一种基于生成式对抗网络的口令遍历装置及方法

    公开(公告)号:CN112019354B

    公开(公告)日:2021-02-09

    申请号:CN202011201245.2

    申请日:2020-11-02

    Abstract: 本发明提供一种基于生成式对抗网络的口令遍历装置及方法,在对口令变换规则进行编码后,利用生成式对抗网络技术动态生成高质量的口令变换规则,所得的规则与口令字典相结合,派生出用于口令恢复的测试口令;所提出的口令遍历方法,能够优先校验具有更高可能性的口令集合,缩短口令恢复所须的平均时间。本发明首次将生成式对抗网络应用到规则可动态生成的口令遍历装置中,能够解决口令恢复领域口令变换规则稀缺的问题。

    一种入侵检测方法、装置、电子设备以及存储介质

    公开(公告)号:CN117527449A

    公开(公告)日:2024-02-06

    申请号:CN202410019107.4

    申请日:2024-01-05

    Abstract: 本说明书公开了一种入侵检测方法、装置、电子设备以及存储介质,确定目标流量数据对应的目标特征,并通过预先基于各已知异常类型分别对应的样本流量数据的样本特征训练得到的检测模型的编码层,确定该目标特征的编码结果,从预设的各已知异常类型中,确定该目标特征对应的目标类型。再通过该检测模型的解码层,确定该目标特征的解码结果。最后根据该解码结果和该目标特征之间的差距,来确定该目标流量数据的异常检测结果。本方法,在该目标流量属于新型网络攻击行为所对应的异常类型时,通过该编码‑解码器结构的检测模型无法将该目标流量的特征进行准确还原,因此可准确识别出新型网络攻击行为,保证了检测效率。

    一种对抗文本的生成方法、装置、存储介质及电子设备

    公开(公告)号:CN116227474A

    公开(公告)日:2023-06-06

    申请号:CN202310514835.8

    申请日:2023-05-09

    Abstract: 本说明书公开了一种对抗文本的生成方法、装置、存储介质及电子设备,包括:获取用于生成对抗文本的各原始文本,根据预先训练的第一语言模型,确定各原始文本的特征向量,并对各原始文本聚类,得到指定数量的文本簇。然后,从各文本簇中确定代表文本,再确定各代表文本对应的初始对抗文本。然后,根据确定出的代表文本的原始关键词和初始对抗关键词之间的差异,从预设的各思维链提示模板中,确定目标思维链提示模板。之后,根据代表文本和代表文本的初始对抗文本,采用目标思维链提示模板,生成思维链提示文本。将思维链提示文本输入预先训练的第二语言模型,得到目标对抗文本。可以更加灵活地生成对抗文本,减少对抗文本的生成成本。

    一种基于智能聚类的口令变换规则归纳方法

    公开(公告)号:CN112016083B

    公开(公告)日:2021-01-12

    申请号:CN202011189646.0

    申请日:2020-10-30

    Abstract: 本发明提供一种基于智能聚类的口令变换规则归纳方法,该方法利用智能聚类算法,将输入的口令集合进行归一化处理、智能聚类,进而归纳推导出可用于字典派生的高质量口令规则。基于本发明装置所推导规则去生成口令字典,能够显著提升穷举法口令恢复的效率。本发明的方法将人工智能领域的智能聚类算法融合到口令规则自动归纳装置,减少了口令规则总结的人工干预,且提升了口令规则质量,最终加速了口令恢复过程。

    一种代码漏洞检测方法、装置、介质及设备

    公开(公告)号:CN119939608A

    公开(公告)日:2025-05-06

    申请号:CN202510423675.5

    申请日:2025-04-07

    Abstract: 本申请公开了一种代码漏洞检测方法、装置、介质及设备,在获取到样本代码集后,可以识别出样本代码集中包含的各样本代码中的注释信息并删除,得到各脱敏代码,然后,按照预设的调整策略,对每个脱敏代码进行调整,得到与脱敏代码的代码标识相同的至少一个增强代码,后续通过将属于同一代码标识的各代码片段进行组合,可以得到一个代码标识所对应的多个复合代码,进而通过这些复合代码,构建测评集,以通过测评集,对漏洞检测模型进行调整,并通过调整后的漏洞检测模型进行代码漏洞检测,进而在后续的实际应用中,可以显著的提升漏洞检测模型的识别准确性。

    一种大模型幻觉测评数据生成方法

    公开(公告)号:CN119622001B

    公开(公告)日:2025-04-25

    申请号:CN202510156421.1

    申请日:2025-02-12

    Abstract: 本说明书公开了一种大模型幻觉测评数据生成方法。在此方法中,可以通过实体识别和关系抽取技术,从预先构建的针对不同领域范围的知识库中提取出结构化的知识图谱,进而可以根据知识图谱中各节点之间的连接关系,结合大语言模型生成幻觉测评数据,以对待测试模型针对非直观或模糊信息时的表现进行测评。同时,以原始实体在知识库中对应的文本数据为依据,提供详尽的参考答案,形成文本对。最终得到一套全面的幻觉测评数据集,用以评估待测试模型的理解力和输出信息的准确性。

Patent Agency Ranking