-
公开(公告)号：CN119091141B
公开(公告)日：2025-04-18
申请号：CN202411118041.0
申请日：2024-08-15
Applicant: 武汉大学
IPC: G06V10/26 , G06V10/764
Abstract: 本申请公开了基于分割大模型的遥感目标检测方法、装置、存储介质及电子设备。该方法包括：获取遥感图像；将遥感图像输入到图像编码器中进行图像嵌入操作与位置嵌入操作，得到图像特征向量；将图像特征向量输入到适配器中得到通道‑空间特征向量；将图像特征向量与通道‑空间特征向量相加并输入到图像编码器中得到一次性图像嵌入特征；将一次性图像嵌入特征输入到轻量级掩码解码器中，生成分割掩码；基于分割掩码计算目标位置，基于目标位置生成最小外接水平框；基于最小外接水平框的坐标得到遥感图像对应的位置预测结果与分类预测结果。本申请能够解决使用分割大模型造成遥感图像目标检测适应度低的问题。
-
公开(公告)号：CN118709010B
公开(公告)日：2025-03-18
申请号：CN202410715496.4
申请日：2024-06-04
Applicant: 武汉大学
IPC: G06F18/24 , G06N3/042 , G06N3/0464
Abstract: 本发明提供一种加密流量分类方法、装置及电子设备，其中，该加密流量分类方法，包括：获取流量数据；所述流量数据包含若干数据包；根据所述流量数据中数据包的信息内容和数据包之间的时间关系，构建目标有向图；调用预先配置的分类模型，将所述目标有向图输入至所述分类模型中进行分类，得到所述流量数据的分类结果；所述分类模型包括依次连接的学习器和分类器。通过本发明，能够最大限度地保持流量数据的完整性，并考虑到多个尺度上的高阶图结构，提高了对流量数据的分类效果，解决了现有的相关技术中存在的加密流量分类精确度不佳以及泛化能力不足的问题。
-
公开(公告)号：CN114363013B
公开(公告)日：2024-04-26
申请号：CN202111533617.6
申请日：2021-12-15
Applicant: 武汉大学
IPC: H04L9/40 , H04L67/10 , H04L67/1097 , H04L67/01
Abstract: 本发明提供了一种监管友好的区块链内容隐私保护系统、消息发送以及查询方法。系统主要由服务端和客户端两部分组成，服务端位于以太坊平台，以智能合约的方式实现，负责提供密钥协商、密钥管理、加密数据存储、处理用户查询以及为第三方提供监管的功能；客户端以浏览器为载体，结合常见的以太坊钱包应用，实现内容的本地加解密，并且与服务端的合约进行交互，发起交易等行为，为用户和第三方监管者提供友好的发送和查询接口。本发明解决了区块链上用户隐私保护的问题，能够为用户提供一种加密传输的通信方式；同时能够对区块链上的内容进行监管，在不影响正常用户通信的情况下实现区块链上监管友好的加密传输。
-
公开(公告)号：CN117455809A
公开(公告)日：2024-01-26
申请号：CN202311388489.X
申请日：2023-10-24
Applicant: 武汉大学
IPC: G06T5/77 , G06T5/70 , G06T5/50 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了基于深度引导扩散模型的图像混合雨去除方法和系统，可以有效解决公共监控画面、自动驾驶目标跟踪等被雨水遮挡而造成的公共安全问题。本方法包括利用编码器解码器网络提取有雨图像的深度特征并预测有雨图像的深度映射；利用U‑Net网络提取有雨图像的噪声特征；通过带有可学习偏移量的卷积操作对上述两种特征进行采样并利用深度特征引导和精确U‑Net网络对于有雨图像噪声分布的预测；根据扩散模型框架对整个网络进行迭代最终得到去雨的干净图像。本发明可以更有效去除图像中复杂多样的雨水，同时针对被雨水遮挡的背景信息获得更高质量的恢复效果，从而整体提升去雨图像的质量。因此本发明可以为智能的数字城市系统带来更多便利性和安全性。
-
公开(公告)号：CN114861776A
公开(公告)日：2022-08-05
申请号：CN202210423494.9
申请日：2022-04-21
Applicant: 武汉大学
Abstract: 本发明提供了一种基于人工免疫技术的动态自适应网络异常检测方法，包括：(1)基于启发式降维算法筛选最优特征子集。(2)为减少由于边界多样性造成的检测率降低问题，基于混合分层划分的NSA算法，将特征空间按照样本分布密度进行划分网格，在边界网格生成特定的候选检测器。(3)在非边界区域，对自样本采用聚类策略，以此提高检测器耐受阶段效率。(4)将实值NSA算法和优化的GWO相结合，自适应调整检测器的生成策略，提高网络异常检测效率。本发明能够针对异常数据与检测器的特点，基于混合划分网格策略与GWO算法对异常检测策略进行动态自适应调整，实现高效的网络异常检测。
-
Patent Agency Ranking
公开(公告)号：CN114363013A
公开(公告)日：2022-04-15
申请号：CN202111533617.6
申请日：2021-12-15
Applicant: 武汉大学
IPC: H04L9/40 , H04L67/10 , H04L67/1097 , H04L67/01
Abstract: 本发明提供了一种监管友好的区块链内容隐私保护系统、消息发送以及查询方法。系统主要由服务端和客户端两部分组成，服务端位于以太坊平台，以智能合约的方式实现，负责提供密钥协商、密钥管理、加密数据存储、处理用户查询以及为第三方提供监管的功能；客户端以浏览器为载体，结合常见的以太坊钱包应用，实现内容的本地加解密，并且与服务端的合约进行交互，发起交易等行为，为用户和第三方监管者提供友好的发送和查询接口。本发明解决了区块链上用户隐私保护的问题，能够为用户提供一种加密传输的通信方式；同时能够对区块链上的内容进行监管，在不影响正常用户通信的情况下实现区块链上监管友好的加密传输。
-
公开(公告)号：CN109120618A
公开(公告)日：2019-01-01
申请号：CN201810937762.2
申请日：2018-08-17
Applicant: 武汉大学 , 武汉火凤凰云计算服务股份有限公司
Abstract: 本发明公开了一种基于硬件虚拟化的云平台受控侧信道攻击检测方法；本发明通过操作扩展页表EPT锁定客户虚拟机内存，保护客户中断描述符表IDT内容不被恶意操作系统OS修改，并对页面操作序列进行模式分析，从而自动区分正常内存请求与恶意操作。本方法能有效检测受控侧信道攻击，与现有的纯软件实现的防御方法相比，降低了时间开销，且无需修改被保护程序代码。
-
公开(公告)号：CN101894239B
公开(公告)日：2013-07-10
申请号：CN201010251977.2
申请日：2010-08-12
Applicant: 武汉大学
Abstract: 本发明涉及信息安全技术领域，尤其涉及一种基于演化策略的敏感数据审计分发方法及系统。本发明的系统包括基于信任的风险评估模块、基于策略的审计分发模块、数据泄露审计模块、敏感数据管理服务模块；风险评估模块计算用户行为信任度，并考察泄漏集和用户所得集的交集，从而得出用户犯罪风险；分发模块依据用户申请和分发记录，在犯罪因子和评判和式的指导下确定一个分发策略；审计模块记录分发日志，统计分析用户行为和数据泄漏信息，并将审计结果反馈上述两个模块。本发明适应于数据完整性要求高的敏感数据防泄漏应用需求，仅通过用户所得数据集和泄漏数据集交集检测泄漏源，无需嵌入任何水印信息，满足完整性和私密性要求高的敏感数据的应用需求。
-
公开(公告)号：CN119781687A
公开(公告)日：2025-04-08
申请号：CN202411920784.X
申请日：2024-12-25
Applicant: 武汉大学
IPC: G06F3/06 , G06F16/2455 , G06F16/23 , G06F16/22 , G06F16/215
Abstract: 本发明公开了一种基于冷热流分离的网络流数据的存储方法及系统、插入方法、查询方法，关键思想是对频繁项目和非频繁项目流键采用不同的策略。鉴于逐流键的实时分布应用需求的多样性，Hermetis的工作流程包括两个部分：精益部分和粗糙部分。精益部分用于存储时间窗口内的频繁项。精益部分通过竞争性选择过程来剔除非频繁项目，对于实时频繁项查询任务，精益部分大大提高了查询效率并降低了由于哈希碰撞造成误报的几率。粗糙部分是一个根据时间窗口变化自调整计数器大小的概率型数据结构，用于对“模糊流键”的分布状况进行记录。实验表明，本发明的数据结构在准确率、吞吐量和内存开销方面的效果上，对比其他数据结构和算法显著提升。
-
公开(公告)号：CN119172107A
公开(公告)日：2024-12-20
申请号：CN202411167605.X
申请日：2024-08-23
Applicant: 武汉大学
IPC: H04L9/40 , G06F18/232 , G06F18/243 , G06F18/214 , G06N5/01 , G06N20/20 , G06N3/0455 , G06N3/0475 , G06N3/094 , G06N3/096 , G06N3/0895 , G06N3/09
Abstract: 本发明公开了一种基于注意力机制和数据增强的恶意流量假设检测方法及装置，其中的方法包括：使用网络上现有的已公开的正常流量和恶意流量数据集对编码器进行训练，然后通过starGAN对训练数据进行增强，然后对Transformer继续进行微调训练。训练完成后通过提取流量中的特征信息然后对器进行KS检验，在实际流量检测过程中先对流量数据进行预处理后将其通过编码器编码获得其特征，然后对流量特征使用KS假设检验给出流量是恶意流量的置信度，通过该置信度假设检验，从而能够在一定阈值范围内确定该流量是否是恶意流量。本发明可以有效预防针对流量的恶意对抗攻击以及部分目前仍未知方法的攻击，在低误报率的前提下提高了检测的准确性和鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
44
records
(took 0.018 seconds)
