-
公开(公告)号：CN114065307A
公开(公告)日：2022-02-18
申请号：CN202111367369.2
申请日：2021-11-18
Applicant: 福州大学
Abstract: 本发明涉及一种基于双向图卷积神经网络的硬件木马检测方法与系统。该方法首先对网表文件进行预处理，创建对应的有向图表示，并对门器件信息进行编码作为特征表示X，构建电路有向图数据；然后分别创建描述电路信号传播结构的正向电路图和描述电路信号分散结构的反向电路图，并分别构造对应的图神经网络特征提取器提取结构特征，组合为最终的门器件特征；构造多层感知机分类模型，与图神经网络特征提取器构成硬件木马门分类模型，并使用加权交叉熵损失函数来学习模型参数，得到训练好的硬件木马门分类模型；将待检测的网表转换为有向图，输入到训练好的硬件木马门分类模型中进行检测，输出可疑的门器件列表。本发明可以有效地检测出门级硬件木马。
-
Patent Agency Ranking
公开(公告)号：CN116187400A
公开(公告)日：2023-05-30
申请号：CN202310012836.2
申请日：2023-01-05
Applicant: 福州大学
IPC: G06N3/0475 , G06N3/048 , G06N3/094 , G06V10/764 , G06V10/774 , G06V10/82
Abstract: 本发明提出一种基于对抗训练增强的主动学习方法及系统，包括以下步骤；步骤A：构建对抗训练器；步骤B：构造变分自编码器；步骤C：构造多层感知机的判别模型；步骤D：根据具体任务的请求策略从判别模型的输出中选择一组最大信息量的候选集，通过人工进行标注，将标注得到新的有标签数据注入到有标签数据集来进行数据集的更新，接着通过更新的有标签图片数据集进行增量的训练更新目标模型，使得模型在尽可能少的数据集中训练获得更高的收益；步骤E：循环上述步骤直到满足预设的抽样比率或者图像识别模型性能；本发明能够有效对无标签图像数据或者现有无标签池中图像数据进行标注，使得人工标注大大减少，能够以少量的训练数据达到较高的性能。
-
公开(公告)号：CN114118268A
公开(公告)日：2022-03-01
申请号：CN202111414502.5
申请日：2021-11-25
Applicant: 福州大学
Abstract: 本发明涉及一种以脉冲为概率生成均匀分布扰动的对抗性攻击方法，包括：对数据集进行预处理，通过泊松编码转换成对应的脉冲序列，接着构建对应数据集的替代网络，将该网络作为一个原始分类器；然后将原始分类器编码生成的脉冲序列和原始样本输入到筛选器中筛选出最佳脉冲；接着将所选择的脉冲和原始图像输入到对抗样本生成网络，该对抗样本生成网络是基于原始分类器，通过以脉冲为概率，生成服从均匀分布的噪声，从而生成初始的对抗样本；再将对抗样本不断迭代优化，最终对抗性样本。本发明能够为安全防御的研究人员提供针对脉冲神经网络生成低成本的对抗性攻击工具。
-
公开(公告)号：CN114118268B
公开(公告)日：2024-11-01
申请号：CN202111414502.5
申请日：2021-11-25
Applicant: 福州大学
IPC: G06F21/55 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/049 , G06N3/084
Abstract: 本发明涉及一种以脉冲为概率生成均匀分布扰动的对抗性攻击方法，包括：对数据集进行预处理，通过泊松编码转换成对应的脉冲序列，接着构建对应数据集的替代网络，将该网络作为一个原始分类器；然后将原始分类器编码生成的脉冲序列和原始样本输入到筛选器中筛选出最佳脉冲；接着将所选择的脉冲和原始图像输入到对抗样本生成网络，该对抗样本生成网络是基于原始分类器，通过以脉冲为概率，生成服从均匀分布的噪声，从而生成初始的对抗样本；再将对抗样本不断迭代优化，最终对抗性样本。本发明能够为安全防御的研究人员提供针对脉冲神经网络生成低成本的对抗性攻击工具。
-
公开(公告)号：CN118784329A
公开(公告)日：2024-10-15
申请号：CN202410995774.6
申请日：2024-07-24
Applicant: 福州大学
IPC: H04L9/40 , H04L61/4511
Abstract: 本发明提出一种基于域名托管状态的CDN域名滥用自动检测方法，首先使用子域名爬虫获取二级域名下的子域名；其次，使用CDN检查器收集和分析与CDN相关的域名数据，最后域名滥用测试器利用收集的信息自动执行一系列测试来评估域名是否可能被滥用，从而验证供应商的安全性。CDN域名滥用自动检测系统的设计旨在根据方法提供一套完整的工具，利用子域名爬虫收集特定二级域名的子域名，利用CDN检查器实现对域名信息和指纹的更全面的覆盖检测，最后将上述两个组件的数据提交给域名滥用监视器进行处理。通过这些集成的工具，用户可以有效地评估和强化域名的安全防护措施，防止滥用和攻击，确保其域名的安全稳定。
-
公开(公告)号：CN114065307B
公开(公告)日：2024-07-09
申请号：CN202111367369.2
申请日：2021-11-18
Applicant: 福州大学
IPC: G06F21/71 , G06F18/241 , G06F18/2415 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/042 , G06N3/045 , G06N3/084
Abstract: 本发明涉及一种基于双向图卷积神经网络的硬件木马检测方法与系统。该方法首先对网表文件进行预处理，创建对应的有向图表示#imgabs0#，并对门器件信息进行编码作为特征表示X，构建电路有向图数据；然后分别创建描述电路信号传播结构的正向电路图#imgabs1#和描述电路信号分散结构的反向电路图#imgabs2#，并分别构造对应的图神经网络特征提取器提取结构特征，组合为最终的门器件特征#imgabs3#；构造多层感知机分类模型，与图神经网络特征提取器构成硬件木马门分类模型，并使用加权交叉熵损失函数来学习模型参数，得到训练好的硬件木马门分类模型；将待检测的网表转换为有向图，输入到训练好的硬件木马门分类模型中进行检测，输出可疑的门器件列表。本发明可以有效地检测出门级硬件木马。
-
-
-
-
-
Search Results
6
records
(took 0.027 seconds)
