-
公开(公告)号：CN112968872B
公开(公告)日：2023-04-18
申请号：CN202110127620.1
申请日：2021-01-29
Applicant: 成都信息工程大学
IPC: H04L9/40 , G06N20/20 , G06F40/216 , G06N3/0464 , G06N3/08 , G06F18/24
Abstract: 本发明属于恶意流量检测技术领域，公开了一种基于自然语言处理的恶意流量检测方法、系统、终端，利用tshark工具提取pcap包，得到加密流量数据集；对黑白样本数据分别打上黑白标签；去除重复数据，打乱样本数据索引；建立TF‑IDF模型，对加密流量数据集进行特征重构；建立机器学习算法模型，对数据集正负样本进行训练；建立深度学习模型；调节各模型参数，训练各模型；使用ROC曲线和AUC值评估机器学习各个模型，采用TF‑IDF和集成学习相结合的方法进行加密恶意流量的检测。本发明以文本分类方法表示加密流量字段，具有较强泛化性，在后期进行模型改进时也不必拘泥于加密流量数据的信息提取。
-
Patent Agency Ranking
公开(公告)号：CN112948649B
公开(公告)日：2023-02-28
申请号：CN202110133930.4
申请日：2021-02-01
Applicant: 成都信息工程大学
IPC: G06F16/904 , G06F8/20 , G06T11/20
Abstract: 本发明属于产品质量评估技术领域，公开了一种自动化GRAPES区域预报模式显著性检验方法及系统，用户在浏览器页面设置检验模式、检验算法、置信度、数据的起止日期、区域范围的经纬度以及评分卡显示样式参数；后端依据检验的模式和数据起止日期确定数据文件在服务器的存放路径，并按照得到的路径读取到对应的预报源文件；依据经纬度范围裁剪Grib文件中的数据；计算预报值和观测值的统计量；通过显著性检验算法计算两个模式在不同统计量下显著性检验评分等级。本发明采用B/S架构，无需安装客户端，能够科学高效地进行预报产品质量的差异性检验，提高检验的自定义化程度。
-
公开(公告)号：CN112948649A
公开(公告)日：2021-06-11
申请号：CN202110133930.4
申请日：2021-02-01
Applicant: 成都信息工程大学
IPC: G06F16/904 , G06F8/20 , G06T11/20
Abstract: 本发明属于产品质量评估技术领域，公开了一种自动化GRAPES区域预报模式显著性检验方法及系统，用户在浏览器页面设置检验模式、检验算法、置信度、数据的起止日期、区域范围的经纬度以及评分卡显示样式参数；后端依据检验的模式和数据起止日期确定数据文件在服务器的存放路径，并按照得到的路径读取到对应的预报源文件；依据经纬度范围裁剪Grib文件中的数据；计算预报值和观测值的统计量；通过显著性检验算法计算两个模式在不同统计量下显著性检验评分等级。本发明采用B/S架构，无需安装客户端，能够科学高效地进行预报产品质量的差异性检验，提高检验的自定义化程度。
-
公开(公告)号：CN112783511A
公开(公告)日：2021-05-11
申请号：CN202110160576.4
申请日：2021-02-05
Applicant: 成都信息工程大学
IPC: G06F8/41
Abstract: 本发明属于热中子反应堆数据处理技术领域，公开了一种栅元少群参数计算模块程序的优化方法、系统、终端，编译级优化，调整程序的编译选项，并使用英特尔编译器提供的优化选项‑自动向量化对程序进行优化。串行程序优化，使程序选用尽量小的数据类型，并使程序中的结构体对齐，尽量大数据类型在前，小数据类型在后，以更好地满足处理器的对齐要求。使用MPI技术对程序的热点模块‑栅元计算模块进行并行优化。本发明在栅元少群参数计算模块程序优化的应用中，极大的提升了程序的计算效率。针对千万网格规模算例，可以实现多节点的40核，80核和120核的并行计算，且并行效率都不低于50％。
-
公开(公告)号：CN112783511B
公开(公告)日：2023-04-11
申请号：CN202110160576.4
申请日：2021-02-05
Applicant: 成都信息工程大学
IPC: G06F8/41
Abstract: 本发明属于热中子反应堆数据处理技术领域，公开了一种栅元少群参数计算模块程序的优化方法、系统、终端，编译级优化，调整程序的编译选项，并使用英特尔编译器提供的优化选项‑自动向量化对程序进行优化。串行程序优化，使程序选用尽量小的数据类型，并使程序中的结构体对齐，尽量大数据类型在前，小数据类型在后，以更好地满足处理器的对齐要求。使用MPI技术对程序的热点模块‑栅元计算模块进行并行优化。本发明在栅元少群参数计算模块程序优化的应用中，极大的提升了程序的计算效率。针对千万网格规模算例，可以实现多节点的40核，80核和120核的并行计算，且并行效率都不低于50％。
-
公开(公告)号：CN112968872A
公开(公告)日：2021-06-15
申请号：CN202110127620.1
申请日：2021-01-29
Applicant: 成都信息工程大学
Abstract: 本发明属于恶意流量检测技术领域，公开了一种基于自然语言处理的恶意流量检测方法、系统、终端，利用tshark工具提取pcap包，得到加密流量数据集；对黑白样本数据分别打上黑白标签；去除重复数据，打乱样本数据索引；建立TF‑IDF模型，对加密流量数据集进行特征重构；建立机器学习算法模型，对数据集正负样本进行训练；建立深度学习模型；调节各模型参数，训练各模型；使用ROC曲线和AUC值评估机器学习各个模型，采用TF‑IDF和集成学习相结合的方法进行加密恶意流量的检测。本发明以文本分类方法表示加密流量字段，具有较强泛化性，在后期进行模型改进时也不必拘泥于加密流量数据的信息提取。
-
-
-
-
-
Search Results
6
records
(took 0.03 seconds)
