-
公开(公告)号：CN117061254B
公开(公告)日：2024-01-23
申请号：CN202311319155.7
申请日：2023-10-12
Applicant: 之江实验室
IPC: H04L9/40 , H04L67/1396
Abstract: 本申请涉及一种异常流量检测方法、装置和计算机设备。所述方法包括：获取待检测流量数据，其中，待检测流量数据包括用户数据以及待检测流量信息；基于待检测流量信息进行特征提取处理，得到哈希结果，并基于哈希结果与预设的基因库进行匹配处理，得到流量检测结果；基于预设的用户行为模型中的用户数据统计结果对用户数据进行检测，得到用户行为检测结果；基于流量检测结果以及用户行为检测结果，得到针对待检测流量数据的异常检测结果。采用本方法能够解决现有技术中针对异常流量检测灵活度以及效率较低的问题。
-
-
公开(公告)号：CN118195023A
公开(公告)日：2024-06-14
申请号：CN202311843820.2
申请日：2023-12-27
Applicant: 之江实验室
IPC: G06N20/00 , G06F21/62 , G06F18/214
Abstract: 本说明书公开了一种基于区块链的车联网去中心化联邦学习方法，区块链选择初始节点并初始化模型，初始节点随机选择邻近节点将模型传播；参与节点接收到模型后，先与本地模型进行融合，再使用本地数据进行训练，再将更新的模型随机传播给邻近节点，同时发送至委员会；委员会对收到的模型进行质量检测、共识上链；智能合约周期性自动触发执行并行序列模型聚合；任务发布者检测模型是否收敛，若未达到收敛要求，则重复执行上述步骤；学习任务结束，需求方可直接从区块链将模型下载至本地，利用本地数据完成预测。与传统联邦学习相比，本发明具有更好的隐私保护性、更低的通信和储存成本，能够更好地适配快速变化的车联网网络。
-
公开(公告)号：CN117910594A
公开(公告)日：2024-04-19
申请号：CN202410030557.3
申请日：2024-01-08
Applicant: 之江实验室
Abstract: 本说明书公开了一种联邦学习训练方法、装置、介质及设备，客户端获取中心服务器发送的待训练模型和隐私预算。通过本地数据对待训练模型进行训练，得到待训练模型的模型更新。根据预设的裁剪因子对模型更新进行调整，得到裁剪后的模型更新。根据预设的敏感度、隐私预算以及裁剪后的模型更新，确定噪声分布。根据裁剪后的模型更新，对噪声分布进行截断，得到截断后的噪声分布，并对更新后的模型更新进行加噪，得到加噪后的模型更新。将加噪后的模型更新返回中心服务器，使中心服务器更新待训练模型，并继续下发至客户端，直至完成对待训练模型的训练，降低了引入的噪声对联邦学习训练模型的可用性的影响，获得更好的模型精度。
-
公开(公告)号：CN116821053A
公开(公告)日：2023-09-29
申请号：CN202311103374.1
申请日：2023-08-30
Applicant: 之江实验室
Abstract: 本申请涉及一种数据上报方法、装置、计算机设备和存储介质，通过获取文件的待上报数据，提取待上报数据的特征值，根据特征值将待上报数据分类至不同的桶文件中进行存储，在桶文件中根据相似度对待上报数据进行聚类，得到多组待上报数据簇，根据每组待上报数据簇下正常数据样本与恶意数据样本的占比，对每组待上报数据簇进行评分，根据分数选取多组待上报数据簇进行上报，通过聚类减少了重复或者相似的无用数据的上报，通过评分对于上报的数据进行了过滤，解决了相关技术中文件数据上报效率较低的问题，降低存储数据需要的空间，提升了文件数据上报的效率。
-
Patent Agency Ranking
公开(公告)号：CN117527449A
公开(公告)日：2024-02-06
申请号：CN202410019107.4
申请日：2024-01-05
Applicant: 之江实验室
IPC: H04L9/40 , G06N3/0442 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本说明书公开了一种入侵检测方法、装置、电子设备以及存储介质，确定目标流量数据对应的目标特征，并通过预先基于各已知异常类型分别对应的样本流量数据的样本特征训练得到的检测模型的编码层，确定该目标特征的编码结果，从预设的各已知异常类型中，确定该目标特征对应的目标类型。再通过该检测模型的解码层，确定该目标特征的解码结果。最后根据该解码结果和该目标特征之间的差距，来确定该目标流量数据的异常检测结果。本方法，在该目标流量属于新型网络攻击行为所对应的异常类型时，通过该编码‑解码器结构的检测模型无法将该目标流量的特征进行准确还原，因此可准确识别出新型网络攻击行为，保证了检测效率。
-
公开(公告)号：CN117061254A
公开(公告)日：2023-11-14
申请号：CN202311319155.7
申请日：2023-10-12
Applicant: 之江实验室
IPC: H04L9/40 , H04L67/1396
Abstract: 本申请涉及一种异常流量检测方法、装置和计算机设备。所述方法包括：获取待检测流量数据，其中，待检测流量数据包括用户数据以及待检测流量信息；基于待检测流量信息进行特征提取处理，得到哈希结果，并基于哈希结果与预设的基因库进行匹配处理，得到流量检测结果；基于预设的用户行为模型中的用户数据统计结果对用户数据进行检测，得到用户行为检测结果；基于流量检测结果以及用户行为检测结果，得到针对待检测流量数据的异常检测结果。采用本方法能够解决现有技术中针对异常流量检测灵活度以及效率较低的问题。
-
公开(公告)号：CN116630480B
公开(公告)日：2023-09-26
申请号：CN202310862442.6
申请日：2023-07-14
Applicant: 之江实验室
Abstract: 本发明涉及交互式文本驱动图像编辑的方法、装置和电子设备，方法包括获取图像样本并判断图像样本是否合规；将图像样本输入到图像逆向模型得到原始图像逆向特征；获取文本样本并判断文本样本是否合规；将文本样本输入到文本编码器中得到文本特征；将原始图像逆向特征和文本特征输入到多模态融合模型得到编辑图像特征；将编辑图像特征输入到图像生成器得到编辑后图像；询问用户是否继续输入文本样本，若继续，继续获取文本样本；否则输出最终编辑后图像。与现有技术相比，本发明放开了传统编辑场景对于输入文本内容的限制，可实现针对于同一张原始图像进行多次文本输入，渐进式修改对应图像区域，提高图像编辑方法灵活性。
-
公开(公告)号：CN116796829A
公开(公告)日：2023-09-22
申请号：CN202310945896.X
申请日：2023-07-31
Applicant: 之江实验室
IPC: G06N3/094 , G06N3/0985 , G06N3/0475 , G06N3/045 , G06T3/00 , G06V40/16 , G06V10/74 , G06V10/764 , G06V10/774 , G06V10/82 , G06F40/30
Abstract: 本发明涉及一种文本驱动人脸编辑的对抗攻击方法、装置和介质，方法包括获取图像样本和文本样本，图像样本包括原始图像和目标图像；基于文本样本，确定固定语义映射模型；将原始图像样本输入到图像逆向模型得到原始图像逆向特征；然后输入到固定语义映射模型，其输出与原始图像逆向特征加权组合得到编辑后图像逆向特征，加权因子为可优化超参数；根据编辑后图像逆向特征生成编辑后生成图像；判断是否收敛，并对加权因子收敛迭代优化，得到最终编辑后图像逆向特征从而生成最终编辑后生成图像。与现有技术相比，本发明具有保证了对抗样本的攻击有效性，增强了对抗干扰的不可见性，提高了对抗样本的图像质量等优点。
-
公开(公告)号：CN116738429A
公开(公告)日：2023-09-12
申请号：CN202311024643.5
申请日：2023-08-15
Applicant: 之江实验室
Abstract: 本申请涉及一种基于生成对抗的目标检测引擎优化方法、装置及系统，所述方法包括：重复多次将多个对抗样本输入至所述目标检测引擎进行检测，得到各所述对抗样本的第一检测结果，直到满足结束条件；其中，各次输入的多个对抗样本由多个对抗组合序列对多个原始样本进行混淆变形得到，所述原始样本能够被目标检测引擎检测成功；基于各次检测得到的各第一检测结果，获得各次输入的多个对抗样本中造成目标检测引擎检测失败的多个恶意样本，对所述目标检测引擎进行优化。采用本方法解决了各类目标检测引擎的检测能力难以快速提高和加强的问题，实现了各类目标检测引擎的检测弱点的智能优化，提高了云端的网络安全，同时降低成本。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.016 seconds)
