-
公开(公告)号:CN117811843B
公开(公告)日:2024-05-03
申请号:CN202410227507.4
申请日:2024-02-29
Applicant: 暨南大学
IPC: H04L9/40 , G06F18/24 , G06F18/213 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明公开了一种基于大数据分析和自主学习的网络入侵检测方法及系统,包括,获取目标网络流量数据并进行预处理,利用特征重构生成重构数据进行特征提取,获取空间特征及时间特征作为目标网络流量数据对应的流特征;构建网络入侵检测模型,利用大数据手段获取具有完备标签信息的相似数据集,进行所述网络入侵检测模型的迁移对抗训练;根据网络入侵检测模型进行目标网络流量数据的入侵检测分类,获取目标设备对应网络流量数据的历史入侵检测数据,提取入侵流量的隐式特征,进行网络入侵检测模型的自主学习更新。本发明通过迁移对抗训练提高了入侵行为检测的鲁棒性,能够在少样本或者无样本的场景下实现对网络流量的高精度、高效率的检测。
-
公开(公告)号:CN119673202A
公开(公告)日:2025-03-21
申请号:CN202510007105.8
申请日:2025-01-03
Applicant: 暨南大学
IPC: G10L25/30 , G10L21/003 , G06F18/214 , G06F16/61 , G06F18/213 , G06F18/21 , G06F18/22
Abstract: 本发明公开了基于数据蒸馏的语音转换模型的训练方法、系统及应用方法、系统。该方法组建语音训练数据集并利用语音训练数据集对原始语音转换模型进行训练,获得初始语音转换模型;组建语音评估数据集,将所述语音评估数据集输入初始语音转换模型,得到对应的每个说话人的转换语音数据;计算每个说话人的语音转换评分;判断每个说话人语音转换评分是否达到预设条件;若否,则将该说话人对应的语音数据从语音训练数据集中剔除,剩余的语音数据作为语音数据库;重复训练;将初始语音转换模型和语音数据库,作为分别作为训练好的语音转换模型和最终语音数据库。经该方法训练得出的语音转换模型和语音数据库,可以支持多种音色转换,语音转换效果好。
-
公开(公告)号:CN117811843A
公开(公告)日:2024-04-02
申请号:CN202410227507.4
申请日:2024-02-29
Applicant: 暨南大学
IPC: H04L9/40 , G06F18/24 , G06F18/213 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明公开了一种基于大数据分析和自主学习的网络入侵检测方法及系统,包括,获取目标网络流量数据并进行预处理,利用特征重构生成重构数据进行特征提取,获取空间特征及时间特征作为目标网络流量数据对应的流特征;构建网络入侵检测模型,利用大数据手段获取具有完备标签信息的相似数据集,进行所述网络入侵检测模型的迁移对抗训练;根据网络入侵检测模型进行目标网络流量数据的入侵检测分类,获取目标设备对应网络流量数据的历史入侵检测数据,提取入侵流量的隐式特征,进行网络入侵检测模型的自主学习更新。本发明通过迁移对抗训练提高了入侵行为检测的鲁棒性,能够在少样本或者无样本的场景下实现对网络流量的高精度、高效率的检测。
-
公开(公告)号:CN119888302A
公开(公告)日:2025-04-25
申请号:CN202411718099.9
申请日:2024-11-27
Applicant: 暨南大学
IPC: G06V10/764 , G06V10/82 , G06V10/44 , G06V10/80 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本申请实施例提供一种图像安全检测方法。该方法包括:获取目标图像;将目标图像输入至图像检测模型中,得到第一概率,第一概率为目标图像属于生成式图像的概率;图像检测模型是根据第一样本图像和第一标签进行训练得到的;将目标图像输入至目标检测模型中,得到至少一个对象各自对应的第二概率,至少一个对象为目标图像中的对象,第二概率为对应的对象属于生成式对象的概率;目标检测模型是根据第二样本图像和第二标签进行训练得到的;根据第一概率和至少一个对象各自对应的第二概率,确定目标图像的类型,目标图像的类型为生成式图像或者非生成式图像。本申请的方案提高了对目标图像进行安全检测的精确度。
-
公开(公告)号:CN119834953A
公开(公告)日:2025-04-15
申请号:CN202510043091.5
申请日:2025-01-10
Applicant: 暨南大学
Abstract: 本发明的目的是提供一种隐私保护的无脚本链下多路径众筹方法,该方法包括:授权中心根据众筹项目信息生成公私钥和秘密份额;授权中心发送所述公钥和所述秘密份额至各个意向投资方;意向投资方根据秘密份额和公钥生成密文;项目发起方根据私钥解锁密文。本发明能够解决虫洞攻击的问题,相较于原本的HTLC更加安全;并且只需要通过ECDSA来实现,不需要特殊脚本,从而保证了其兼容性和链上交易的不可区分性并做到了匿名性。
-
公开(公告)号:CN119479686A
公开(公告)日:2025-02-18
申请号:CN202510007602.8
申请日:2025-01-03
Applicant: 暨南大学
IPC: G10L25/30 , G10L21/003 , G10L25/24 , G06F18/213 , G06F18/214 , G06F18/22 , G06F18/25
Abstract: 本发明涉及人工智能技术领域,公开了一种基于流式匹配的歌声美化方法及系统,方法包括获取歌声数据和曲谱数据;从歌声数据中提取音色特征和音素后验概率图;根据曲谱数据和音素后验概率图,生成多维歌声表现力序列;根据多维歌声表现力序列、音素后验概率图和音色特征,生成语音梅尔谱;将语音梅尔谱输入声码器进行转换处理,得到经过美化后的歌声语音。本发明能够使输出的歌声语音在音准、音色和表现力上都得到优化,能够显著提升歌声的表现力和自然度,使生成的歌声质量更高,听感更加流畅以及富有表现力。
-
-
-
-
-