基于虚假位置注入的移动APP隐私保护的位置采集方法、系统及介质

    公开(公告)号:CN113993125A

    公开(公告)日:2022-01-28

    申请号:CN202111207530.X

    申请日:2021-10-18

    Applicant: 暨南大学

    Abstract: 本发明公开了一种基于虚假位置注入的移动APP隐私保护的位置采集方法、系统及介质。该方法具体为:服务端将数据收集方收集的位置信息拦截;根据用户需求生成虚假的GPS定位信息,使用k‑匿名算法伪造匿名的GPS定位信息,使用POI替换技术对匿名后的GPS定位信息进行二次处理,得到虚假的GPS定位信息;将虚假的GPS定位信息注入到GPS定位信息的返回值。本发明利用Xposed框架来实现对GPS定位的伪造,用户可以将自己的匿名位置信息注入到某一现有的基于位置的服务第三方应用,在任意时间根据自己需求对自己的位置信息进行保护,且不影响原有基于位置服务软件的功能。另外,本发明通过POI(兴趣点)替换技术对k‑匿名生成的虚假位置进行二次处理,提高隐私保护的强度。

    面向信息物理系统的可靠边缘-云计算服务延迟优化方法

    公开(公告)号:CN113918321A

    公开(公告)日:2022-01-11

    申请号:CN202111048618.1

    申请日:2021-09-08

    Applicant: 暨南大学

    Abstract: 本发明公开了一种面向信息物理系统的可靠边缘‑云计算服务延迟优化方法,该方法为结合静态和动态两阶段的服务延迟优化方法,在静态阶段,采用蒙特卡罗模拟和整数线性规划来寻找最优计算卸载映射和任务备份数量。在动态阶段,提出了一种自适应备份的动态机制,以避免冗余的数据传输和执行,从而实现额外的节能和业务延迟的增强。本发明解决了在能量预算和可靠性要求约束下,耦合CPS的边缘云计算服务延迟最小化问题,通过结合静态阶段和动态阶段进行服务延迟优化,有效减少了系统服务延迟。

    一种基于强化学习的无人机群智感知任务的路径规划方法

    公开(公告)号:CN113641192A

    公开(公告)日:2021-11-12

    申请号:CN202110763664.3

    申请日:2021-07-06

    Applicant: 暨南大学

    Abstract: 本发明公开了一种基于强化学习的无人机群智感知任务的路径规划方法,在演员‑批评者架构中加入多头注意力机制和对其他无人机策略的拟合,使得无人机执行决策时,充分考虑其他无人机的状态和策略。当无人机的数据收集量大于平均水平时,给予额外的奖励值以加速任务完成。当无人机间的路径重叠时,根据信号点数据量判断属于协作或竞争,依此修正它们的奖励值,从而促进其协作。使用n步返回时序差分计算批评者网络的目标价值,使无人机更有远见。最后,为使无人机更好的探索最大化数据收集量,使用分布式架构,给不同虚拟场景的无人机决策网络输出的动作加上不同方差的噪声。

    基于卷积神经网络架构优化的工控入侵检测系统及方法

    公开(公告)号:CN113591078A

    公开(公告)日:2021-11-02

    申请号:CN202110886083.9

    申请日:2021-08-03

    Applicant: 暨南大学

    Abstract: 本发明公开了一种基于卷积神经网络架构优化的工控入侵检测系统及方法。从工控系统历史数据库中采集生成过程的历史监控数据,经过数据解析和归一化后作为工控入侵检测离线训练模块的输入数据集,设计基于离散群体演化方法的卷积神经网络架构优化平台,获得工控入侵检测特征库和最优架构的卷积神经网络模型,针对工控系统实时数据库中的实时监控数据,从而实现工控入侵检测的在线检测。本发明不仅可实现用于工控入侵检测系统的卷积神经网络架构的自动生成和优化设计,提高了工控入侵检测系统的智能化设计水平和设计效率,还提升了工控系统入侵检测的精准率、召回率和F1评分等性能指标。

    一种用于汽车ECU间安全通信的密钥交换方法

    公开(公告)号:CN113315636A

    公开(公告)日:2021-08-27

    申请号:CN202110597211.8

    申请日:2021-05-31

    Applicant: 暨南大学

    Abstract: 本发明公开了一种用于汽车ECU间安全通信的密钥交换方法,该方法包括下述步骤:将参与密钥交换的所有车辆ECU两两分组;通信双方的车辆ECU直接传输所需的明文参数以及私有的随机整数;车辆ECU生成公钥并发送签名;车辆ECU对报文签名进行校验并生成组密钥,进行组密钥交换;将任意两个逻辑实体安全连接形成一个新逻辑实体,双方逻辑实体互相验证身份后发送已有组密钥,接收方将发送方的组密钥与逻辑实体内部各个车辆ECU的私钥都进行幂运算;采用并行的方式合并形成逻辑实体,当所有车辆ECU处于同一逻辑实体时,生成共享会话密钥。本发明完成ECU之间密钥交换所需存储资源小、消耗计算资源少,适合于有限的CAN总线容量。

    一种基于RGB图像编码的车辆总线攻击检测方法

    公开(公告)号:CN113301020A

    公开(公告)日:2021-08-24

    申请号:CN202110440935.1

    申请日:2021-04-23

    Applicant: 暨南大学

    Abstract: 本发明公开了一种基于RGB图像编码的车辆总线攻击检测方法,该方法包括下述步骤:采集CAN总线正常和攻击报文数据集;对数据集的报文ID域和数据域进行特征提取;编码报文ID域和数据域行向量为报文编码矩阵,报文编码矩阵内每个元素均由三元组构成;将报文编码矩阵转换成RGB图像,将报文编码矩阵的三元组元素逐一映射成对应RGB颜色的像素;构建RGB图像分类模型,根据图像特征进行分类,对报文进行攻击识别和分类,并计算得到置信概率;对攻击分类结果的置信概率高于设定阈值的报文判定为车辆总线遭受攻击。本发明采用RGB编码将报文检测范围从ID域扩展至数据域,使得攻击检测方法的泛化能力更强,检测范围更广、准确率更高。

    一种基于灰度图像深度学习的车内网络报文异常检测方法

    公开(公告)号:CN113285924A

    公开(公告)日:2021-08-20

    申请号:CN202110440836.3

    申请日:2021-04-23

    Applicant: 暨南大学

    Abstract: 本发明公开了一种基于灰度图像深度学习的车内网络报文异常检测方法,该方法包括下述步骤:获取CAN总线的网络报文数据集;采用位反转算法从CAN帧的数据域提取信号特征值;将信号特征值按照总线读取顺序排列,将排列后的数据设定多条报文一组,创建像素矩阵,转化成灰度图像数据集;构建深度学习网络模型,以灰度图像为媒介学习车内网络报文流量的空间特征;训练深度学习网络模型,学习不同车内网络报文信号输出的值调整输出值域;将待检测的CAN报文转成灰度图像,输入训练后的深度学习网络模型进行空间特征识别,通过计算未标记报文的输出值判断报文为正常报文或攻击报文。本发明满足在车内计算资源受限环境中实时报文异常检测的要求。

    一种自适应的车内CAN总线安全控制方法及系统

    公开(公告)号:CN110377002B

    公开(公告)日:2021-07-30

    申请号:CN201910493594.7

    申请日:2019-06-06

    Abstract: 本发明属于网联汽车信息处理技术领域,公开了一种自适应的车内CAN总线安全控制方法及系统,通过对报文特点和车内网络环境的分析,选择若干影响因素,进行自适应的选取安全策略,在满足报文的安全需求的同时,根据动态的车内网络环境自适应地调整安全策略;将车内ECU节点的通信频率抽象为无向图,以通信频率作为图的边权重,采用马尔可夫聚类的方法根据ECU之间通信频率将其划分为层次化的域结构,并使用树形域密钥结构对节点进行密钥管理,同时结合自适应安全策略选取方法,进行差异化的安全策略及相应的通信协议选取。本发明所需开销有限,适用于计算能力受限的ECU节点和高实时性需求的CAN总线网络。

    一种密文JPEG图像的检索方法及应用

    公开(公告)号:CN112417190A

    公开(公告)日:2021-02-26

    申请号:CN202011353549.0

    申请日:2020-11-27

    Applicant: 暨南大学

    Abstract: 本发明公开了一种密文JPEG图像的检索方法及应用,该方法的步骤包括:获取明文图像及相应的DC系数和AC系数,对明文图像进行图像加密,在熵编码生成比特流是对比特流加密,得到加密的JPEG比特流,并在加密的JPEG比特流中提取特征;解析密文JPEG比特流提取特征,提取DC系数和AC系数的哈夫曼码直方图作为特征;构建神经网络模型,将密文图像的哈夫曼码直方图特征输入神经网络模型,并训练神经网络模型;输入待检索图像加密后的密文图,将密文图的哈夫曼码直方图特征输入到训练好的神经网络模型,输出与待检索图像相似的密文图像。本发明在提升图像检索精度的同时也保证了JPEG图像格式兼容性和加密性能。

    APT恶意软件组织的开集识别方法、装置、设备和介质

    公开(公告)号:CN112001423A

    公开(公告)日:2020-11-27

    申请号:CN202010741373.X

    申请日:2020-07-29

    Applicant: 暨南大学

    Abstract: 本发明公开APT恶意软件组织的开集识别方法、装置、设备和介质,首先获取训练样本,将多粒度扫描结构的输出分别作为级联森林分类结构和卷积神经网络的输入,通过训练样本训练得到多粒度扫描模型、级联森林分类模型和卷积神经网络模型;将测试样本的特征向量输入到多粒度扫描模型,多粒度扫描模型输出的一次表征向量分别输入级联森林分类模型以及卷积神经网络模型,得到测试样本的预分类组织结果和二次表征向量,结合测试样本的预分类组织和二次表征向量,得到测试样本开集识别结果。本发明能够在开集环境中即对隶属于之前出现过的组织类别的恶意样本进行准确分类到旧组织中,对从未出现过的组织类别的样本,也能够准确的识别出来。

Patent Agency Ranking