公开(公告)号：CN117579290A

公开(公告)日：2024-02-20

申请号：CN202310985236.4

申请日：2023-08-07

Applicant: 辽宁大学

Inventor： 周翰逊 ,  孔壮壮

IPC: H04L9/40 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/042 ,  G06N3/048 ,  G06N3/08 ,  G06N3/047

Abstract: 本发明涉及一种基于融合时空注意力的积分时空图卷积神经网络的恶意流量检测方法，属于网络安全领域。其检测过程如下：数据收集与预处理：对网络设备进行监控和数据收集，构建图结构：针对恶意流量数据构建图结构，并用邻接矩阵表示，其中每个节点表示网络设备，每条边代表节点间的通信关系；构建ST‑GCN模型：ST‑GCN模型由多个时空卷积层和池化层组成，用于提取时空特征。构建积分时空卷积网络，融入时空注意力：最后通过构建的积分时空卷积网络实现恶意流量检测。该方法可以大幅提高恶意流量检测的准确性和效率。

公开(公告)号：CN117014205A

公开(公告)日：2023-11-07

申请号：CN202310985147.X

申请日：2023-08-07

Applicant: 辽宁大学

Inventor： 周翰逊 ,  孔壮壮

IPC: H04L9/40 ,  G06N3/0464 ,  G06N3/042 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明基于图卷积神经网络的恶意代码检测方法，包括如下步骤：1、通过流量抓包程序获得网络流量数据，并且提取网络流量的有效载荷；2、定义有效载荷矩阵：定义网络数据包的有效载荷的矩阵为(aij)255*255；其中，aij＝sum(i,j),sum(i,j)为有效载荷i和有效载荷j相邻出现的次数；3、训练图卷积神经网络模型：将训练数据输入至图卷积神经网络，使用一阶局部卷积操作迭代传播邻居的信息；4：检测恶意代码：将待检测的代码输入至训练好的图卷积网络模型，检测恶意代码。使用该技术，能够实现对恶意代码的快速、准确识别和分析，从而提高计算机和网络安全防护的能力，保障用户信息的安全。

公开(公告)号：CN117131285A

公开(公告)日：2023-11-28

申请号：CN202310980066.0

申请日：2023-08-04

Applicant: 辽宁大学

Inventor： 周翰逊 ,  孔壮壮

IPC: G06F16/9536 ,  G06F16/9535 ,  G06F16/9538 ,  G06F18/23213 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明涉及一种基于图卷积神经网络的线上教育资源群体推荐方法，属于神经网络深度学习、教育资源推荐相关领域。本发明采用方案如下：步骤一：构建学习者成员群体推荐模型，用于实现学习者群体的合理划分；步骤二：构建基于图卷积神经网络模型，用于体现成员群体间社交关系；步骤三：采用群体偏好混合融合策略，实现个性化推荐。该方法可显著的提高学习者群体推荐的准确性和满意度。