-
公开(公告)号：CN111523119A
公开(公告)日：2020-08-11
申请号：CN202010339042.3
申请日：2020-04-26
Applicant: 南开大学
Abstract: 本申请公开了一种漏洞检测的方法和装置、电子设备及计算机可读存储介质，所述方法包括：根据待测系统的系统特征向量，通过第一分类器，得到所述待测系统的脚本类别标签向量；根据所述待测系统的脚本类别标签向量，通过第二分类器，得到所述待测系统的脚本代码的结构数据；基于所述待测系统的脚本代码的结构数据进行漏洞检测，能够在不断增长变化的网络环境中进行准确度高，且全面的漏洞检测。
-
公开(公告)号：CN112365512B
公开(公告)日：2023-03-24
申请号：CN202011299408.5
申请日：2020-11-18
Applicant: 南开大学
Abstract: 本发明提供了一种训练图像分割模型的方法、图像分割的方法及其装置。所述图像分割模型包括知识矩阵，所述训练图像分割模型的方法包括：获取待训练图像的特征图；对所述特征图与所述知识矩阵进行特征融合，得到目标特征图，所述知识矩阵用于区分所述待训练图像中的目标区域；基于所述目标特征图进行图像分割，得到图像分割结果，所述图像分割结果用于指示所述待训练图像中的所述目标区域；根据所述图像分割结果调整所述知识矩阵。根据本发明中的方法训练所述图像分割模型，并使用所述图像分割模型进行图像分割，可以提高图像分割的准确率。
-
Patent Agency Ranking
公开(公告)号：CN111523119B
公开(公告)日：2023-05-05
申请号：CN202010339042.3
申请日：2020-04-26
Applicant: 南开大学
IPC: G06F21/56 , G06F18/2411 , G06F18/2431
Abstract: 本申请公开了一种漏洞检测的方法和装置、电子设备及计算机可读存储介质，所述方法包括：根据待测系统的系统特征向量，通过第一分类器，得到所述待测系统的脚本类别标签向量；根据所述待测系统的脚本类别标签向量，通过第二分类器，得到所述待测系统的脚本代码的结构数据；基于所述待测系统的脚本代码的结构数据进行漏洞检测，能够在不断增长变化的网络环境中进行准确度高，且全面的漏洞检测。
-
公开(公告)号：CN109446090A
公开(公告)日：2019-03-08
申请号：CN201811282618.6
申请日：2018-10-31
Applicant: 南开大学
Abstract: 本发明公开了一种基于深度神经网络和概率决策森林的静态软件缺陷预测模型。该模型使用概率决策森林为分类器，将深度神经网络的特征学习和概率决策森林相结合进行端到端训练，并提出一套完整、全局的端到端参数优化方法。该模型首先从软件的代码修改中提取传统特征并使用深度神经网络进行高维映射，然后改进了随机森林，提出概率决策森林，并使用概率决策森林进行分类。将概率决策森林中决策树的分裂节点与深度神经网络的输出节点直接相连，使分裂节点由深度神经网络自动学习得到，因此可以使网络的特征学习过程受分类结果所约束。最后，使用集成学习将上述模型集成，并进行缺陷预测。使用该模型可以有效的提高对代码修改进行缺陷预测的准确率。
-
公开(公告)号：CN112365512A
公开(公告)日：2021-02-12
申请号：CN202011299408.5
申请日：2020-11-18
Applicant: 南开大学
Abstract: 本发明提供了一种训练图像分割模型的方法、图像分割的方法及其装置。所述图像分割模型包括知识矩阵，所述训练图像分割模型的方法包括：获取待训练图像的特征图；对所述特征图与所述知识矩阵进行特征融合，得到目标特征图，所述知识矩阵用于区分所述待训练图像中的目标区域；基于所述目标特征图进行图像分割，得到图像分割结果，所述图像分割结果用于指示所述待训练图像中的所述目标区域；根据所述图像分割结果调整所述知识矩阵。根据本发明中的方法训练所述图像分割模型，并使用所述图像分割模型进行图像分割，可以提高图像分割的准确率。
-
公开(公告)号：CN111428805A
公开(公告)日：2020-07-17
申请号：CN202010251865.0
申请日：2020-04-01
Applicant: 南开大学
Abstract: 本发明提供了一种显著性物体的检测方法、检测装置、计算机可读存储介质以及电子设备，通过编码操作和解码操作以获取待检测图像中的显著性物体的位置信息和轮廓信息，其中，编码操作包括N层级第一卷积操作，解码操作包括与第一卷积操作对应的N层级第二卷积操作，下一层级第二卷积操作包括对上一层级第二卷积操作的输出图像和该上一层级第二卷积操作对应的第一卷积操作的输出图像进行的第一融合操作，在解码操作中融合对应编码操作的输出图像，可以结合编码操作得到的信息，从而提高检测精度；并且部分第二卷积操作包括多个具有不同空洞率且并行的空洞卷积操作，可以从多个尺度去学习得到多个尺度的信息，从而进一步提高检测精度。
-
公开(公告)号：CN111428805B
公开(公告)日：2023-04-18
申请号：CN202010251865.0
申请日：2020-04-01
Applicant: 南开大学
Abstract: 本发明提供了一种显著性物体的检测方法、检测模型、计算机可读存储介质以及电子设备，通过编码操作和解码操作以获取待检测图像中的显著性物体的位置信息和轮廓信息，其中，编码操作包括N层级第一卷积操作，解码操作包括与第一卷积操作对应的N层级第二卷积操作，下一层级第二卷积操作包括对上一层级第二卷积操作的输出图像和该上一层级第二卷积操作对应的第一卷积操作的输出图像进行的第一融合操作，在解码操作中融合对应编码操作的输出图像，可以结合编码操作得到的信息，从而提高检测精度；并且部分第二卷积操作包括多个具有不同空洞率且并行的空洞卷积操作，可以从多个尺度去学习得到多个尺度的信息，从而进一步提高检测精度。
-
-
-
-
-
-
Search Results
7
records
(took 0.018 seconds)
