公开(公告)号：CN114390002A

公开(公告)日：2022-04-22

申请号：CN202111536690.9

申请日：2021-12-15

Applicant: 南京理工大学

Inventor： 杨威 ,  张泽栋 ,  魏松杰 ,  张文哲

IPC: H04L47/2441 ,  H04L41/142 ,  H04L9/40 ,  G06K9/62

Abstract: 本发明公开了一种基于分组条件熵的网络流量多模块聚类异常检测方法，将原始网络流量数据进行预处理后分割成为各个特征组，将特征组进行初步聚类后求出聚类结果置信度并求条件熵，之后再将每组条件熵进行进一步聚类来求出该网络包是否具有异常流量的特征。本发明的网络流量数据处理方法，将其最大限度抽象，设计了分组多模块聚类算法来进行网络流量异常检测，将原本分散且影响因子小的特征组合在一起，将其转换成汇聚且对分类结果影响更大的组别。能更加有效地提高数据的抽象程度，使其中各类异常流量都能在聚类结果中表现出更紧密的汇聚效果。

公开(公告)号：CN114390002B

公开(公告)日：2024-08-06

申请号：CN202111536690.9

申请日：2021-12-15

Applicant: 南京理工大学

Inventor： 杨威 ,  张泽栋 ,  魏松杰 ,  张文哲

IPC: H04L47/2441 ,  H04L41/142 ,  H04L9/40 ,  G06F18/2321

Abstract: 本发明公开了一种基于分组条件熵的网络流量多模块聚类异常检测方法，将原始网络流量数据进行预处理后分割成为各个特征组，将特征组进行初步聚类后求出聚类结果置信度并求条件熵，之后再将每组条件熵进行进一步聚类来求出该网络包是否具有异常流量的特征。本发明的网络流量数据处理方法，将其最大限度抽象，设计了分组多模块聚类算法来进行网络流量异常检测，将原本分散且影响因子小的特征组合在一起，将其转换成汇聚且对分类结果影响更大的组别。能更加有效地提高数据的抽象程度，使其中各类异常流量都能在聚类结果中表现出更紧密的汇聚效果。

公开(公告)号：CN117197291A

公开(公告)日：2023-12-08

申请号：CN202311203159.9

申请日：2023-09-18

Applicant: 南京理工大学

Inventor： 李俊 ,  张泽栋 ,  杨健

IPC: G06T11/60 ,  G06F40/126

Abstract: 本发明公开了一种文本融合的AI生图方法，当输入两个物体的文本名称时，本方法将针对两个物体的文本编码进行融合，并将融合后的文字编码输入到文本‑图像的生成式模型中，最终输出将是两个物体融合的惊艳创意物体图像，融合生成的物体不再与原始的两个物体有相同的种类，但是其结构、材质、纹理等内容却又与两个原始物体极为相似。本发明不再立足于现实中存在的物体进行操作，而是从原始提示词作为出发点，探索未知性的文本融合的图像生成；不需要对生成模型进行额外的训练或微调，可以直接将生成式模型作为黑盒进行文本融合的图像生成。