-
公开(公告)号:CN118947675A
公开(公告)日:2024-11-15
申请号:CN202411264940.1
申请日:2024-09-10
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种机场无痕弹自动驱鸟装置及使用方法,包括机架、无痕弹发射组件、自动装弹组件、太阳能光伏板组件、控制箱、空气压缩机以及红外摄像机;所述机架的底部安装有可移动的万向轮和用于固定的脚杯,机架的侧边安装有用于布线的穿线管;所述无痕弹发射组件安装在机架的底部前端,包括云台和驱鸟枪;所述驱鸟枪通过连接件安装在云台上;所述自动装弹组件通过支架架设在无痕弹发射组件的上方;红外摄像机在驱鸟装置的顶部,通过红外摄像机获取机场空中的鸟群信息,驱鸟枪发射无痕弹驱鸟。本发明结构设计新颖,适应性强,自动填充无痕弹并发射,通过无痕弹爆炸产生的巨响和亮光对机场周围的鸟类进行有效驱离,有效提升驱鸟效果。
-
公开(公告)号:CN118764224A
公开(公告)日:2024-10-11
申请号:CN202410737244.1
申请日:2024-06-07
Applicant: 桂林电子科技大学 , 广西昊华科技股份有限公司
IPC: H04L9/40 , G06N3/0442 , G06N3/08 , H04L41/16
Abstract: 本发明涉及网络安全技术领域,具体涉及一种基于PMU‑Attention的网络安全态势预测方法,通过网络安全态势评估方法计算得到一系列时刻的网络安全态势值,并将这些数据集划分为训练集和测试集,将划分出来的训练集数据输入到的PMU‑Attention模型中训练,在训练过程中,监控PMU‑Attention模型是否满足训练周期,当PMU‑Attention模型成功训练并达到收敛后,将训练完成的模型应用于预测阶段,将测试集中的网络安全态势数据输入模型,从而得到态势预测结果。通过利用PMU网络结构对态势数据集中的长短期依赖关系进行有效管理,随后引入多头注意力机制以增强模型对态势数据关键特征的捕获能力,能够适应并精准管理网络安全态势数据中潜在的短期和长期依赖相互作用,有效提升态势预测的准确性。
-
公开(公告)号:CN118734279A
公开(公告)日:2024-10-01
申请号:CN202410820094.0
申请日:2024-06-24
Applicant: 桂林电子科技大学 , 广西昊华科技股份有限公司
IPC: G06F21/32 , G06F18/213 , G06F18/25 , G06F18/2411 , G06N3/045 , G06N3/0442 , G06N3/0464 , G06N3/08 , G06N3/084 , G06F123/02
Abstract: 本发明涉及身份认证技术领域,具体涉及一种基于AcLSTM‑CNN的身份认证方法,本方法首先使用改进的LSTM算法(Ac‑LSTM)提取鼠标数据的时序特征,在采用双向LSTM学习鼠标序列上下文关系的同时,引入自相关机制实现高效的序列级时序连接,其次,使用CNN提取数据的空间特征,并将两种特征进行融合以获得良好的特征表示,最后,利用OCSVM算法为每个内部用户构建独特的单分类器,实现用户的个性化认证,通过与同类方法的对比实验表明,所提方法在认证性能方面优于其他方法,AUC、EER分别可达97.85%及5.49%,从而解决了当前鼠标动力学认证方法未考虑数据时空特性及用户习惯独特性导致认证性能受到影响的问题。
-
公开(公告)号:CN111832073B
公开(公告)日:2023-07-18
申请号:CN202010637582.X
申请日:2020-07-05
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种云环境中支持外包数据动态插入的确定性删除方法,获取两个公私钥对,并得到外包文件的唯一的文件名;利用获取的私钥和文件名计算加密密钥并对所述外包文件加密,此后随机地插入获取的多个数据块,并将得到的数据集和所述文件名上传至云服务器,同时根据所述云服务器返回的存储证据和辅助验证信息,验证所述外包文件的存储结果,根据需要插入或删除的数据块的叶子节点序号、文件名和对应的时间戳,将得到的数据插入命令和第一数据块上传至云服务器,将所述第一数据块插入指定位置,并将得到的数据删除命令上传至云服务器,从所述外包文件中删除第二数据块,本发明提供的方法可以同时支持外包数据的动态插入和安全删除操作。
-
公开(公告)号:CN115022194A
公开(公告)日:2022-09-06
申请号:CN202210571016.2
申请日:2022-05-24
Applicant: 桂林电子科技大学
IPC: H04L41/147 , H04L41/14 , H04L9/40 , G06N3/04 , G06K9/62
Abstract: 本发明涉及网络安全态势感知技术领域,具体涉及一种基于SA‑GRU的网络安全态势预测方法,利用Self‑Attention机制能有效学习当前候选集与过去隐藏状态信息间的关系,从而代替GRU神经网络中原有的更新门,使得改进GRU能充分保留当前时刻信息内容,而合理去除过去隐藏信息中冗余部分,并突出候选集中的关键信息,同时改进现有的网络安全态势预测方法无法充分考虑这些时序关系使得现有的态势预测方法难以实现高精度预测的问题,有效提升了网络安全态势预测的精度。
-
公开(公告)号:CN113411303B
公开(公告)日:2022-06-03
申请号:CN202110517511.0
申请日:2021-05-12
Applicant: 桂林电子科技大学
Abstract: 本发明涉及网络安全态势评估技术领域,具体涉及一种基于层次聚类和层次分析法的评估指标体系构建方法;基于层次聚类和层次分析法的评估指标体系构建方法包括如下步骤:数据处理,收集网络环境的安全检测日志作为实验数据;评估因素量化,以网络安全态势评估指标体系的指标的来源信息作为评估的属性;使用聚类的方法将功能作用相似的评估因素自动聚成一类;评估指标优化,利用层次分析法计算每类中评估因素的重要程度,进而选取具有代表性的评估因素,根据构建的指标体系和指标度量方法给指标赋值,度量后的指标进行归一化,防止指标的不同量纲影响评估结果,以解决评估结果可信度低的问题。
-
公开(公告)号:CN113448515A
公开(公告)日:2021-09-28
申请号:CN202110624846.2
申请日:2021-06-04
Applicant: 桂林电子科技大学
Abstract: 本发明属于云存储技术领域,公开了一种云存储中支持外包数据细粒度插入的可验证删除方法,包括:步骤一:初始化:生成相关的密钥对和公共参数;步骤二:数据外包:用户将大规模文件F外包给云服务器;步骤三:数据插入:在外包文件中插入新的数据块,并检查数据插入结果;步骤四:数据删除:用户将不再需要的外包数据块永久性删除,而将有用的数据块保留在云服务器中,并验证删除结果。本发明利用基于数量秩的Merkle哈希树(NR‑MHT)设计新的方案,该方案可以在不依赖可信第三方(TTP)的情况下同时实现基于块的外包数据可验证删除和细粒度插入。同时,本发明通过详细的安全性分析和准确的效率评估,证明本发明所提出方案的安全性和实用性。
-
公开(公告)号:CN108737399B
公开(公告)日:2021-02-19
申请号:CN201810436324.8
申请日:2018-05-09
Applicant: 桂林电子科技大学
Abstract: 本发明提出一种基于角标随机读取的Snort报警数据聚合方法,该方法包括:S1.采集原始Snort报警数据;S2.对原始Snort报警数据进行标准化得到的标准化Snort报警数据;S3.对原始Snort报警数据进行预处理操作;S4.以随机生成角标的方式对步骤S2获得的标准化Snort报警数据进行随机打散排列;S5.计算打散后的标准化Snort报警数据的各属性的相似度;S6.计算各打散后的Snort报警数据之间的全局相似度并计算每条Snort报警数据中各属性的权重值;S7.根据步骤S5得到的各属性的相似度以及步骤S6得到的各属性的权重值计算每条Snort报警数据的全局相似度;并计聚合结果。本发明采用角标随机读取算法实现报警数据按月分段,并且段内随机聚合比较,从而灵活计算相邻报警数据的属性相似度。
-
公开(公告)号:CN105577438B
公开(公告)日:2018-09-28
申请号:CN201510974143.7
申请日:2015-12-22
Applicant: 桂林电子科技大学
IPC: H04L12/24
Abstract: 本发明为一种基于MapReduce的网络流量本体构建方法,主要步骤为Ⅰ、设计网络流量本体结构,采用网络流量本体结构对网络流量资源进行分层描述,并建立资源描述的层次关系;Ⅱ、利用MapReduce并行计算框架构建网络流量本体;Ⅱ的子步骤Ⅱ‑1、通过MapReduce的映射函数捕获网络流量数据包并计算网络流量统计特征值;Ⅱ‑2、通过MapReduce的规约函数生成文件形式的网络流量本体并保存至Hadoop分布式文件系统。本发明在网络流量本体构建时采用云计算作为网络流量本体的构建及知识推理的存储和计算资源,为用户提供具有并行化、虚拟化、按需服务等特点的高效服务;借助MapReduce并行处理技术,有效地提高网络流量本体构建的效率。
-
公开(公告)号:CN105591972B
公开(公告)日:2018-09-11
申请号:CN201510975902.1
申请日:2015-12-22
Applicant: 桂林电子科技大学
IPC: H04L12/851
Abstract: 本发明为一种基于本体的网络流量分类方法,主要步骤为:Ⅰ、构建网络流量本体对网络流量信息资源进行分层描述;Ⅱ、利用决策树算法训练已标记应用类型的网络流量训练样本集,建立网络流量的决策树分类模型,并生成推理规则集;Ⅲ、采用Jena工具包将推理规则集构造成推理机,用其对网络流量本体进行知识推理,对网络流量本体中网络流量实例进行应用类型标记,完成网络流量分类。本发明利用本体描述和管理网络流量信息资源,借助知识推理实现流量分类,有针对性地解决网络流量信息资源一致性描述,克服传统网络流量分类的低复用、低共享、语义表达能力差等问题,有助提高领域知识管理和分类性能,为大规模复杂网络环境下实时网络流量分类提供新方法。
-
-
-
-
-
-
-
-
-