-
公开(公告)号：CN118245982B
公开(公告)日：2024-09-10
申请号：CN202410659154.5
申请日：2024-05-27
Applicant: 大连海事大学
IPC: G06F21/12 , G06F18/10 , G06F18/213 , G06F18/22 , G06F18/2415 , G06F18/2431 , G06F18/25 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/042 , G06N3/047 , G06N3/08 , G06F40/30 , G06F8/53
Abstract: 本发明提供一种基于人工智能对伪装应用程序进行识别的方法及装置，方法包括：获取待识别APP在审核过程中提交的功能描述文档，对所述功能描述文档进行基于自然语言处理与图像处理的特征提取，构建第一APP功能介绍列表；对待识别APP的可执行文件进行反编译，从而生成汇编代码，基于预训练的代码‑功能模型对所述汇编代码段进行处理，生成第二APP功能介绍列表；通过相似性分析判断第一APP功能介绍列表和第二APP功能介绍列表的一致性，基于一致性判定结果确定APP是否伪装。本发明通过基于深度学习的程序自动化检测技术，深入分析APP的实际功能，判断是否存在伪装行为，以解决人工审核无法深入了解每个APP的问题，提高整个应用生态系统的质量和安全性。
-
公开(公告)号：CN117934308A
公开(公告)日：2024-04-26
申请号：CN202410230310.6
申请日：2024-02-29
Applicant: 大连海事大学
IPC: G06T5/50 , G06T5/30 , G06N3/0464 , G06N3/0895 , G06T7/80 , G06T3/4007 , G06T7/10
Abstract: 本发明提供一种基于图卷积网络的轻量化自监督单目深度估计方法，具体步骤包括：建立自监督单目深度估计模型，包括：获取目标图像各像素点的深度值，估计相对位姿，将合成的新视图作为自监督训练信号；在建立的自监督单目深度估计模型基础上，应用轻量化特征捕捉策略，包括：使用膨胀卷积辅助捕捉全局特征，在膨胀卷积所捕获的全局特征基础上，运用自注意力机制学习长距离的特征依赖；利用图卷积神经网络技术将目标对象进行分割；构建模糊度提升数据增强机制。本发明不仅维持了模型的高性能，而且显著减少了所需的模型参数量，减小了模型的整体大小，所需的计算资源也相应降低，使得模型在资源受限的设备上，也能够更有效地进行部署和推理。
-
公开(公告)号：CN118245982A
公开(公告)日：2024-06-25
申请号：CN202410659154.5
申请日：2024-05-27
Applicant: 大连海事大学
IPC: G06F21/12 , G06F18/10 , G06F18/213 , G06F18/22 , G06F18/2415 , G06F18/2431 , G06F18/25 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/042 , G06N3/047 , G06N3/08 , G06F40/30 , G06F8/53
Abstract: 本发明提供一种基于人工智能对伪装应用程序进行识别的方法及装置，方法包括：获取待识别APP在审核过程中提交的功能描述文档，对所述功能描述文档进行基于自然语言处理与图像处理的特征提取，构建第一APP功能介绍列表；对待识别APP的可执行文件进行反编译，从而生成汇编代码，基于预训练的代码‑功能模型对所述汇编代码段进行处理，生成第二APP功能介绍列表；通过相似性分析判断第一APP功能介绍列表和第二APP功能介绍列表的一致性，基于一致性判定结果确定APP是否伪装。本发明通过基于深度学习的程序自动化检测技术，深入分析APP的实际功能，判断是否存在伪装行为，以解决人工审核无法深入了解每个APP的问题，提高整个应用生态系统的质量和安全性。
-
Patent Agency Ranking
公开(公告)号：CN119740639A
公开(公告)日：2025-04-01
申请号：CN202510258379.4
申请日：2025-03-06
Applicant: 大连海事大学
IPC: G06N3/098 , G06F9/50 , G06N3/045 , G06N3/0464 , G06N3/096 , G06F18/213 , G06F18/23
Abstract: 本发明提供一种面向工业物联网的高效异构联邦学习方法，属于联邦学习技术领域。将神经网络模型分割为边缘特征提取器和全局分类器；边缘特征提取器部署在边缘设备上，全局分类器部署在服务器上；边缘设备上还集成有边缘分类器，与边缘特征提取器结合构成边缘模型；服务器基于同步时间聚合本轮边缘训练中边缘特征提取器的权重参数，更新全局模型；同时，通过运行时间模型计算每个边缘设备的运行时间；根据运行时间以及同步时间定制每个边缘模型的规格参数；将更新后的全局模型和边缘模型规格参数下发至对应边缘设备；各边缘设备根据下发的全局模型和模型规格参数生成用于下一轮边缘训练的边缘模型。通过上述步骤实现兼具效率与效能的异构联邦学习。
-
公开(公告)号：CN119726768A
公开(公告)日：2025-03-28
申请号：CN202510237653.X
申请日：2025-03-03
Applicant: 大连海事大学
Abstract: 本发明公开了一种基于边缘计算的光伏并网电压控制系统及方法，属于电网控制技术领域。控制系统包括：太阳能电池阵列、光伏逆变模块和协议转换模块；光伏逆变模块包括调制模块、电压传感器以及通信模块；协议转换模块包括协议转换单元和电压调节系统，所述协议转换单元一方面接收所述通信模块发送的交流电电压数据，另一方面由电网获取目标并网电压数据；所述电压调节系统一方面由所述协议转换单元获取调制模块输出的交流电电压数据和电网的目标并网电压数据，一方面基于模型预测控制生成电压调节参量，另一方面将电压调节参量发送至所述通信模块。本发明在现有的协议转换器上新增基于边缘计算的电压调节系统，实现实时的电压监控以及调节。
-
公开(公告)号：CN115834459B
公开(公告)日：2024-03-26
申请号：CN202211236647.5
申请日：2022-10-10
Applicant: 大连海事大学
Abstract: 本发明提供一种链路泛洪攻击流量动态清洗系统及方法，系统包括控制平面和数据平面，所述控制平面和数据平面通过南向接口进行数据交互，所述南向接口包括p4runtime和VNF管理南向接口；所述控制平面包括SDN控制器；所述数据平面包括P4可编程交换机和流量清洗服务器；所述P4可编程交换机用于根据SDN控制器下发的防御策略和流清洗规则转发网络流量、检测和识别攻击流，并按照清洗规则清洗攻击流量；所述流量清洗服务器接收P4可编程交换机发送的无法采用“匹配‑动作”模式清洗的攻击流，并将攻击流发送给指定流量清洗VNF处理。本发明基于P4交换机和流量清洗VNF对LFA流量进行动态清洗。
-
公开(公告)号：CN115834459A
公开(公告)日：2023-03-21
申请号：CN202211236647.5
申请日：2022-10-10
Applicant: 大连海事大学
Abstract: 本发明提供一种链路泛洪攻击流量动态清洗系统及方法，系统包括控制平面和数据平面，所述控制平面和数据平面通过南向接口进行数据交互，所述南向接口包括p4runtime和VNF管理南向接口；所述控制平面包括SDN控制器；所述数据平面包括P4可编程交换机和流量清洗服务器；所述P4可编程交换机用于根据SDN控制器下发的防御策略和流清洗规则转发网络流量、检测和识别攻击流，并按照清洗规则清洗攻击流量；所述流量清洗服务器接收P4可编程交换机发送的无法采用“匹配‑动作”模式清洗的攻击流，并将攻击流发送给指定流量清洗VNF处理。本发明基于P4交换机和流量清洗VNF对LFA流量进行动态清洗。
-
公开(公告)号：CN115618346A
公开(公告)日：2023-01-17
申请号：CN202211339211.9
申请日：2022-10-28
Applicant: 大连海事大学
IPC: G06F21/56 , G06F40/216 , G06F18/24 , G06N5/01
Abstract: 本发明提供一种安卓应用程序的加壳识别方法、装置及存储介质。方法包括：获取训练用安卓应用程序，解压后获取dex文件；统计所述dex文件中各字符串出现的次数，并基于所述字符串出现的次数计算字符出现的频率；根据加壳安卓应用程序统计的字符出现的频率以及未加壳安卓应用程序统计的字符出现的频率获取差异最高的字符串作为特征数据；通过所述特征数据对加壳识别模型进行训练；获取待识别的安卓应用程序，解压后获取待识别的dex文件，通过训练好的加壳识别模型对所述待识别的dex文件进行识别，从而得到识别结果。本发明针对安卓应用程序，提供一种快速判定是否加壳的方法，并使用机器学习模型进行加壳识别，进一步提高识别的效率和准确率。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.015 seconds)
