-
公开(公告)号:CN113868647B
公开(公告)日:2025-02-28
申请号:CN202111033151.3
申请日:2021-09-03
Applicant: 杭州电子科技大学
IPC: G06F21/56 , G06N3/0464 , G06F18/214 , G06F18/2411 , G06F18/2415
Abstract: 本发明公开了一种基于特征扩展CNN的网络未知威胁检测方法,针对很多网络未知威胁与已知威胁源自于同一家族,表现为样本特征相似的特点构建特征扩展CNN模型,首先在CNN网络每一层对原始数据卷积操作,得到原生特征图;再对原生特征图进行线性随机操作,得到扩展特征图;最后两者合并,得到原始数据的扩展重构数据,其维度低于原始数据的维度,实现数据的降维扩展重构。再基于浅层机器学习算法构建安全数据分类模型,实现对网络安全大数据中的未知威胁的检测。本发明提出的基于特征扩展CNN的网络未知威胁检测方法,生成的扩展重构特征,不仅实现了降维,还扩展了未知威胁的数据表征,实现了未知威胁高精准的检测,还降低了计算复杂度。
-
公开(公告)号:CN114338188B
公开(公告)日:2024-01-30
申请号:CN202111653950.0
申请日:2021-12-30
Applicant: 杭州电子科技大学
IPC: H04L9/40
Abstract: 本发明公开了一种基于进程行为序列分片的恶意软件智能云检测系统,由客户端、云端和智能检测系统组成。在客户端对主机上的进程行为进行监控,并生成日志发向云端;在云端对进程行为日志数据进行解析、存储、统计和可视化;在智能检测平台,根据一个行为的完整表征,将行为数据进行分片,生成数据集,再基于机器学习算法建立检测模型,对客户端主机的安全情况做出判断;云端再将收集到的数据和智能检测过程和结果进行整合,形成表或图提供数据可视化服务。本系统的优势在于采用动态检测方式,实时性强;基于机器学习智能检测,具有高效精准特性;云端数据全景可视化,全面展示数据的内容和检测过程,让恶意软件无处遁形。
-
公开(公告)号:CN114283083A
公开(公告)日:2022-04-05
申请号:CN202111580516.4
申请日:2021-12-22
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于解耦表示的场景生成模型的美学增强方法,首先选取一个StyleGAN的场景生成模型,得到隐向量矩阵Z和对隐向量矩阵Z做非线性变换产生的隐向量矩阵W;然后训练图像美学评价模型和图像美学风格模型,得到预测评分S;利用隐向量矩阵W以及预测评分S训练SVM分界面;对所选StyleGAN场景生成模型进行生成图像美学增强。本发明通过训练不同的美学预测器,对GAN生成网络中潜在的美学神经元进行解耦和操控,从而实现生成图像美学属性的可编辑,通过对隐空间进行语义编辑改变图像美学属性的方式,避免了对GAN模型结构的改动以及GAN的重新训练与调优,从而极大的缩短训练时间、减少所需资源。
-
公开(公告)号:CN117971958A
公开(公告)日:2024-05-03
申请号:CN202410204704.4
申请日:2024-02-25
Applicant: 杭州电子科技大学
IPC: G06F16/26 , G06Q10/10 , G06F18/15 , G06F18/214
Abstract: 本发明公开了一种基于数据指引的AI可视化分析系统,其中,用户和数据支撑模块,用于构建用户管理、角色管理、权限管理、日志管理、数据管理功能;AI算法组件模块,用于进行算法组件封装、第三方API接入;AI模型构建和训练模块,用于构建建模指引、模型构建、模型保存的模型操作界面;业务应用模块,用于构建用户管理、模型下载和应用、智聊自助、日志管理;Web可视化模块,通过组件和前端可视化,实现AI建模和管理的可视化。本发明建模有指引,准入低门槛,降低研发成本;能够实现可视化拖拉,应用简便,提升智能效率;适用于多个场景,助力产业升级。
-
公开(公告)号:CN113537313B
公开(公告)日:2024-02-27
申请号:CN202110736686.0
申请日:2021-06-30
Applicant: 杭州电子科技大学
IPC: G06F18/241 , G06F18/21 , G06F18/214 , G06F18/25 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于WGAN训练收敛的不平衡数据集分析方法,针对不平衡数据集中的少类样本构建包含生成器和判别器的WGAN模型。生成器生成数据,再利用判别器对生成的新数据和原始数据进行判断,进而将判别结果以代价的形式反馈给生成器,使生成器生成与原始数据更相近的新数据。在WGAN模型训练过程中,生成器和判别器交替训练,每一轮以判别器的代价函数收敛作为生成器和判别器训练平衡的纳什均衡点,指导生成器和判别器的训练更替。本发明提出的基于WGAN训练收敛的不平衡数据集分析方法,可以通过生成大量少类样本,与原始样本融合,实现数据集的平衡,当基于浅层机器学习算法对数据分类时,实现对原始少类数据的高效正确检测。
-
公开(公告)号:CN115841387A
公开(公告)日:2023-03-24
申请号:CN202211609627.8
申请日:2022-12-14
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于区块链的时序数据共享交易系统及方法。本发明包括数据存储模块、数据令牌访问模块、数据共享交易模块和应用层模块;数据存储模块由通用时序数据库与IPFS组成,利用时序数据库与IPFS混合存储策略。数据令牌访问模块负责维护系统中的各类数据访问;数据共享交易模块,数据需求方通过智能合约向数据持有方订购一段时间的高价值时序数据或批量订购大范围的其他类型时序数据;应用层模块对外以可视化界面的呈现,便于联盟内参与者共享时序数据或联盟外用户检索购买自己需要的数据。本发明利用智能合约、时序数据库、IPFS和令牌访问机制实现了时序数据在不同参与方之间的可信共享与对外交易。同时极大提升了时序数据的存储效率问题。
-
公开(公告)号:CN111340119A
公开(公告)日:2020-06-26
申请号:CN202010131033.5
申请日:2020-02-28
Applicant: 杭州电子科技大学 , 浙江省电子信息产品检验研究院
IPC: G06K9/62
Abstract: 本发明公开了一种基于SVD的高斯混合模型参数初始化方法,包括计算模型分量的初始值,每个模型分量的混合系数、均值和协方差。本发明所属技术领域为大数据分析和建模领域,在采用GMM建立概率聚类模型之后,采用SVD分解数据矩阵,实现对数据集合的初始分类,得到模型分量初始值;再针对分类子集计算混合系数、均值和协方差,作为GMM模型的各参数初始值。本发明提出的基于SVD初始化方法,不仅不依赖人为主观性和系统随机性,能够通过算法客观、自动地计算出参数的初始值,而且计算复杂度较低、消耗的时间和系统资源较少,还对不同应用场景的数据分析和建模具有较强的适应性。
-
公开(公告)号:CN114418872B
公开(公告)日:2025-04-11
申请号:CN202111627418.1
申请日:2021-12-28
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于mGANprior的真实图像美感增强方法,对于待增强美感的真实图像,选择对应类型的PGGAN预训练生成模型,并确定需要增强的美感效果类型;使用级联分割模块方法对真实图像进行语义分割;使用mGANprior方法得到逆映射的图像;根据需增强的美学风格,对真实图像与逆映射的图像做对应的退化变换并计算损失,通过梯度下降优化得到最终的隐向量与图像美学风格增强后的图像Ienh;本发明方法实现了真实图像的美感增强,既最大程度的保留图像的原有信息,又对图像进行了可控的美学风格修改,本发明依据美学因素提出一种退化变换的损失函数,可以在真实图像上生成具有美感的模糊效果。
-
公开(公告)号:CN114283083B
公开(公告)日:2024-05-10
申请号:CN202111580516.4
申请日:2021-12-22
Applicant: 杭州电子科技大学
IPC: G06T5/60 , G06T11/00 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/0475 , G06N3/094
Abstract: 本发明公开了一种基于解耦表示的场景生成模型的美学增强方法,首先选取一个StyleGAN的场景生成模型,得到隐向量矩阵Z和对隐向量矩阵Z做非线性变换产生的隐向量矩阵W;然后训练图像美学评价模型和图像美学风格模型,得到预测评分S;利用隐向量矩阵W以及预测评分S训练SVM分界面;对所选StyleGAN场景生成模型进行生成图像美学增强。本发明通过训练不同的美学预测器,对GAN生成网络中潜在的美学神经元进行解耦和操控,从而实现生成图像美学属性的可编辑,通过对隐空间进行语义编辑改变图像美学属性的方式,避免了对GAN模型结构的改动以及GAN的重新训练与调优,从而极大的缩短训练时间、减少所需资源。
-
公开(公告)号:CN117834290A
公开(公告)日:2024-04-05
申请号:CN202410031036.X
申请日:2024-01-09
Applicant: 杭州电子科技大学
IPC: H04L9/40 , H04L67/1095 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种非均匀高斯分布下的网络攻击联邦检测方法及系统,该方法首先在客户端采集网络数据和攻击数据构建数据集,获取数据集的分布信息发送到中央服务器。然后中央服务器构建CNN‑Attention神经网络模型并初始化,将初始化全局模型参数下发到各个客户端。然后在客户端构建基于CNN‑Attention神经网络模型的本地模型,使用本地数据集进行训练,并输出网络攻击的检测结果,再将本地模型参数保存成数组发送到中央服务器;最后在中央服务器,接收各个客户端的本地模型参数,对全局模型进行更新,并同步到客户端。本发明对网络数据具有较好的表征能力,对攻击流量具有较高的检测能力。
-
-
-
-
-
-
-
-
-