一种基于多特征融合与文本情感分析的日志异常检测方法

    公开(公告)号:CN116341497A

    公开(公告)日:2023-06-27

    申请号:CN202310122098.7

    申请日:2023-02-16

    Applicant: 四川大学

    Abstract: 本发明公开的一种基于多特征融合与文本感情分析的日志异常检测方法,包括预处理步骤、分词处理步骤、词嵌入处理处理、特征提取处理步骤、多特征融合处理步骤、输出前处理步骤。所述日志向量分别经过局部特征提取以及长距离特征提取后,将两部分特征融合,在融合前后均应用注意力机制获得准确度高的日志预测。与现有技术相比,从结果来看精确率提高到96.36%‑98.6%。此外,在选取的模型双向GRU隐藏层维度数为192能获得96.36%‑98.06%的精准度,相比现有技术达到了从未有过的日志检测精准率高度。

    一种多模融合和话题的实时社交网络谣言检测方法

    公开(公告)号:CN115809327B

    公开(公告)日:2023-05-05

    申请号:CN202310081963.8

    申请日:2023-02-08

    Applicant: 四川大学

    Abstract: 本发明公开了一种多模融合和话题的实时社交网络谣言检测方法,将谣言检测任务分为推文追踪、潜在传播事件检测和谣言真实性检验三个部分,推文追踪模块通过社交媒体API获取实时发布推文,并根据潜在传播事件检测模块的指令对已有部分事件持续监测转发结构和传播相关信息并写入数据库中,对部分事件停止追踪并删除数据库中相关信息;潜在传播事件检测模块利用有限层次自动状态机模型将谣言的演化映射为分析和描述复杂行为的数学模型,并将推文的传播阶段映射到有限层次自动状态机中的各个状态并定义相关状态转化机制,以在传播事件发展至爆发阶段之前,挖掘出潜在的传播事件;而后谣言真实性检验模块对潜在的传播事件进行谣言的真实性分类。

    基于对抗生成DQN的网络加密流量威胁样本生成机制方法

    公开(公告)号:CN115694947A

    公开(公告)日:2023-02-03

    申请号:CN202211316059.2

    申请日:2022-10-26

    Applicant: 四川大学

    Abstract: 本发明公开了基于对抗生成DQN的网络加密流量威胁样本生成机制方法,通过数据预处理,将原始网络加密流量数据包中的数据转换为对抗生成DQN威胁样本生成模型所需数据格式;将所得的数据输入到类别标注处理程序中进行类别标注;对网络加密流量威胁样本生成方法,将其分解为一系列模块,最后一步为输出生成的网络加密流量威胁样本数据;其中改进样本生成模块根据初始候选环境所相关的信息选择相应的下一步行动,然后再根据行动选择下一个和原始的网络加密流量数据相近的候选环境,将行动经验存入经验空间进行神经网络的训练学习,重复以上步骤直到改进样本生成模块能产生和原始的网络加密流量数据相似的网络加密流量威胁样本数据。

    一种基于HTTP协议头的磁盘地理位置定位方法

    公开(公告)号:CN102571976A

    公开(公告)日:2012-07-11

    申请号:CN201210024268.X

    申请日:2012-02-05

    Applicant: 四川大学

    Abstract: 本发明针对计算机硬盘进行地理位置定位,该方法首先从计算机硬盘中抽取HTTP协议头信息;然后构建地理位置名称树和二维权重值链表,扫描HTTP协议头的Cookie数据域,对于每一个Cookie数据域,遍历地名树与其进行匹配,如果匹配成功则对结点的权重做加操作;之后构建数据字典,对其按权重值大小排序;最后扫描HTTP协议头中的Date数据域,获取该计算机硬盘出现在某一地理位置的时间。该方法可以获取硬盘的历史地理位置信息及出现在某一历史位置的时间,从而为刑侦工作提供有力的物证。本发明的取证过程无需人工干预,能自动完成磁盘扫描,计算,生成最终结果,运行成本低,部署简单,适用于计算机硬盘数字取证领域,具有广泛的应用前景。

    一种远程文件快速同步方法

    公开(公告)号:CN101354708A

    公开(公告)日:2009-01-28

    申请号:CN200810045679.0

    申请日:2008-07-29

    Applicant: 四川大学

    Abstract: 本发明提出了一种远程文件快速同步方法,属于计算机网络技术领域。该方法通过快照技术在客户端保存文件集合的新旧版本,避免差异计算时对服务器的数据请求,对客户端的文件复制或移动操作,服务器重放该操作,不传输文件内容。该方法具有差异计算快,网络通信量较小,差异重放快等特征,加快了客户端,服务器之间的文件同步速度,在文件备份与恢复、Web缓存等方面具有广阔的应用前景。

    一种基于注意力增强的无数据黑盒对抗样本生成方法

    公开(公告)号:CN119539024A

    公开(公告)日:2025-02-28

    申请号:CN202411616699.4

    申请日:2024-11-13

    Applicant: 四川大学

    Abstract: 本发明涉及人工智能对抗技术等领域,公开了一种基于注意力增强的无数据黑盒对抗样本生成方法,包括:随机采样噪声空间,输入生成器生成合成数据#imgabs0#;利用合成数据#imgabs1#查询黑盒目标模型#imgabs2#的决策输出,并缓存输入输出对;利用注意力增强模块强化替代模型,并训练增强后的替代模型;利用联合结构信息学习策略训练生成器;重放缓存的输入输出对,进一步训练增强后的替代模型;运用白盒攻击策略,在增强后的替代模型上构造对抗样本,迁移至黑盒目标模型实施攻击;克服了现有替代模型对不同合成数据的学习效率低、生成器生成的合成数据多样性差、替代模型训练效率低下的问题,而通过优化替代模型和生成器学习策略,使优化后的替代模型准确模拟黑盒目标模型决策输出。

    一种基于双重特征的自适应多模态虚假消息检测方法及模型

    公开(公告)号:CN119272106A

    公开(公告)日:2025-01-07

    申请号:CN202411283963.7

    申请日:2024-09-13

    Applicant: 四川大学

    Abstract: 本发明涉及网络内容安全、网络空间安全技术等领域,公开了一种基于双重特征的自适应多模态虚假消息检测方法及模型,采用基于双重特征的自适应多模态虚假消息检测模型实现,包括:自适应推文处理模块用于得到推文的自然语言内容、视觉内容和标记信息;数据增强模块获取推文的自然语言内容,并输入到数据增强模块的大语言模型内对文本进行改写;多模态特征构建模块用于得到多模态模式特征和事实特征;虚假消息检测模块结合一个包含门控网络的多专家网络聚合推文特征实现虚假消息的分类,最终起到准确的进行虚假信息检测的有益效果,旨在改善现有的虚假信息检测方法在现实场景中的准确性。

    基于ResNet-AIS的加密流量网络威胁检测器进化学习方法

    公开(公告)号:CN115296856B

    公开(公告)日:2024-04-19

    申请号:CN202210812673.1

    申请日:2022-07-12

    Applicant: 四川大学

    Abstract: 本发明公开了基于ResNet‑AIS的加密流量网络威胁检测器进化学习方法,通过数据预处理,将原始流量包中的数据转换为改进的ResNet训练模型所需数据格式;将所得的数据输入到数据标注处理程序中进行类别标注;对打好标注的灰度图像输入改进的ResNet网络进行特征提取,并确定改进的ResNet网络所需的参数;对经过ResNet训练得到的特征图及AIS算法参数输入到AIS中进行进化学习;根据AIS算法参数进行免疫学习训练并输出检测结果。

    一种基于语义和图像增强的色情视频检测方法

    公开(公告)号:CN117541969B

    公开(公告)日:2024-04-16

    申请号:CN202410028136.7

    申请日:2024-01-09

    Applicant: 四川大学

    Abstract: 本发明公开了一种基于语义和图像增强的色情视频检测方法,不仅在面对较暗光照、添加噪声和背景复杂的视频中保持较好的检测精度,而且充分考虑了检测效率,降低了检测时延;包括下述步骤:将目标视频输入关键帧抽取模块中,综合使用预采样、图像熵、密度聚类和局部帧差分处理技术,获得关键帧集合;图像增强模块利用光照增强和生成对抗网络技术,分别从抗暗光干扰和抗噪声干扰两方面增强关键帧集合中的关键帧,得到经过去噪处理的关键帧;采用YOLOv5目标检测网络构建的语义增强模块定位经过去噪处理的关键帧中人体目标;使用MobileNetV3图像分类网络构建的色情检测模块,在引入特征融合与注意力机制的情况下进行色情视频和正常视频的分类。

    一种基于多目标追踪的视频无关人员自动识别方法

    公开(公告)号:CN117576764A

    公开(公告)日:2024-02-20

    申请号:CN202410052297.X

    申请日:2024-01-15

    Applicant: 四川大学

    Abstract: 本发明公开了一种基于多目标追踪的视频无关人员自动识别方法,克服手工处理的局限性、单帧判断的局限性,提高了无关人员识别的效率和准确性;克服了现有方法由于遮挡和视频质量问题导致的漏检和误检的局限性,包括下述步骤:1)人脸检测:使用YOLOX检测器检测视频每一帧中的所有人脸,得到人脸检测结果Dt;2)目标轨迹关联:将人脸检测结果Dt作为输入,通过关联不同帧中的人形成跟踪轨迹;3)无关人员识别:基于获取的轨迹识别无关个体。

Patent Agency Ranking