最强并结合源域和目标域训练数据的泛化误差，通过最小化联合误差来得到目标域误差的界限。所得出的界限保证在目标域标记数据很少的情况下也能得到一个合理的界限值。适用于公共大数据及新媒体数据平台中的各种识别问题。
-
公开(公告)号：CN108958886A
公开(公告)日：2018-12-07
申请号：CN201810708740.9
申请日：2018-07-02
Applicant: 哈尔滨工业大学
IPC: G06F9/455 , G06F9/50 , G06F9/54 , G06F9/4401
CPC classification number: G06F9/45558 , G06F9/4401 , G06F9/5077 , G06F9/544 , G06F9/547 , G06F2009/45562
Abstract: 一种基于网络流的虚拟机快速部署系统及方法，涉及虚拟机部署领域。本发明为了解决传统虚拟化技术存在耗时长、会产生大量的随机I/O请求的问题。本发明的方法中，在部署开始，计算节点i从其他计算节点挂载镜像，并启动镜像传输，优先传输Boot Cache数据，再传输镜像中其他部分数据；创建虚拟机实例和对应的镜像读写层，将镜像读写层链接到镜像，启动虚拟实例；镜像对虚拟机实例只读，多个虚拟机实例共享同一个镜像实体，虚拟机写入的数据保存在对应的镜像读写层中；虚拟机启动过程和镜像传输过程同步进行；当镜像传输完成之后，计算节点i向控制节点注册镜像缓存服务，为其他计算节点提供缓存服务。本发明用于虚拟机部署。
-
Patent Agency Ranking
公开(公告)号：CN120017622A
公开(公告)日：2025-05-16
申请号：CN202510171471.7
申请日：2025-02-17
Applicant: 哈尔滨工业大学
IPC: H04L49/60 , H04L49/111 , H04L69/22
Abstract: 一种基于协议无感知转发的NDN移动支撑方法，涉及网络移动支撑技术领域。本发明是为了解决目前在POF上无法实现NDN移动支撑的问题。本发明包括：控制器监控POF交换机上线事件，当POF交换机上线，则下发初始流表规则；从本地NFD获取NDN报文，为NDN报文添加前置头，并将带有前置头的NDN报文发送给POF交换机；POF交换机上的流表流水线按照流表规则匹配转发带有前置头的NDN报文；从交换机POF获取带有NDN前置头的NDN报文，并对NDN前置头删除，将NDN报文发送到本地NFD。本发明用于实现在POF实现NDN的移动支撑。
-
公开(公告)号：CN119854215A
公开(公告)日：2025-04-18
申请号：CN202510069478.8
申请日：2025-01-16
Applicant: 哈尔滨工业大学
Abstract: 一种适用于变化网络拓扑的NDN拥塞控制方法，涉及网络通信传输技术领域。本发明是为了解决现有拥塞控制方法还存在无法充分利用带宽资源，导致在网络状况频繁变化的场景下吞吐量低和时延高的问题。本发明包括：消费者在设定的拥塞窗口内按照设定速率向转发器发送兴趣包；转发器收到兴趣包后将兴趣包转发给生产者，生产者生成数据包发送给转发器；各个转发器按照数据包达到转发器的顺序转发数据包，同时更新数据包中的拥塞值，然后将包含队列拥塞程度值的数据包发送给消费者；消费者根据数据包中的拥塞程度值调整拥塞窗口大小或兴趣包发送速率。本发明用于NDN拥塞控制。
-
公开(公告)号：CN117879968B
公开(公告)日：2024-11-01
申请号：CN202410163731.1
申请日：2024-02-05
Applicant: 哈尔滨工业大学
Abstract: 本发明提出一种多维度工业网络行为异常检测方法，属于网络行为检测技术领域。包括：S1.建构多视图关联分析的行为分析模型；S2.建构多维跨域共享学习模型，以工控网络多维度视图及共享节点嵌入作为输入，以新的共享节点嵌入作为输出；S3.建构单域特定学习模型，使模型在多个维度上对异常进行评估和检测；S4.在多个维度上进行单视图特定学习，强化学习各维度上的嵌入信息，并根据各维度嵌入特征重建预测行为值，根据预测行为与实际行为的偏差计算各维度上的异常得分；S5.设置异常得分阈值，当异常得分在异常得分阈值内，进行异常告警。解决缺乏多维度识别和理解网络行为、处理高维数据的效率差的问题。
-
公开(公告)号：CN116306986B
公开(公告)日：2024-01-12
申请号：CN202211569899.X
申请日：2022-12-08
Applicant: 哈尔滨工业大学(深圳)
IPC: G06N20/20
Abstract: 本发明公开一种基于动态亲和力聚合的联邦学习方法及相关设备，所述方法包括：服务器端发送初始化模型至所有客户端；客户端利用预存的本地数据对初始化模型进行模型训练，得到经过训练后的模型参数后；服务器端根据类别数量组成数据分布向量后，计算所有客户端之间的亲和力值；服务器端根据经过训练后的模型参数和亲和力值生成每个客户端在本轮中的个性化全局模型；客户端在每轮通信上结合个性化全局模型更新经过训练后的模型参数，直至服务器端执行完所有的通信轮次。通过服务器端根据经过训练后的模型参数和所有客户端之间的亲和力值，生成每个客户端的个性化全局模型，以便客户端进行更新训练后的模型参数，从而有效地提(56)对比文件应作斌等.动态聚合权重的隐私保护联邦学习框架《.网络与信息安全学报》.2022,第8卷(第5期),56-65.陈飞扬等.FCAT-FL:基于Non-IID数据的高效联邦学习算法《.南京邮电大学学报(自然科学版)》.2022,第42卷(第3期),90-99.Zhiyuan Zhao等.A Dynamic ReweightingStrategy For Fair Federated Learning.《2022 IEEE International Conference onAcoustics, Speech and Signal Processing》.2022,8772-8776.You Jun Kim等.Blockchain-based Node-aware Dynamic Weighting Methods forImproving Federated Learning Performance.《2019 20th Asia-Pacific NetworkOperations and Management Symposium》.2019,1-4.
-
公开(公告)号：CN115150632B
公开(公告)日：2023-12-05
申请号：CN202210758649.4
申请日：2022-06-30
IPC: H04N21/2187 , H04N21/845 , H04N21/4782 , H04N21/433 , H04N21/4402
Abstract: 一种基于命名数据网络的低延时视频直播方法及系统，涉及视频直播技术领域，用以解决现有的基于命名数据网络的视频直播延时较高的问题。本发明的技术要点包括：将低延时HLS协议应用到命名数据网络中，在命名数据网络中实现低延时视频直播；gpac流处理软件将封装好的视频数据主动推到NDN报文封装模块中，通过这种方式避免从gpac生成数据到NDN报文封装模块获取数据之间的延迟；通过直接使用内存保存数据，避免与数据库交互、数据库查询和维护数据过程中与磁盘交互的用时；当NDN生产者接收到interest报文且未在缓存中查找到interest指向的数据时将其添加到待处理interest报文列表中，支持低延时HLS中的预加载，进一步降低了延迟。本发明可应用于基于命名数据网络的视频直播中。
-
-
-
-
-
-
-
-
-
Search Results
181
records
(took 0.034 seconds)
