-
Patent Agency Ranking
公开(公告)号：CN111327608A
公开(公告)日：2020-06-23
申请号：CN202010092028.8
申请日：2020-02-14
Applicant: 中南大学
Abstract: 本发明提供了一种基于级联深度神经网络的应用层恶意请求检测方法及系统，首先选择不同网络结构的深度神经网络模型，构建得到深度神经网络集合；再设计低漏报代价敏感损失函数并结合反向传播算法训练深度神经网络集合中的网络模型；接着设定位置排布策略并按该策略将深度神经网络集合中的训练好的网络模型串联成级联深度神经网络模型；然后通过“特征继承”连接单分类器的特征输出层、设置衰减代价敏感损失函数并结合反向传播算法训练级联深度神经网络模型；最后将数据预处理后的待检测应用层用户请求输入训练好的级联深度神经网络模型，得到其为恶意请求的预测概率，进而判断该待检测的应用层用户请求是否为恶意请求。本发明误报漏报率低。
-
公开(公告)号：CN111143544B
公开(公告)日：2023-06-16
申请号：CN201911338681.1
申请日：2019-12-23
Applicant: 中南大学
IPC: G06F16/335 , G06F18/2411 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种基于神经网络的柱形图信息提取方法、装置、电子设备及计算机可读存储介质，包括文本信息提取步骤/模块、数值信息提取步骤/模块和信息恢复步骤/模块。文本信息提取步骤/模块先使用目标检测模型对文本信息同时地进行定位和分类，然后通过光学字符识别器对文本信息进行字符识别，得到文本信息提取结果。数值信息提取步骤/模块通过编码器‑解码器架构来提取归一化的柱形值，并通过注意力模型来提高提取精确度。信息恢复步骤/模块先使用RANSAC回归对文本提取模块的结果进行错误过滤，然后恢复数值提取模块的归一化柱形值。本发明可以高效且精确地提取柱形图中的信息。
-
公开(公告)号：CN111143544A
公开(公告)日：2020-05-12
申请号：CN201911338681.1
申请日：2019-12-23
Applicant: 中南大学
IPC: G06F16/335 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明提供了一种基于神经网络的柱形图信息提取方法、装置、电子设备及计算机可读存储介质，包括文本信息提取步骤/模块、数值信息提取步骤/模块和信息恢复步骤/模块。文本信息提取步骤/模块先使用目标检测模型对文本信息同时地进行定位和分类，然后通过光学字符识别器对文本信息进行字符识别，得到文本信息提取结果。数值信息提取步骤/模块通过编码器-解码器架构来提取归一化的柱形值，并通过注意力模型来提高提取精确度。信息恢复步骤/模块先使用RANSAC回归对文本提取模块的结果进行错误过滤，然后恢复数值提取模块的归一化柱形值。本发明可以高效且精确地提取柱形图中的信息。
-
公开(公告)号：CN111327608B
公开(公告)日：2021-02-02
申请号：CN202010092028.8
申请日：2020-02-14
Applicant: 中南大学
Abstract: 本发明提供了一种基于级联深度神经网络的应用层恶意请求检测方法及系统，首先选择不同网络结构的深度神经网络模型，构建得到深度神经网络集合；再设计低漏报代价敏感损失函数并结合反向传播算法训练深度神经网络集合中的网络模型；接着设定位置排布策略并按该策略将深度神经网络集合中的训练好的网络模型串联成级联深度神经网络模型；然后通过“特征继承”连接单分类器的特征输出层、设置衰减代价敏感损失函数并结合反向传播算法训练级联深度神经网络模型；最后将数据预处理后的待检测应用层用户请求输入训练好的级联深度神经网络模型，得到其为恶意请求的预测概率，进而判断该待检测的应用层用户请求是否为恶意请求。本发明误报漏报率低。
-
-
-
-
Search Results
5
records
(took 0.019 seconds)
