一种网络扫描方法、装置、设备以及存储介质

    公开(公告)号:CN118764246B

    公开(公告)日:2025-03-28

    申请号:CN202410896538.9

    申请日:2024-07-04

    Abstract: 本申请公开了一种网络扫描方法、装置、设备以及存储介质,考虑到现有的网络扫描方法常依赖于固定的扫描参数对网络资产进行扫描,无法适应多变的扫描环境,导致扫描的效率和准确率均无法得到保证,所以本申请提供了一种新的网络扫描方法,该方法能够根据待扫描资产变化的资产信息和变化的网络信息实时的对扫描参数进行调整,以基于调整后的扫描参数对待扫描资产进行扫描,所以本申请提供的网络扫描方法能够适应多变的网络环境和多变的网络资产,不以一刀切的扫描方式对不同的网络资产进行扫描,其扫描方式更具灵活性,且扫描的效率以及准确率均得到了提升。

    基于超网的异构联邦学习方法、设备及介质

    公开(公告)号:CN115860135B

    公开(公告)日:2023-08-01

    申请号:CN202211432123.3

    申请日:2022-11-16

    Abstract: 本发明公开了一种基于超网的异构联邦学习方法、设备及介质,以实现通过超网为边缘设备上的异构模型生成模型权重,帮助如摄像头、智能手机等设备上的不同卷积神经网络模型能够在不同模型结构的情况下,依然能够准确快速地完成模型的联邦学习任务,并减少了在联邦学习训练过程中所需占用的内存空间。包括合理划分cifar10数据集;生成异构模型;进行异构联邦学习;重复步骤S2、S3,当客户端异构模型收敛时,超网为客户端生成模型权重,可以让客户端模型准确完成目标识别任务,此时超网H直接部署在新的边缘设备中为新的异构模型生成权重,完成新的图像处理任务。有效完成图像处理任务,减少内存空间,极大地降低了通信成本。

    一种检测方法、系统、设备和存储介质

    公开(公告)号:CN118764247A

    公开(公告)日:2024-10-11

    申请号:CN202410896572.6

    申请日:2024-07-04

    Abstract: 本申请公开了一种检测方法、系统、设备和存储介质,考虑到目前进行入网安全检测的工具较为分散,多需要人为参与,具有一定的局限性,本申请提供了一种检测方法,该检测方法能够针对待检测对象的检测要求和检测数据自动的对检测对象匹配对应的目标决策工具,以通过目标决策工具对待检测对象的目标数据进行异常检测,以根据异常检测的检测结果确定是否允许待检测对象入网。该系统能够自动的对待检测对象进行入网安全检测,全程不需要人工参与,不仅能够避免进行入网安全检测的局限性,还可以节约人力资源,进一步的避免人为参与容易出现检测不准确的情况出现,达到提高入网安全检测的可靠性。

    共享数据资源异常检测方法、系统、设备、存储器及产品

    公开(公告)号:CN116248412B

    公开(公告)日:2023-08-22

    申请号:CN202310466126.7

    申请日:2023-04-27

    Inventor: 任皓 刘敏超

    Abstract: 本申请公开了一种共享数据资源异常检测方法、系统、设备、存储器及产品,其中,一种共享数据资源异常检测方法,包括:获取agent监控节点中的第一访问数据和链路检测节点中的第二访问数据;对所述第一访问数据和所述第二访问数据进行预处理,以得到第一语义数据和第二语义数据;基于所述第一语义数据和第二语义数据,判断是否存在疑似数据泄露异常行为;当存在疑似数据泄露异常行为时,将所述第一访问数据和所述第二访问数据输入至预先训练好的孪生神经网络模型中,输出相似度结果,以确认是否存在数据泄露异常行为,从而通过语义数据等信息自动筛选疑似异常使用行为,进而对异常行为进行确认,避免数据泄漏同时提高了异常数据确认的准确度。

    使用超网解决异构联邦学习的方法、设备及介质

    公开(公告)号:CN115860135A

    公开(公告)日:2023-03-28

    申请号:CN202211432123.3

    申请日:2022-11-16

    Abstract: 本发明公开了一种使用超网解决异构联邦学习的方法、设备及介质,以实现通过超网为边缘设备上的异构模型生成模型权重,帮助如摄像头、智能手机等设备上的不同卷积神经网络模型能够在不同模型结构的情况下,依然能够准确快速地完成模型的联邦学习任务,并减少了在联邦学习训练过程中所需占用的内存空间。包括合理划分cifar10数据集;生成异构模型;进行异构联邦学习;重复步骤S2、S3,当客户端异构模型收敛时,超网为客户端生成模型权重,可以让客户端模型准确完成目标识别任务,此时超网H直接部署在新的边缘设备中为新的异构模型生成权重,完成新的图像处理任务。有效完成图像处理任务,减少内存空间,极大地降低了通信成本。

    一种网络扫描方法、装置、设备以及存储介质

    公开(公告)号:CN118764246A

    公开(公告)日:2024-10-11

    申请号:CN202410896538.9

    申请日:2024-07-04

    Abstract: 本申请公开了一种网络扫描方法、装置、设备以及存储介质,考虑到现有的网络扫描方法常依赖于固定的扫描参数对网络资产进行扫描,无法适应多变的扫描环境,导致扫描的效率和准确率均无法得到保证,所以本申请提供了一种新的网络扫描方法,该方法能够根据待扫描资产变化的资产信息和变化的网络信息实时的对扫描参数进行调整,以基于调整后的扫描参数对待扫描资产进行扫描,所以本申请提供的网络扫描方法能够适应多变的网络环境和多变的网络资产,不以一刀切的扫描方式对不同的网络资产进行扫描,其扫描方式更具灵活性,且扫描的效率以及准确率均得到了提升。

    共享数据资源异常检测方法、系统、设备、存储器及产品

    公开(公告)号:CN116248412A

    公开(公告)日:2023-06-09

    申请号:CN202310466126.7

    申请日:2023-04-27

    Inventor: 任皓 刘敏超

    Abstract: 本申请公开了一种共享数据资源异常检测方法、系统、设备、存储器及产品,其中,一种共享数据资源异常检测方法,包括:获取agent监控节点中的第一访问数据和链路检测节点中的第二访问数据;对所述第一访问数据和所述第二访问数据进行预处理,以得到第一语义数据和第二语义数据;基于所述第一语义数据和第二语义数据,判断是否存在疑似数据泄露异常行为;当存在疑似数据泄露异常行为时,将所述第一访问数据和所述第二访问数据输入至预先训练好的孪生神经网络模型中,输出相似度结果,以确认是否存在数据泄露异常行为,从而通过语义数据等信息自动筛选疑似异常使用行为,进而对异常行为进行确认,避免数据泄漏同时提高了异常数据确认的准确度。

Patent Agency Ranking