公开(公告)号：CN116527357A

公开(公告)日：2023-08-01

申请号：CN202310460958.8

申请日：2023-04-26

Applicant: 东北大学

Inventor： 鲍张军 ,  易秀双 ,  王宇 ,  张晓燕 ,  于北溟

IPC: H04L9/40 ,  G06F18/2431 ,  G06F18/25 ,  G06F18/213 ,  G06N3/045 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/0442 ,  G06N3/048 ,  G06N3/09 ,  H04L67/02 ,  H04L41/16

Abstract: 本发明提供一种基于门控Transformer的Web攻击检测方法，涉及网络维护技术领域。本发明的方法提出的基于门控Transformer的网络模型，将Transformer和门控卷积模块结合在一起，Transformer通过多头自注意力机制提取不同空间维度的全局语义信息，门控卷积通过一维卷积核提取局部空间的信息，并采用门控机制对文本信息进行筛选与过滤。本发明能够有效的进行多维度全局特征与局部特征的提取，混合词向量表能够包含更准确丰富的语义信息；能够自动提取文本序列中的有效数据信息特征，不需要手动进行信息筛选和词表替换；进一步提升模型多分类攻击检测的准确率并降低误报率，能够充分保护Web服务器系统的安全。

公开(公告)号：CN116450877A

公开(公告)日：2023-07-18

申请号：CN202310460960.5

申请日：2023-04-26

Applicant: 东北大学

Inventor： 于北溟 ,  杨振飞 ,  易秀双 ,  王宇 ,  鲍张军 ,  张晓燕

IPC: G06F16/583 ,  G06F18/214 ,  G06F18/22 ,  G06N3/0455 ,  G06N3/08

Abstract: 本发明提供一种基于语义选择与层次对齐的图像文本匹配方法，涉及多模态数据处理技术领域。针对模型的检索速度要求，本发明采用基于对齐的模型作为基本架构；针对模态特征对应关系的复杂性与模态内信息的冗余性，本发明利用门控注意力单元和自适应权重细粒度计算方法进行特征的选择与过滤；同时为了挖掘Transformer编码器的性能，本发明设计了一种跨模态层次对齐方法，优化了编码器，获得了高质量模态特征表示。本发明提出的方法旨在帮助对齐模型理解异构模态信息，在不增加额外交互的情况下，获得更高的检索性能。