公开(公告)号：CN117437452A

公开(公告)日：2024-01-23

申请号：CN202311675086.3

申请日：2023-12-07

Applicant: 北京理工大学

Inventor： 罗森林 ,  杨景然 ,  潘丽敏 ,  谢崇玮 ,  万韵伟

IPC: G06V10/762 ,  G06V10/42 ,  G06V10/44 ,  G06V10/82 ,  G06F18/23213 ,  G06N3/045 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/084 ,  G06N3/0895

Abstract: 本发明涉及整合两种约束的多视图深度半监督图像聚类方法，属于计算机与信息科学技术领域。本发明首先使用卷积神经网络和残差神经网络提取原始图像的空间特征，得到图像的局部形状特征视图和全局结构特征视图；其次将原始图像视图和上述两个视图通过自编码器网络构建多视图特征空间并初始化其聚类中心；然后将数据中的标签约束和成对约束整合为成对关系矩阵；最后使用初始聚类中心和成对关系矩阵组成损失函数，迭代更新聚类中心并得到聚类结果。本发明针对现有方法忽略了不同约束条件的关联性，在含噪约束条件下，聚类结果易受错误约束条件影响的问题，提出整合两种约束的多视图深度半监督图像聚类方法，提高聚类准确率。

公开(公告)号：CN119449373A

公开(公告)日：2025-02-14

申请号：CN202411429534.6

申请日：2024-10-14

Applicant: 北京理工大学

Inventor： 罗森林 ,  杨景然 ,  潘丽敏 ,  高玺凯 ,  张辰龙

IPC: H04L9/40 ,  G06N3/092

Abstract: 本发明涉及一种基于强化学习的自动化渗透测试方法，属于计算机与信息科学技术网络空间安全领域。本发明首先利用与环境相关参数构建强化学习的状态空间、动作空间和奖励函数生成模型训练数据；其次，应用训练数据和漏洞利用组件训练生成强化学习模型；最后，基于漏洞利用组件库通过强化学习模型推荐优选漏洞利用信息，实现渗透测试全流程的自动化。本发明针对渗透测试的人工依赖以及漏洞利用组件应用固化等问题，采用人工智能技术有效提高了漏洞利用组件推荐的准确率，显著提升了渗透测试的效率。