一种基于图像检索模型的对抗样本生成方法

    公开(公告)号:CN112199543A

    公开(公告)日:2021-01-08

    申请号:CN202011098487.3

    申请日:2020-10-14

    Abstract: 本发明属于深度学习中的图像检索模型技术领域,具体涉及一种基于图像检索模型的对抗样本生成方法。本发明首先基于深度图像特征构建图像检索模型,然后通过破坏序列近邻关系生成对抗扰动,降低图像检索性能,最后以集成的方式生成通用对抗扰动,提高对抗样本的迁移性。本发明通过使用图像检索模型提取到的特征向量,将图像特征之间的余弦相似度作为衡量匹配程度的得分,按降序排列显示检索到的参考图像,实现图像检索功能。本发明通过集成多个模型生成通用对抗扰动,生成具有更高迁移性的对抗样本。本发明提出的对抗样本生成方法能够生成使图像检索性能明显下降的对抗样本,并且提高了对抗样本迁移性。

    一种结合脉冲神经网络和胶囊网络的抗干扰目标识别方法、程序、设备及存储介质

    公开(公告)号:CN119540719A

    公开(公告)日:2025-02-28

    申请号:CN202411552156.0

    申请日:2024-11-01

    Abstract: 本发明属于图像目标识别技术领域,具体涉及一种结合脉冲神经网络和胶囊网络的抗干扰目标识别方法、程序、设备及存储介质。本发明将胶囊结构引入脉冲类脑模型,并引入了自注意力机制,能够在单次前向传播中学习胶囊之间的协议度,通过自注意力层生成一个胶囊注意力图,然后用一个一维卷积层将其映射到分类层,从而简化了模型结构和计算复杂度,并且能够利用自注意力机制来选择和抑制不相关的胶囊投票,从而保留对实体识别有用的信息,增加了长距离依赖和特征选择的能力。本发明在面对不同噪声以及不同强度的条件时具有良好的鲁棒性,对仿射变换也具有良好的泛化性和不变性,提高了目标识别的抗干扰能力。

    一种基于中间人技术的高交互蜜罐系统的RDP会话方法

    公开(公告)号:CN112333203A

    公开(公告)日:2021-02-05

    申请号:CN202011343306.9

    申请日:2020-11-26

    Abstract: 本发明属于网络安全技术领域,具体涉及一种基于中间人技术的高交互蜜罐系统的RDP会话方法。本发明的蜜罐系统包括蜜罐代理服务器、蜜罐主机、RDP数据解析模块、日志管理模块和入侵检测系统;入侵检测系统客户端安装在蜜罐主机内;蜜罐代理服务器由RDP代理客户端和RDP代理服务端组成,RDP代理服务端与攻击者进行加密通信,RDP代理客户端与蜜罐主机进行加密通信。本发明解决了目前在对于RDP蜜罐的研究主要以模拟RDP协议的低交互蜜罐为主,这种方式提供的交互性有限,获取的信息也十分有限,并且容易被攻击者识别的问题。本发明提高了RDP蜜罐的交互能力、信息收集能力和伪装能力。

    一种基于深度学习的安卓恶意代码检测方法

    公开(公告)号:CN112182577A

    公开(公告)日:2021-01-05

    申请号:CN202011097233.X

    申请日:2020-10-14

    Abstract: 本发明属于网络信息安全技术领域,具体涉及一种基于深度学习的安卓恶意代码检测方法。本发明将APK文件直接解压,将部分二进制文件进行可视化,将灰度图添加颜色通道并进行像素归一化,构造出图片信息量更大,利于在模型中训练的像素归一RGB图。最后设计并实现卷积神经网络分类检测模型,再对经过上述方法操作处理的恶意代码图像进行分类训练,以达到对恶意代码进行检测的目的。本发明针对现有Android恶意代码可视化技术中提取图像特征的方法单一、图像特征不明显、检测效果较差的问题,通过生成恶意代码的RGB图像,对像素归一化图后进行学习分类,以此实现更为精准的恶意代码检测。

    一种基于脉冲类脑模型的快速增量学习技术

    公开(公告)号:CN119398132A

    公开(公告)日:2025-02-07

    申请号:CN202411520999.2

    申请日:2024-10-29

    Abstract: 一种基于脉冲类脑模型的快速增量学习技术,属于计算机视觉技术领域。本发明选用Yolov3‑tiny模型作为脉冲神经网络的SpikingYolov3的基础模型,并对Yolov3‑tiny进行适配性改进;采用IF神经元模型作为SpikingYolov3的神经元模型;采用基于网络扩张的方法对Yolov3‑tiny进行增量学习训练;将训练完毕的模型权重通过ANN转SNN的方法赋值给新构造的SpikingYolov3;采用泊松编码的方式对测试图像进行编码操作,使其转化为异步脉冲序列,并送入Spiking Yolov3模型中进行测试,并和对应的Yolov3‑tiny进行对比分析,得出SpikingYolov3模型的检测性能更优的结论。将SpikingYolov3应用到战场环境当中,实现对不同种类目标的精准检测。本发明解决了传统的网络模型在遇见新任务时需要重新训练等问题,为复杂目标的检测任务提供了新的解决方案。

    一种基于图像检索模型的对抗样本生成方法

    公开(公告)号:CN112199543B

    公开(公告)日:2022-10-28

    申请号:CN202011098487.3

    申请日:2020-10-14

    Abstract: 本发明属于深度学习中的图像检索模型技术领域,具体涉及一种基于图像检索模型的对抗样本生成方法。本发明首先基于深度图像特征构建图像检索模型,然后通过破坏序列近邻关系生成对抗扰动,降低图像检索性能,最后以集成的方式生成通用对抗扰动,提高对抗样本的迁移性。本发明通过使用图像检索模型提取到的特征向量,将图像特征之间的余弦相似度作为衡量匹配程度的得分,按降序排列显示检索到的参考图像,实现图像检索功能。本发明通过集成多个模型生成通用对抗扰动,生成具有更高迁移性的对抗样本。本发明提出的对抗样本生成方法能够生成使图像检索性能明显下降的对抗样本,并且提高了对抗样本迁移性。

    一种新型传感器
    10.
    实用新型

    公开(公告)号:CN205208850U

    公开(公告)日:2016-05-04

    申请号:CN201520509113.4

    申请日:2015-07-15

    Abstract: 本实用新型提供一种新型传感器,包括底座、上盖及控制模块;所述控制模块设置在底座内部;所述上盖与底座螺栓连接;本实用新型利用控制模块上的可调电阻对室内空气中的臭氧浓度进行探测,从而与净化器内的其他部件配合进行臭氧的吸收,并将臭氧气体进行隔离,起到良好的臭氧净化效果,使室内空气比较干净。本实用新型整体结构简单,操作方便,能够兼容市面上大部分的净化器,是不错的臭氧探测器件,有助于室内控制的调节与净化;具有良好的社会效益。

Patent Agency Ranking