公开(公告)号：CN108647728A

公开(公告)日：2018-10-12

申请号：CN201810453104.6

申请日：2018-05-10

Applicant: 广州大学

Inventor： 韩伟红 ,  李树栋 ,  王乐 ,  方滨兴 ,  贾焰 ,  黄子中 ,  周斌 ,  殷丽华 ,  田志宏

IPC: G06K9/62 ,  G06Q30/06

Abstract: 本发明公开了一种不平衡数据分类过采样方法，包括：获取待处理不平衡数据中的所有少数样例；根据K近邻算法获取每一所述少数样例最近邻的k个样例中多数样例的个数；根据所述多数样例的个数确定对应少数样例的类别；根据每一所述少数样例的类别进行与所述类别对应的操作。增加少数样例的多样性，避免因少数类样例少导致分类学习算法精度低，解决少数类样例缺失的问题。

公开(公告)号：CN108449145A

公开(公告)日：2018-08-24

申请号：CN201810237628.1

申请日：2018-03-21

Applicant: 广州大学

Inventor： 方滨兴 ,  田志宏 ,  李树栋 ,  崔翔 ,  殷丽华 ,  谭庆丰 ,  王乐 ,  韩笑

IPC: H04B10/70 ,  H04L9/06 ,  H04L9/08 ,  H04L29/06

CPC classification number: H04L9/0631 ,  H04B10/70 ,  H04L9/0819 ,  H04L9/0852 ,  H04L9/0861 ,  H04L63/0428 ,  H04L63/06

Abstract: 本发明公开了一种基于量子密钥的密文传输方法，该方法包括：发送终端在发送需通信的明文前，通过量子信道将生成的第一量子密钥发送给接收终端，并检测量子信道是否安全，以使接收终端在确定量子信道为安全时，存储第一量子密钥；发送终端根据第一量子密钥和密钥转换次数N，对需通信的明文进行加密，获得第一密文；发送终端将第一密文发送给接收终端，以使接收终端解析第一密文，获取密钥转换次数N，并根据存储的第一量子密钥和密钥转换次数N，解码第一密文，获得需通信的明文。采用本发明实施例，能降低干扰者对通信信道的攻击影响，使得量子信道在被监听中断后仍能继续传递机密消息。

公开(公告)号：CN119442284A

公开(公告)日：2025-02-14

申请号：CN202411570681.5

申请日：2024-11-05

Applicant: 广州大学

Inventor： 罗熙 ,  张海洋 ,  殷丽华 ,  张泽城

IPC: G06F21/60 ,  G06F21/62 ,  G06F16/18

Abstract: 本申请涉及信息安全技术领域，本申请提供一种基于动静结合的二进制可执行文件的密码误用检测器，包括：采样模块、回溯切片模块、符号执行模块和规则验证模块；所述采样模块构建密码学函数的局部控制流图，解析调用关系，定位到涉及密码学操作的函数和数据并检测敏感函数；所述回溯切片模块追溯敏感函数的参数的生命周期；所述符号执行模块模拟程序的实际执行路径，输出动态符号执行结果；所述规则验证模块判断程序中是否存在密码误用并将判断结果记录到日志文件。本申请通过动静态结合分析技术，检测二进制可执行文件中的密码误用问题，确保程序在使用密码算法时的正确性，从而提升软件系统的安全性。

公开(公告)号：CN117041360B

公开(公告)日：2024-12-27

申请号：CN202310656353.6

申请日：2023-06-02

Applicant: 广州大学

Inventor： 殷丽华 ,  罗熙 ,  段紫桐 ,  首鑫

IPC: H04L69/06 ,  G06N3/0442 ,  G06N3/0895 ,  H04L69/22 ,  H04L9/40

Abstract: 本发明提供一种基于自监督学习的网络流独立编码方法，S1、采集数据；S2、将所述数据形成的数据包以多元组信息归属至对应的流中；S3、预处理所述数据包表示为原始二进制数据并生成统一数据包，得到关于所述统一数据包的多维向量；S4、以所述多维向量为输入基于attention的ED模型提取流特征。本发明通过实现了能够生成网络流的统一表示，能够深入研究网络流特征——集体分析网络数据包、流和相互关系的基础信息。

公开(公告)号：CN118821910A

公开(公告)日：2024-10-22

申请号：CN202410854586.1

申请日：2024-06-27

Applicant: 广州大学

Inventor： 孙哲 ,  伍捷威 ,  殷丽华 ,  李超 ,  赵振宇 ,  陈艺心 ,  邹子艳 ,  陈胤霖

IPC: G06N3/098 ,  H04L67/12

Abstract: 本申请提供一种面向联邦学习的多模态车联网模型平衡化训练方法，主要包括：在服务端构建车联网模型并分发到N个客户端、所述服务端根据所述评估分数和动态客户选择算法确定参与模型训练的所述客户端、所述服务端根据学习率调整公式计算所述本地训练集中各模态类型数据的学习率，以及所述服务端根据所述学习率确定下一轮次训练的模态优化策略。本申请的每个客户端都能根据本地的情况来选择合适自己的模态进行训练，大大提高了客户端的适应范围。车联网环境下，多模态数据可以包括车辆位置、速度、摄像头图像、雷达数据等，能够综合考虑各种信息，提高模型的准确性和适应性。

公开(公告)号：CN118784330A

公开(公告)日：2024-10-15

申请号：CN202410996194.9

申请日：2024-07-23

Applicant: 广州大学

Inventor： 罗熙 ,  李凡 ,  殷丽华 ,  李丹

IPC: H04L9/40 ,  H04L41/16 ,  G06N3/042 ,  G06N3/091 ,  G06F18/243

Abstract: 本申请涉及信息安全技术领域，本申请提供一种基于主动学习的未知僵尸网络节点标签生成系统，包括：僵尸流量处理模块、伪标签生成模块、伪标签纠正模块和持续更新模块；僵尸流量处理模块用于生成已知流量的IP节点特征；伪标签生成模块用于通过已知流量的IP节点特征训练图神经网络，输出未知流量的IP伪标签；伪标签纠正模块用于利用随机森林和标签传播算法纠正未知流量的IP伪标签，输出未知僵尸网络节点标签。本申请通过更加准确的僵尸主机特征生成系统，以极高准确率指出无法被模型识别的未知僵尸IP，实现了未知僵尸网络节点的标签生成。

公开(公告)号：CN118764227A

公开(公告)日：2024-10-11

申请号：CN202410781223.X

申请日：2024-06-18

Applicant: 广州大学 ,  国网山东省电力公司电力科学研究院 ,  国网智能电网研究院有限公司 ,  国家电网有限公司

Inventor： 罗熙 ,  殷丽华 ,  李凡 ,  钱珂翔 ,  张道娟 ,  王文婷 ,  刘鑫 ,  李丹

IPC: H04L9/40

Abstract: 本发明公开了一种审计日志入侵检测方法及装置，其方法步骤包括对审计日志建模以端到端的方式利用高阶关系建模，其中采用两种设计来解决高阶关系建模的挑战：(1)递归嵌入传播，根据相邻的实体节点的嵌入来更新节点的嵌入并递归地执行这种嵌入传播以获取线性时间复杂度地高阶连接。(2)基于注意的聚集，利用神经注意机制在传播过程中学习每个邻居的权重，以此来揭示高阶连通性的重要性，最后通过预测实体对交互的偏好来检测网络威胁推荐。

公开(公告)号：CN118740494A

公开(公告)日：2024-10-01

申请号：CN202410996158.2

申请日：2024-07-23

Applicant: 广州大学

Inventor： 殷丽华 ,  李凡 ,  罗熙 ,  李丹

IPC: H04L9/40 ,  H04L41/16 ,  G06N3/042 ,  G06N3/045 ,  G06N3/08

Abstract: 本申请涉及信息安全技术领域，本申请提供一种基于增量学习的动态僵尸网络检测系统，包括流量处理模块、模型训练模块、经验缓存模块和经验重放模块；流量处理模块用于生成流量的节点和边的特征；模型训练模块用于训练基于注意力节点采样的图神经网络模型；经验缓存模块用于图神经网络模型训练完成后，根据注意力采样结果提取节点的关键子图，聚合后保存至经验缓存区，并进行维护和更新；经验重放模块用于选择关键子图在新批次数据中重放，重新聚合新批次数据特征，进行图神经网络模型微调。本申请通过从僵尸网络提取关键控制拓扑，并在模型重新训练过程中重放之前批次中的关键控制拓扑，使模型随动态数据进化，具有抗灾难性遗忘能力。

公开(公告)号：CN117294486B

公开(公告)日：2024-08-13

申请号：CN202311206749.7

申请日：2023-09-18

Applicant: 广州大学

Inventor： 殷丽华 ,  罗熙 ,  首鑫 ,  方滨兴 ,  周凯 ,  于城 ,  王智明

IPC: H04L9/40 ,  G06N3/042 ,  G06N3/0442 ,  G06N3/084

Abstract: 本说明书实施例提供了一种基于图嵌入的恶意流量检测方法及系统，其中，方法包括：S1.根据原始流量报文中网络数据包的五元组信息将网络数据包划分为数据包流，对所述数据包流进行预处理得到数据包流的流量信息；S2.基于所述流量信息，以网络数据包的源套接字和目标套接字为节点，以套接字之间的流量为边，以流量信息为边的属性构建属性图；S3.对属性图进行嵌入学习，通过图神经网络GNN迭代传播来自邻居节点的嵌入，利用边缘图注意网络，通过递归嵌入式传播和基于注意的聚合提取图嵌入信息，对GNN模型进行训练；S4.将预处理后流量信息输入到构建的GNN模型中，实现恶意流量检测。本发明提高了恶意流量检测地面性能。

公开(公告)号：CN118378293A

公开(公告)日：2024-07-23

申请号：CN202410459490.5

申请日：2024-04-16

Applicant: 广州大学

Inventor： 殷丽华 ,  邵润东 ,  孙哲 ,  李超 ,  杨智

IPC: G06F21/62 ,  G06N3/0455 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/0499 ,  G06N3/088 ,  G06F18/241 ,  G06F18/213 ,  G06F18/15

Abstract: 本发明属于隐私保护和图神经网络领域，公开了一种基于图自编码器的图神经网络隐私保护方法，方法包括：独立预训练编码器模型；提取节点的低维特征；对低维特征进行归一化；计算扰动后的隐私多跳聚合；训练基础多层感知机；结合隐藏表示得到集成的节点嵌入；训练头多层感知机；训练图自编码器；获取图节点的低维嵌入；计算低维嵌入的内积作为解码器以重建边；在梯度裁剪之后和梯度更新之前向梯度注入噪声；对图数据提取节点特征；计算图上的聚合扰动；对图中的节点进行节点分类；使用训练好的图自编码器进行链接预测；将节点嵌入H'输入到图自编码器的解码器中获得预测图。本发明具有良好的隐私保护效果、较好的聚合效用以及较低的隐私成本。