一种基于海鸥优化极限学习机的网络入侵检测方法、系统、介质及设备

    公开(公告)号:CN117459250A

    公开(公告)日:2024-01-26

    申请号:CN202311231473.8

    申请日:2023-09-22

    Applicant: 广州大学

    Abstract: 本发明公开了一种基于海鸥优化极限学习机的网络入侵检测方法、系统、介质及设备,包括以下步骤:S1、进行数据训练,通过获取训练数据集,进行数据预处理,对预处理后的训练数据集进行数据降维,然后通过改进的海鸥优化算法选取特征,并采用对抗样本训练有效极限学习机模型;S2、进行数据检测,通过对获取的流量数据进行数据预处理和数据降维,然后用训练好的有效极限学习机模型进行预测,最终输出预测结果。本发明通过结合海鸥优化算法和极限学习机算法,实现对网络流量数据的自动特征选择和模型训练,并且加入对抗训练环节以有效应对对抗攻击,提高网络入侵检测的准确率和可靠性。

    知识图谱推荐系统的对抗攻击方法、系统、设备及介质

    公开(公告)号:CN114143035B

    公开(公告)日:2024-01-19

    申请号:CN202111297518.2

    申请日:2021-11-04

    Applicant: 广州大学

    Abstract: 本发明涉及网络安全技术领域,尤其涉及一种知识图谱推荐系统的对抗攻击方法、系统、设备及介质,包括:若将新用户确定为攻击目标,则以新用户为起点,依次在各指定跳数范围内获取对应的目标商品节点数量和边数量;并根据目标商品节点数量和边数量,得到推荐权重;对所述新用户添加目标商品叶子节点和边,并更新推荐权重;根据更新后的推荐权重,得到攻击成功率和攻击发现概率;解决了现有对知识图谱的攻击扰动过大,容易暴露攻击行为,且难以对某一特定实体发起有目标攻击,难以应对使用量较多的交互式推荐系统的问题,本发明在保证交互式知识图谱扰动较小的情况下,通过添加目标商品叶子节点和边实现了对抗攻击,攻击方式更高效。

    针对多轮次数据投毒攻击的OptimizedTruthFinder防御方法

    公开(公告)号:CN115277039B

    公开(公告)日:2023-12-12

    申请号:CN202210271452.8

    申请日:2022-03-18

    Applicant: 广州大学

    Abstract: 本发明涉及数据投毒技术领域,且公开了针对多轮次数据投毒攻击的Optimized TruthFinder防御方法,平台发布任务为24小时每个整点由N个工人对某个物体的M个属性进行观察,N个工人接受任务后,平台对N个工人的权重进行初始化,初始化方式为平均权重,每个工人的权重为 当工人观测结束后,将观测数据 提交到平台中去。该针对多轮次数据投毒攻击的Optimized TruthFinder防御方法,可以防御隐藏‑攻击策略的数据投毒攻击,缓解传统TruthFinder对于工人权重设置震荡过大的问题,本发明充分考虑了多轮次的数据投毒攻击场景,考虑了恶意工人可能会采取隐藏行为来获得高权重的情况,对传统TruthFinder的权重更新做了进一步限制,使得恶意工人很难在短时间获取高的权重。

    改进的CVAE-GAN生成流量对抗样本的方法及设备

    公开(公告)号:CN116668113A

    公开(公告)日:2023-08-29

    申请号:CN202310624717.2

    申请日:2023-05-29

    Applicant: 广州大学

    Abstract: 本说明书实施例提供了一种改进的CVAE‑GAN生成流量对抗样本的方法及设备,该方法包括获取原始的流量特征数据集;将可微特征数据样本输入至编码器E,通过编码器E学习分布将数据样本映射到第一潜变量;添加噪音获得第二潜变量,并与噪音同时输入至生成器G,生成器G通过从分布中采样生成第一流量数据;第一流量数据集与不可微特征数据样本组合为第二流量数据集;第二流量数据与正常流量数据集分别输入至鉴别器D和训练好的黑盒IDS;黑盒IDS对数据进行分类输出带标签的分类结果并输入至鉴别器D;鉴别器D根据第二流量数据与正常流量数据进行数据分类,并将判别结果与带标签的分类结果进行对比确定流量属性是否获得样本。

    一种基于对抗样本的语音隐写方法

    公开(公告)号:CN113205821B

    公开(公告)日:2023-08-29

    申请号:CN202110446800.6

    申请日:2021-04-25

    Applicant: 广州大学

    Abstract: 本发明公开了一种基于对抗样本的语音隐写方法,包括:将噪声δ经编解码器Aa添加到音频X上,生成满足最小化目标函数的音频样本X’,其中,音频X包含内容文本为T,音频样本X’包含需要加密传输的信息S。本发明将所生成的音频对抗样本用于语音隐写领域,具有较高的保密性、隐蔽性、安全性。在通常情况下,第三方无法轻易察觉到加密音频样本存在异常或隐写信息;即便第三方认为该音频样本存在隐写信息,在保障编解码器模型Aa不被窃取的前提下,第三方无法获得其中所隐藏的信息。

    词性感知嵌套命名实体识别方法、系统、设备和存储介质

    公开(公告)号:CN114330343B

    公开(公告)日:2023-07-25

    申请号:CN202111518808.5

    申请日:2021-12-13

    Applicant: 广州大学

    Abstract: 本发明提供了词性感知嵌套命名实体识别方法、系统、设备和存储介质,通过获取待识别文本的文本词数据后,采用BiLSTM模型对文本词数据进行特征提取得到文本词深度特征,并根据文本词深度特征将待识别文本的各个文本词初始化为对应的图节点,根据预设词性路径构建待识别文本的文本异构图,通过注意力机制更新图节点的文本词数据,再采用BiLSTM模型对文本异构图的所有图节点进行特征提取,得到待解码文本词向量表示后,采用条件随机场进行解码和标注,得到嵌套命名实体识别结果的方法,能够对普通实体和嵌套实体进行精准有效的识别处理,提高嵌套命名实体识别效率的同时,进一步提升嵌套命名实体识别模型的性能优势。

    一种面向多仓库运输的车辆路径优化方法

    公开(公告)号:CN113139774B

    公开(公告)日:2023-07-11

    申请号:CN202110448348.7

    申请日:2021-04-25

    Applicant: 广州大学

    Abstract: 本发明公开了一种面向多仓库运输的车辆路径优化方法,包括:计算客户节点距离所有仓库的距离,将客户节点分配至距离最近的仓库,分配完成后,针对每一个仓库及其被分配到该仓库的客户节点,使用人工蜂群算法找到部分最优解;将针对单一仓库节点的车辆调度路线集合合并为一个集合,组成针对多仓库车辆路径问题的总车辆调度路线集合,实现车辆路径的优化。本发明提通过分配,修正及合并阶段的设置,将多仓库背景划归为单仓库背景,使得可以并行地计算针对每一个单仓库的车辆路径调度路线,从而缩小了调度路线的搜索范围,提高了计算效率;且由于蜂群中跟随蜂和巡回蜂的存在,使得其不易陷入局部最优导致过早收敛,更容易找到更好的近似解。

    基于强化学习的隐私策略优化方法、系统及可读存储介质

    公开(公告)号:CN112214791B

    公开(公告)日:2023-04-18

    申请号:CN202011015760.1

    申请日:2020-09-24

    Abstract: 本发明公开了一种基于强化学习的隐私策略优化方法、系统及可读存储介质,所述方法包括:在移动端部署输入样本特征提取器,在云端部署输入样本重构器、目标分类器及隐私分类器,以完成初始模型的初始化;通过测试样本集对初始模型进行测试,将测试信息、当前的超参数和层数存储于为一信息单元;将信息单元的状态信息输入超参数优化器中进行超参数信息优化方案的选择、执行与优化方案奖励值的计算,并根据计算结果进行超参数优化器样本的增加、优化方案价值的更新及超参数优化器网络参数的更新;通过当前超参数优化器网络对初始模型进行优化,并获取最终的超参数优化结果和层数n。本发明能够在尽量不降低业务准确率的情况下提高隐私保护效果。

    基于混合智能的话题表示模型构建方法及装置

    公开(公告)号:CN111339762B

    公开(公告)日:2023-04-07

    申请号:CN202010093291.9

    申请日:2020-02-14

    Applicant: 广州大学

    Abstract: 本发明公开了一种基于混合智能的话题表示模型构建方法及装置,包括先通过LDA模型获得用户文档集合D的文档‑话题矩阵和话题‑词项矩阵;然后计算D中的第j个词项Wj的外部权重和人工调整权重;对于话题θi下的文档集合D(θi),计算其中的词项Wj的内部权重;再根据外部权重、人工权重和内部权重计算在话题θi中的词项Wj的综合权重;根据话题‑词项矩阵,通过LDA模型得到话题θi对应的LDA模型;根据词项Wj的综合权重得到话题θi对应的词项分布敏感的话题表示模型;结合话题θi的LDA模型和词项分布敏感的话题表示模型生成最终的基于词项分布敏感的LDA话题表示模型。本发明能够选取具有更好区分性词项来代表话题,且有效结合了机器智能和人类智能,得到的话题表示模型精确度更高。

    一种通过构造虚拟异常流量训练恶意流量检测系统的方法

    公开(公告)号:CN115694937A

    公开(公告)日:2023-02-03

    申请号:CN202211287141.7

    申请日:2022-10-20

    Applicant: 广州大学

    Abstract: 本发明涉及神经网络领域,且公开了一种通过构造虚拟异常流量训练恶意流量检测系统的方法,将正常的流量样本(x)输入到编码器模块(Encoder),编码器模块(Encoder)会将正常流量从高维的样本空间映射到低维的特征空间,即特征向量(z);对正常流量的特征向量(z)进行切片操作;将切片后的特征向量进行随机拼接操作,从而得到异常流量的特征向量;通过解码器(Decoder)就可以将异常流量从特征空间映射到样本空间推土机距离损失函数(Wasserstein Distance Loss)以及倒角距离损失函数(Chamfer Distance Loss)设计,通过推土机距离损失函数(Wasserstein Distance Loss)以及倒角距离损失函数(Chamfer Distance Loss)训练模型;利用正常样本和自动编码器(Autoencoder)构造的异常流量样本供给神经网络进行训练。

Patent Agency Ranking