-
公开(公告)号:CN108449145A
公开(公告)日:2018-08-24
申请号:CN201810237628.1
申请日:2018-03-21
Applicant: 广州大学
CPC classification number: H04L9/0631 , H04B10/70 , H04L9/0819 , H04L9/0852 , H04L9/0861 , H04L63/0428 , H04L63/06
Abstract: 本发明公开了一种基于量子密钥的密文传输方法,该方法包括:发送终端在发送需通信的明文前,通过量子信道将生成的第一量子密钥发送给接收终端,并检测量子信道是否安全,以使接收终端在确定量子信道为安全时,存储第一量子密钥;发送终端根据第一量子密钥和密钥转换次数N,对需通信的明文进行加密,获得第一密文;发送终端将第一密文发送给接收终端,以使接收终端解析第一密文,获取密钥转换次数N,并根据存储的第一量子密钥和密钥转换次数N,解码第一密文,获得需通信的明文。采用本发明实施例,能降低干扰者对通信信道的攻击影响,使得量子信道在被监听中断后仍能继续传递机密消息。
-
公开(公告)号:CN117938473A
公开(公告)日:2024-04-26
申请号:CN202410010321.3
申请日:2024-01-04
Applicant: 广州大学
IPC: H04L9/40 , G06F18/213 , G06N20/00 , G06N3/006
Abstract: 本发明公开了一种多蜜罐场景下基于强化学习高攻防交互的欺骗防御方法及装置,方法包括:利用流量判别模块采集外部流量数据获取实时的访问流量,筛选访问流量中的恶意流量;利用攻击预测模块提取恶意流量的攻击特征并进行分类;形成蜜罐防御智能体的观测状态,在改进的PPO‑P模型中预测防御响应策略;基于防御响应策略选择做出反应的蜜罐以及蜜罐需要做出的相应的响应动作类型;利用奖励函数对蜜罐进行奖惩处理,将奖励值不断反馈改进的PPO‑P模型;经过迭代预测后,获取最佳的防御响应策略。本发明在提高攻防交互性的基础上,对攻击者进行诱捕分析和溯源反制,能够达到更高效的欺骗防御效果。
-
公开(公告)号:CN117422926A
公开(公告)日:2024-01-19
申请号:CN202311483282.0
申请日:2023-11-08
Applicant: 广州大学
IPC: G06V10/764 , G06V10/74 , G06V10/82 , G06V10/40 , G06F40/30 , G06F40/284 , G06N3/08
Abstract: 本发明提供了一种基于CLIP模型和词树的分布外检测方法及装置,方法包括:识别分布内数据集中每个分布内词在WordNet中的位置,并在WordNet中选定与各个所述分布内词最相似的k个分布外词;利用分布内词和选定的与各个所述分布内词最相似的k个分布外词,构建词树;获取待检测图像;使用CLIP模型对所述待检测图像和所述词树上的词进行概念匹配,得到概念匹配分数;基于概念匹配分数计算分布外分数,并根据所述分布外分数进行分布外检测,得到分布外检测结果。本发明通过搜索在WordNet中和分布内词最接近的k个分布外词,构建了词树,并结合CLIP模型进行概念匹配,以计算分布外分数来进行分布外检测,充分利用了WordNet中的词与词之间的联系,实现了更为精确的分布外检测效果。
-
公开(公告)号:CN111860498B
公开(公告)日:2023-12-19
申请号:CN202010620936.X
申请日:2020-07-01
Applicant: 广州大学 , 中国人民解放军国防科技大学
Abstract: 本发明公开了一种车牌的对抗性样本生成方法、装置及存储介质,该方法先获取基准图像和多个非基准图像,并对图像进行预处理后获得第一车牌图像集;然后计算第一车牌图像集的平均图像,并根据识别模型的错误识别概率,确定对抗条纹在评价图像中的放置位置,再根据识别模型的损失函数,计算对抗条纹在平均图像中的放置位置时各点对应的像素值;最后结合打印后的对抗条纹和真实车牌,通过采集获得该识别模型的对抗性样本。采用本发明技术方案能够实现在真实物理世界中的对抗攻击,从而提高车牌检测识别系统的鲁棒性和防御对抗攻击的能力。
-
公开(公告)号:CN116797875A
公开(公告)日:2023-09-22
申请号:CN202310742236.1
申请日:2023-06-20
Applicant: 广州大学
IPC: G06V10/774 , G06V10/764 , G06V10/82 , G06V20/64 , G06N3/045 , G06N3/0464 , G06N3/08 , G06N5/04
Abstract: 本发明公开一种可重新参数化的轻量级3D点云神经网络学习方法,涉及3D点云分类领域以及神经网络模型领域。其中,包括以下步骤:S1:构建多分支的点云分类训练模型;S2:将训练数据输入多分支的训练模型中进行训练,得到训练模型参数;S3:通过对训练模型的参数进行计算,实现重新参数化,得到推理模型。通过重新参数化得到的单路径推理模型,结构简单,但是拥有复杂的多分支模型的性能,更适合部署在计算资源有限的设备上,提升设备的性能,但是不会耗费更多的计算资源。
-
公开(公告)号:CN113705619B
公开(公告)日:2023-09-12
申请号:CN202110884285.X
申请日:2021-08-03
Applicant: 广州大学
IPC: G06F18/214 , G06N20/00 , G06F18/241
Abstract: 本发明提供了一种恶意流量检测方法、系统、计算机及介质,所述方法为获取待检测流量数据;提取所述待检测流量数据的待分析字段信息集,并将所述待分析字段信息集按照预设比例划分为训练集和测试集;确定所述训练集和测试集的待分析特征;将所述训练集的待分析特征输入到多个预设分类器进行训练,并通过软投票法对所述多个预设分类器集成,得到恶意流量检测模型;将所述测试集的待分析特征输入到所述恶意流量检测模型进行测试,得到预测结果。本发明不仅实现了无需解密即可精准识别恶意流量的技术效果,而且提高了恶意流量检测模型的泛化能力和安全性,还可以部署在不同的防火墙、入侵检测系统和入侵防御系统上,具有较好的通用性。
-
公开(公告)号:CN116704161A
公开(公告)日:2023-09-05
申请号:CN202310680953.6
申请日:2023-06-08
Applicant: 广州大学
Abstract: 本公开提供了一种3D点云攻击迭代中考虑不易察觉性的方法及装置,其中,方法包括:将3D点云中所有存在的点依次作为中心点,将除该中心点外其余所有点作为与该中心点相对的周围点;计算一个迭代周期内中心点与其周围点的欧式距离,根据欧式距离值与参数半径大小的比较结果得到中心点周围密度;计算一个迭代周期攻击后与攻击前的中心点周围密度的差值,将差值作为奇异度;根据奇异度的大小判断周围点向中心点的靠近程度;根据靠近程度选择中心点是否进入下一个迭代周期。本公开在原始点云迭代攻击过程中加入奇异度计算,能够在较少的计算消耗下考虑点云攻击的不易察觉性,同时不破坏原攻击算法的攻击能力。
-
公开(公告)号:CN116614263A
公开(公告)日:2023-08-18
申请号:CN202310481049.2
申请日:2023-04-27
Abstract: 本申请实施例提供了一种网络入侵检测的协同推演方法及装置、存储介质,根据不同主机之间的通信关系图构建目标元胞自动机,相比于传统的元胞自动机,目标元胞自动机的每个元胞配置有元胞数据属性,因此能够根据元胞数据属性对目标元胞自动机的所有元胞进行入侵检测,并且结合了模式匹配算法和隐马尔可夫模型基于元胞自身状态的时序关系和邻居元胞状态的空间关系进行协同推理预测,可以基于对目标元胞自动机上进行的状态计算和状态推理演化而实现入侵检测协同推演,不仅能够检测入侵攻击还能够预测入侵攻击的发展趋势,有利于提高网络入侵的攻击检测效率,从而为防御方的防御工作提供帮助。
-
公开(公告)号:CN113610114B
公开(公告)日:2023-08-08
申请号:CN202110782315.6
申请日:2021-07-09
Applicant: 广州大学
IPC: G06V10/62 , G06V20/54 , G06V10/774 , G06V10/764 , G06V10/74 , G06V10/44 , G06V10/82 , G06T3/40 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种车辆重识别方法、系统、计算机设备和存储介质,所述方法包括:将车辆图像输入第一神经网络,从中提取全局特征,并对所述全局特征进行训练,得到全局分支重识别结果;对所述车辆图像中的局部区域目标进行检测,得到初始局部区域块;对所述初始局部区域块进行超分辨率处理,得到高质量局部区域块;将所述高质量局部区域块输入第二神经网络,从中提取局部特征,并对所述局部特征进行训练,得到局部分支重识别结果;将所述全局分支重识别结果和所述局部分支重识别结果加权求和,得到重识别结果。本发明能够解决车辆重识别中类间相似和类内差异问题,减少计算过程中的噪声,提高重识别的准确率,同时在一定程度上解决了遮挡问题。
-
公开(公告)号:CN116527296A
公开(公告)日:2023-08-01
申请号:CN202211610531.3
申请日:2022-12-14
Applicant: 广州大学 , 中国电力科学研究院有限公司 , 国网上海市电力公司
IPC: H04L9/40
Abstract: 本发明涉及机器学习和网络安全领域,且公开了一种多层次网络安全态势评估方法,包括以下步骤:对各个不同的攻击风险分指标的数据预先将其进行归一化、属性规约、数据清洗以及缺失值处理;利用LightGBM算法对攻击风险分指标评估;利用LightBGM算法对攻击风险分指标与权重相结合求出攻击风险指数;利用基于模拟退火算法对攻击风险分指标权重的迭代优化,该多层次网络安全态势评估方法,能针对各个不同的攻击风险分指标的数据维度大,范围广,需将其进行归一化、属性规约、数据清洗、缺失值处理。对各攻击风险分指标子特征数据通过多进程并行输入到各自的LightGBM模型中进行训练,从而得到攻击风险分指标的分数。
-
-
-
-
-
-
-
-
-