-
公开(公告)号：CN116029137A
公开(公告)日：2023-04-28
申请号：CN202310048687.5
申请日：2023-02-01
Applicant: 燕山大学
IPC: G06F30/20 , G06Q10/0639 , G06F119/02
Abstract: 本发明公开了一种工程机械液压油缸退役产品再制造评估方法，首先，建立工程机械液压油缸退役产品失效特征分析矩阵，通过失效特征相关性学习方法计算不同失效特征的影响权重；其次，建立模糊模式识别和实例推理模型，计算源实例与实例库中目标实例失效模式之间的相似度，匹配出最佳相似实例，并输出失效油缸的再制造工艺方案，对于未匹配案例形成新的失效实例模板，丰富产品再制造实例库。
-
公开(公告)号：CN108632279B
公开(公告)日：2020-07-10
申请号：CN201810434106.0
申请日：2018-05-08
IPC: H04L29/06
Abstract: 本发明公开了一种基于网络流量的多层异常检测方法。使用本发明能够很好地检测出小流量攻击行为，检测正确率高，且能适应不同的数据集。本发明首先在数据预处理阶段，将符号属性采用二进制表示，消除了传统的数值大小对分类的负面影响，且将数据集的属性集升高到一个较高的维度，使得后续的数据分类效果更加准确；然后采用降维方法提取特征，降低了数据量，使得后续步骤能够运行速度更快、内存消耗更低；随后，采用KNN离群点检测方法和遗传算法的结合方法进行数据选择，使得不同类别的数据量更加平衡，每类数据之间分离的尽可能远，分类结果更加公平；最后，利用构建的多层分类器，能够更为准确地将大流量攻击、小流量攻击识别出来。
-
公开(公告)号：CN108683664A
公开(公告)日：2018-10-19
申请号：CN201810461655.7
申请日：2018-05-15
IPC: H04L29/06
CPC classification number: H04L63/1433 , H04L63/20
Abstract: 本发明针对网络中存在的诸多漏洞可能对网络造成一定程度影响这一问题，提出一种基于多层次博弈模型的网络风险分析和最优主动防御方法，步骤一、根据扫描网络得到的安全漏洞以及可能的防御策略构建网络风险分析防御模型；步骤二、根据步骤一所述的网络风险分析防御模型构造判断矩阵；步骤三、根据该攻防博弈收益矩阵求取理论攻防最优策略；步骤四、根据步骤三得到的攻防最优策略为基础，根据判断矩阵更新算法更新判断矩阵，重新计算风险权重；步骤五：比较步骤二与步骤四中所述的判断矩阵，计算步骤四较步骤二的风险权重下降百分比，以此来评估防御策略的优劣。
-
公开(公告)号：CN108632279A
公开(公告)日：2018-10-09
申请号：CN201810434106.0
申请日：2018-05-08
IPC: H04L29/06
CPC classification number: H04L63/1416
Abstract: 本发明公开了一种基于网络流量的多层异常检测方法。使用本发明能够很好地检测出小流量攻击行为，检测正确率高，且能适应不同的数据集。本发明首先在数据预处理阶段，将符号属性采用二进制表示，消除了传统的数值大小对分类的负面影响，且将数据集的属性集升高到一个较高的维度，使得后续的数据分类效果更加准确；然后采用降维方法提取特征，降低了数据量，使得后续步骤能够运行速度更快、内存消耗更低；随后，采用KNN离群点检测方法和遗传算法的结合方法进行数据选择，使得不同类别的数据量更加平衡，每类数据之间分离的尽可能远，分类结果更加公平；最后，利用构建的多层分类器，能够更为准确地将大流量攻击、小流量攻击识别出来。
-
公开(公告)号：CN116055175B
公开(公告)日：2025-02-28
申请号：CN202310040830.6
申请日：2023-01-12
Applicant: 燕山大学
IPC: H04L9/40 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/08 , G06N3/006 , G06F18/211 , G06N7/01
Abstract: 本发明公开了一种基于联合对称不确定性和超参数优化神经网络的入侵检测方法，属于网络安全、入侵检测技术领域，首先对于非数值特征进行独热编码，转换为数值特征，并对数值做归一化处理；基于对称不确定性和松散条件下的马尔可夫毯，使用联合对称不确定性进行特征选择，获得最优特征子集，降低了原始数据的维度；基于CNN和LSTM构建CNN‑LSTM融合神经网络分类模型，并使用改进后的PSO算法对模型的超参数进行自动优化，提高算法的泛化能力。本发明具有更好的特征选择性能，同时也具有更好的入侵检测流量分类性能。从而在准确率、精确率、召回率等多维评价指标中表现出较好性能。
-
Patent Agency Ranking
公开(公告)号：CN113901448B
公开(公告)日：2024-10-29
申请号：CN202111030448.4
申请日：2021-09-03
Applicant: 燕山大学
IPC: G06F21/55 , G06F18/24 , G06N3/0464 , G06N3/048 , G06N3/08 , G06F18/214 , G06N20/20
Abstract: 本发明公开了一种基于卷积神经网络和轻量级梯度提升机的入侵检测方法，涉及网络安全领域的入侵检测技术，包括：数据预处理：在数据预处理的过程包括数据类型转换、过采样技术和图像数据转换；特征选择：使用CNN模型选择特征；入侵检测分类：使用LightGBM算法做分类。本发明克服了数据不平衡性、高维性和非线性给入侵检测分析带来的困难，从而在准确率、精确率、漏报率等多维评价指标中表现出较好性能。
-
公开(公告)号：CN118784320A
公开(公告)日：2024-10-15
申请号：CN202410949949.X
申请日：2024-07-16
Applicant: 燕山大学
IPC: H04L9/40 , G06N3/0442
Abstract: 本发明公开了一种基于CDIVAE和双向时序模型的自适应入侵检测方法，属于网络攻击检测技术领域，通过GWR算法对源域数据进行过滤聚类，同时过滤掉其中大量的重复数据，提取出一个分布清晰且规模较小的源域数据子集；基于高斯混合条件域不变变分自编码器缩小源域与目标域之间的后验分布的差异，最后通过双向保持网络编码器和双向长短期记忆网络的融合神经网络BRN‑BiLSTM进行入侵检测，先通过BRN对数据进行双向时序加权，之后通过BiLSTM对时序加权之后的数据进行识别并分类，通过记忆单元和门控单元能够有效的捕获数据的依赖关系。本发明能够更好的进行域不变特征提取和数据分布对齐，同时也具有更好跨领域入侵检测性能。
-
公开(公告)号：CN115795740B
公开(公告)日：2023-05-12
申请号：CN202310044782.8
申请日：2023-01-30
Applicant: 燕山大学
IPC: G06F30/17 , G06F30/27 , G06F18/214 , G06N5/01 , G06F119/02
Abstract: 本发明公开了一种复杂工况下的工程机械液压油缸失效模式分析方法，包括：考虑液压油缸服役过程中存在机械载荷、服役强度和服役环境的复杂工况条件的交互影响，基于工程机械液压油缸质量状态监测数据，建立复杂工况条件下失效特征多维向量的组合表征方法，设计了一种基于CART决策回归树的液压油缸失效模式智能分析模型，进行液压油缸质量状态的动态推理与预测，通过准确解析复杂服役工况条件下的液压油缸质量退化与失效演变关系函数，实现工程机械液压油缸质量状态动态分析和故障失效模式判别，支持液压油缸产品的质量状态评估、制定维护维修预案，以及优化产品设计与制造工艺等工程实践。
-
公开(公告)号：CN114861160A
公开(公告)日：2022-08-05
申请号：CN202210400321.5
申请日：2022-04-16
Applicant: 哈尔滨工业大学(深圳) , 燕山大学
Abstract: 本发明适用于计算机技术领域，提供了提升非管理员账户权限的方法，包括：以系统管理权限运行桌面代理程序；所述桌面代理程序获取待运行进程信息；所述桌面代理程序将所述待运行进程信息与程序白名单进行匹配；若匹配成功，则所述桌面代理程序创建待运行进程；若匹配失败，则重新执行所述以系统管理权限运行桌面代理程序的步骤。通过上述方案，本发明可以解决在特定场景下，标准用户无法获得管理员权限导致工作无法推进的技术问题。
-
公开(公告)号：CN114881172B
公开(公告)日：2025-04-01
申请号：CN202210614135.1
申请日：2022-05-31
Applicant: 燕山大学
IPC: G06F18/241 , G06F40/284 , G06F40/30 , G06N3/0464 , G06N3/0442 , G06N3/045 , G06N3/084 , G06F21/57
Abstract: 本发明公开了一种基于加权词向量和神经网络的软件漏洞自动分类方法，属于计算机软件安全领域，包括以下步骤：S1，对漏洞详细描述文本的数据预处理；S2，漏洞文本经过预处理后，通过Word2Vec模型和N‑TF‑IDF算法结合构造加权词向量，完成文本向量表示；S3，基于神经网络的TCNN‑BiGRU漏洞分类模型实现漏洞自动分类，模型主要包括4个部分，分别为输入层、TextCNN结构、BiGRU结构和全连接层。本发明能够满足对软件漏洞的自动化分类需求，且不受漏洞数量和漏洞种类增多的限制，有效地处理词向量空间的高维性和稀疏性问题，在准确率、宏精确率、宏召回率和宏F1值等多维评价指标中表现出较好性能。
-
-
-
-
-
-
-
-
-
Search Results
34
records
(took 0.023 seconds)
