-
公开(公告)号：CN120075274A
公开(公告)日：2025-05-30
申请号：CN202510303047.3
申请日：2025-03-14
Applicant: 桂林电子科技大学 , 南宁桂电电子科技研究院有限公司
IPC: H04L67/133 , H04L47/43 , H04L69/22 , H04L69/18 , H04L67/565 , H04L67/1004
Abstract: 本发明涉及工业控制系统的异构互联和众测领域，具体是一种为众测任务提供高效的数据采集和传输的解决方案。该方案通过将DPDK的高速数据包处理能力与gRPC的高效远程过程调用能力相结合，系统在数据采集、协议解析、数据传输和任务分发的各个环节实现了紧密协作，确保了数据流的高效性、实时性和稳定性。通过高效的数据采集和快速解析，测试平台能够实时获取和分析来自不同设备的数据，并通过gRPC协议将数据传输到多个测试节点进行处理。这种灵活的分布式任务执行架构，保证了在大规模测试场景下系统能够稳定运行，并能够根据需求动态分配资源，确保任务的快速执行和数据的高效处理。
-
公开(公告)号：CN120075100A
公开(公告)日：2025-05-30
申请号：CN202510217962.0
申请日：2025-02-26
Applicant: 桂林电子科技大学 , 南宁桂电电子科技研究院有限公司
IPC: H04L43/0876 , H04L43/04 , H04L9/40 , G06F18/2433 , G06F18/25 , G06F18/214 , G06N3/0455 , G06N3/0499 , G06N3/08
Abstract: 本发明涉及网络流量分析、深度学习和众测环境保护领域，具体是一种众测环境中基于改进CNN(Pro‑CNN)和ET‑Bert的加密流量识别方法。该方法通过结合CNN进行局部特征提取和ET‑Bert中Transformer架构进行全局依赖关系捕捉，提供了更高的分类准确率和更强的泛化能力，有效应对复杂的加密流量分类任务，及时检测和防范恶意攻击，保护软件系统和用户数据的安全。
-
公开(公告)号：CN119621570A
公开(公告)日：2025-03-14
申请号：CN202411718503.2
申请日：2024-11-27
Applicant: 桂林电子科技大学 , 南宁桂电电子科技研究院有限公司
IPC: G06F11/3668 , G06F16/28 , G06F16/27 , G06F21/57 , G06F21/60
Abstract: 本发明结合了微服务架构理念和众包测试概念，目的是通过众测任务解决工业控制系统领域的安全问题，如未授权访问和逻辑漏洞。系统由五个核心部分构成：工控设备层、工控数据云存储层、工控数据传输层、工控应用服务层和众测用户层。首先，工控设备层通过云连接网关实现设备与云平台的连接。接着，工控数据云存储层将工控设备数据加密并保存到数据库中。接下来，工控数据传输层通过消息中间件将数据发送到工控应用服务层。工控应用服务层根据传输层的数据提供多种模块：工业控制模块、身份与权限管理、众包测试模块。最后，众测用户层通过用户友好的界面使用户能够方便地进行众测任务以及人员的实时管理。
-
公开(公告)号：CN116861487A
公开(公告)日：2023-10-10
申请号：CN202310956965.7
申请日：2023-08-01
Applicant: 桂林电子科技大学 , 南宁桂电电子科技研究院有限公司
IPC: G06F21/62 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种联邦学习中基于扰动的隐私泄露防御方法，其特征在于，包括如下步骤：1）获取训练数据集与测试数据集；2）获得梯度值；3）得到新的梯度值；4）验证。这种方法能够在保持原始模型性能的同时防御攻击者采用DLG攻击窃取参与者隐私信息。
-
公开(公告)号：CN119671556A
公开(公告)日：2025-03-21
申请号：CN202411730869.1
申请日：2024-11-29
Applicant: 桂林电子科技大学 , 南宁桂电电子科技研究院有限公司
Abstract: 本发明涉及智能电网隐私保护技术领域，具体涉及一种面向智能电网的基于内积加密的账单计费方法，KDC服务器生成公共参数和公私钥，智能电表端按照负载监测周期收集到用户数据后生成无证书环签名，为了保证不可链接性生成唯一的随机数，并将包含了用电数据的打包数据发送给聚合器。聚合器收到打包数据后进行批量验签，对验签合格的数据进行聚合得到部分区域负载数据，聚合器发送包含时间戳、ID和负载信息数据到区块链。对用户计费，智能电表得到公私钥并根据计费周期存储为电力数据向量，与实时电力价格向量通过内积加密得到密文，并对密文签名后将打包数据发送到区块链。区块链接收数据后批量验签，并对密文负载和账单进行解密，从而得到整个区域负载数据和账单信息。在整个过程中，负载数据和账单数据均会存证在区块链上，保证关键数据的公开透明和不可篡改。
-
Patent Agency Ranking
公开(公告)号：CN116545730A
公开(公告)日：2023-08-04
申请号：CN202310616009.4
申请日：2023-05-29
Applicant: 桂林电子科技大学 , 南宁桂电电子科技研究院有限公司
IPC: H04L9/40 , G06N3/044 , G06N3/0895
Abstract: 本发明公开了一种物联网环境中基于DEPMU的流量异常检测方发法，其特征在于，包括如下步骤：1）数据采集；2）获得训练好的DEPMU模型；3）获得检测结果；4）验证TAG‑Net模型性能。这种方法能实时监控网络的异常状态，实现高效、精确物联网中的网络流量异常检测。
-
公开(公告)号：CN119155086A
公开(公告)日：2024-12-17
申请号：CN202411261680.2
申请日：2024-09-10
Applicant: 桂林电子科技大学 , 南宁桂电电子科技研究院有限公司
IPC: H04L9/40 , G06N3/0464 , G06N3/045 , G06N3/0442
Abstract: 本发明属于工业物联网、深度学习与网络态势预测交叉领域，提出了一种能够主动且有效预测工业物联网环境中恶意流量的创新方案。该方案提出了一种基于线性门控未来预测网络(LGF‑Net)的新型网络态势预测方法。具体而言，该模型融合了U‑Net和ResNet的优势，显著提升了网络态势预测的性能。LGF‑Net模型在两个关键方面加强了传统的深度学习网络：首先，它通过多层次结构有效捕捉了时间序列中的内在相关性；其次，它引入了信息补偿机制，极大地减少了学习过程中的信息损失。这些改进大幅增强了模型捕捉要素间相关性的能力，使其能够利用多层次历史数据准确预测未来的网络安全状况。此外，该研究还通过理论复杂性分析评估了所提方法的计算效率。最后，大量实验结果表明，与现有方法相比，该方法在多个性能指标上都具有显著优势。
-
公开(公告)号：CN116543213A
公开(公告)日：2023-08-04
申请号：CN202310516097.0
申请日：2023-05-09
Applicant: 桂林电子科技大学 , 南宁桂电电子科技研究院有限公司
IPC: G06V10/764 , G06V10/774 , G06V10/42 , G06N3/0499
Abstract: 本发明公开了一种基于Informer的图像识别方法，其特征在于，包括如下步骤：1）输入图像；2）数据预处理；3）特征提取；4）生成推理；5）判断是否达到训练轮次；6）输出图像识别结果并保存。这种方法能提高图像识别的效率并降低计算开销。
-
公开(公告)号：CN119004305A
公开(公告)日：2024-11-22
申请号：CN202410943203.8
申请日：2024-07-15
Applicant: 桂林电子科技大学 , 南宁桂电电子科技研究院有限公司
IPC: G06F18/2433 , G06F18/213 , G06N3/0464 , G06N3/08 , G06N3/0442
Abstract: 本发明涉及深度学习和区块链技术领域，具体是一种基于深度学习的链下工业数据异常检测方法。该方法提出了一种时空邻域融合网络模型，能够提取工业物联网流量数据的时间序列特征、空间序列特征以及邻居节点特征。通过对提取的三种特征进行线性关系聚合，全面表达数据特征，从而提高异常检测的准确性。本方法实现了对工业数据的智能感知和高效检测，确保在数据上链之前剔除或修正异常数据，最终保障上链数据的真实有效性和系统的整体安全性。上链存储的数据可以随时被追溯和验证，确保工业数据的可信度。本发明结合了深度学习的智能感知能力和区块链的去中心化、共识机制等特点，为工业区块链系统提供了一种高效、可靠的数据管理解决方案。
-
公开(公告)号：CN116909369A
公开(公告)日：2023-10-20
申请号：CN202310785029.4
申请日：2023-06-29
Applicant: 桂林电子科技大学 , 南宁桂电电子科技研究院有限公司
IPC: G06F1/20 , G06F21/62 , G06N3/0455 , G06N3/084
Abstract: 本发明属于数据处理技术领域，公开了一种基于AutoRec算法的差分隐私保护推荐方法及系统，在AutoRec算法上选择在训练过程中对其梯度加噪实现差分隐私保护，将AutoRec算法和差分隐私相结合设计DPAutoRec算法并在此基础上进一步优化，最后利用实验仿真验证DPAutoRec算法在满足差分隐私的同时也保证了模型的可用性。本发明基于经典的AutoRec算法，将差分隐私和AutoRec模型相结合，设计了DPAutoRec，在深度学习领域，使用Guaasian机制来扰动梯度数据比用Laplace机制来扰动梯度数据的性能更好，Rényi差分隐私也确实进一步优化隐私预算提高了扰动后的模型准确率。
-
-
-
-
-
-
-
-
-
Search Results
191
records
(took 0.071 seconds)
