-
公开(公告)号：CN116363436A
公开(公告)日：2023-06-30
申请号：CN202310356710.7
申请日：2023-04-04
Applicant: 北京邮电大学
IPC: G06V10/764 , G06V10/82 , G06V10/44 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于SwinT‑CNN模型的加密流量分类方法及装置，包括以下步骤：S1、将待分类的加密流量数据转化为二维矩阵，并生成灰度图像，将二维矩阵作为SwinT‑CNN模型的输入向量Vinput；S2、将二维矩阵输入SwinT‑CNN模型，SwinT‑CNN模型包括改进的CNN模块和Swin T模块，先通过改进的CNN模块提取数据的局部空间特征，输出处理后的数据Vcnn，再将Vcnn输入Swin T模块，对局部空间特征进行注意力机制计算，得到数据的全局空间特征，输出加权组合特征向量VswinT；S3、最后通过一个由Softmax激活的全连接层作出预测，计算多分类交叉熵损失来产生分类结果。本发明将改进的CNN模块和从Swin Transformer中提取的Swin模块结合，能够更有效地捕捉数据中的局部和全局特征，提高加密流量分类的准确率。
-
公开(公告)号：CN100479568C
公开(公告)日：2009-04-15
申请号：CN200610169600.6
申请日：2006-12-25
Applicant: 北京邮电大学
Abstract: 本发明公开了一种智能移动终端上的保密电话实现方案。该方案通过短信获取对方的IP地址，然后进行身份认证，进入语音通信状态后，从麦克读取语音信号，对之进行压缩编码，加密，打包后以IP数据的方式发送给对方，对方接收到语音数据包后，对之进行解密，解码，然后将数据写到扬声器，从而完成语音的实时保密传输，实现保密电话功能。该方案与传统的做法不同，它不对移动终端的硬件做任何改动，也不用添加任何第三方硬件，只要将实现该方案的软件安装在用户的智能移动终端上，就可以与拥有同样智能移动终端的用户进行保密通话，其安全性好，实现容易，成本低廉，兼容性好，具有很好的实用价值。
-
公开(公告)号：CN101009886A
公开(公告)日：2007-08-01
申请号：CN200610169600.6
申请日：2006-12-25
Applicant: 北京邮电大学
Abstract: 本发明公开了一种智能移动终端上的保密电话实现方案。该方案通过短信获取对方的IP地址，然后进行身份认证，进入语音通信状态后，从麦克读取语音信号，对之进行压缩编码，加密，打包后以IP数据的方式发送给对方，对方接收到语音数据包后，对之进行解密，解码，然后将数据写到扬声器，从而完成语音的实时保密传输，实现保密电话功能。该方案与传统的做法不同，它不对移动终端的硬件做任何改动，也不用添加任何第三方硬件，只要将实现该方案的软件安装在用户的智能移动终端上，就可以与拥有同样智能移动终端的用户进行保密通话，其安全性好，实现容易，成本低廉，兼容性好，具有很好的实用价值。
-
公开(公告)号：CN101005543A
公开(公告)日：2007-07-25
申请号：CN200610169599.7
申请日：2006-12-25
Applicant: 北京邮电大学
Abstract: 本发明公开了一种智能移动终端上的IP电话实现方案。该方案通过短信获取对方的IP地址，然后从麦克读取语音信号，对之进行压缩编码，打包后以IP数据的形式发送给对方，对方接收到语音数据包后，对之进行解码，然后将数据写到扬声器，从而完成语音的实时传输，实现IP电话功能。该方案与传统的做法不同，它不对移动终端的硬件做任何改动，也不用添加任何第三方硬件，只要将实现该方案的软件安装在用户的智能移动终端上，就可以与拥有同样智能移动终端的用户进行通话，实现容易，资费低廉，实用性好。
-
公开(公告)号：CN118227361A
公开(公告)日：2024-06-21
申请号：CN202410276582.X
申请日：2024-03-11
Applicant: 北京邮电大学
IPC: G06F11/07 , G06F18/15 , G06F18/2433 , G06N3/0455 , G06N3/088 , G06F18/213
Abstract: 本申请公开了一种不依赖日志解析器的无监督日志异常检测方法，其中该方法包括三个步骤：日志采集步骤，利用日志采集工具Flume和流式传输工具Kafka对计算机系统产生的增量日志进行高效采集和传输，保证日志数据采集和传输效率；日志预处理步骤，利用正则替换和标记化等方式对采集到的日志进行语义信息丰富和无效信息清理，有效提高数据质量；特征提取与异常检测步骤，利用BERT模型对日志数据进行语义特征提取，利用掩码语言模型MLM进行训练，从而对先验知识进行编码捕获正常日志序列的模式，进而实现无监督的日志异常检测。
-
Patent Agency Ranking
公开(公告)号：CN118070282A
公开(公告)日：2024-05-24
申请号：CN202410190878.X
申请日：2024-02-20
Applicant: 北京邮电大学
IPC: G06F21/56 , G06N3/042 , G06N3/0442 , G06N3/0495 , G06N3/084 , G06F17/16
Abstract: 本发明公开了一种基于异构知识蒸馏的内部威胁异常检测方法，包括如下步骤：(1)构建以加权图神经网络为基础的结构化信息教师模型和以双向长短时记忆网络为基础的时序信息学生模型；(2)构建知识蒸馏机制，温度放缩改造教师模型输出soft logits，增加权重改造交叉熵损失函数，网格搜索完成超参数优化；(3)异构知识蒸馏输入数据异构同步为图数据格式和三维张量数据格式，保证知识蒸馏过程中数据一致性；(4)部署学生模型用于实时检测，教师模型非实时蒸馏更新学生模型。本发明在传统的基于深度学习的内部威胁检测基础上加入异构知识蒸馏，且同时考虑到了结构信息和序列信息，在保证轻量型模型体积不变化的前提下提升模型的准确率和泛化能力。
-
公开(公告)号：CN117786694A
公开(公告)日：2024-03-29
申请号：CN202311717652.2
申请日：2023-12-14
Applicant: 北京邮电大学
Abstract: 一种人工智能模型运行安全可信执行环境架构及方法，属于人工智能模型安全保护领域。该架构包括TEE管道、密钥管理模块、密码模块、计算模块和控制器。通过TEE通道实现数据传输和安全检测，保证数据的安全性和有效性；计算模块用于模型的训练、部署和执行，独立的密码模块和密钥管理模块用于对训练好的模型进行加密以及对外部环境传入的加密模型进行解密，使得人工智能模型的安全性大大提高。且密钥的生成过程、密钥存储、密码模块都集成在可信执行环境架构中，密钥不会被泄露，模型的运行同样受到可信执行环境架构的保护，有效杜绝了模型被攻击者窃取和修改的可能。本发明运算效率高、安全性高、可信任性强、灵活性高、兼容性好且成本低。
-
公开(公告)号：CN120048008A
公开(公告)日：2025-05-27
申请号：CN202510115842.X
申请日：2025-01-24
Applicant: 北京邮电大学
Abstract: 本发明提供一种基于测试时域适应的可插拔伪造人脸的检测方法，使用一个在源域训练完成的检测器作为基础检测器，通过可插拔适应模块提高所述基础检测器在目标域的测试准确率；基于测试时域适应的可插拔深度伪造检测模块，在测试阶段提升现有检测器的泛化性能，无需知晓检测器的结构同时不需要重新训练检测器，在测试时域适应过程中，基础检测器的参数冻结不变，只更新特征转换层的参数，旧的特征可以更好的适应新的伪造数据，通过加权其最近邻样本的结果，可以降低预测方差，构建了预测一致性约束用以缓解特征转换层在更新时所受到了噪声样本的影响。
-
公开(公告)号：CN119383002A
公开(公告)日：2025-01-28
申请号：CN202411654429.2
申请日：2024-11-19
Applicant: 北京邮电大学
Abstract: 一种基于零信任架构的四重端口隐藏方法及装置，属于计算机网络安全领域，包括：第一次敲门操作和基于时空矩阵融合多因子模型的终端信任评估方法；基于信任的多元身份认证；隧道端口敲门；业务端口敲门。本发明采用四重端口隐藏零信任访问控制方案，通过向零信任安全管理平台、身份认证端口、SDP网关中的VPN隧道端口以及业务端口进行敲门，实现了用户准入和业务服务的全面防护增强。本发明通过四重端口隐藏技术增加了额外的安全层，使得攻击者难以轻易找到有效的攻击入口点；同时基于信任的身份认证机制能够实现更加精细化的访问控制，并且能够适应复杂的网络环境，从而避免了传统SPA机制中存在的安全漏洞。
-
公开(公告)号：CN118736395A
公开(公告)日：2024-10-01
申请号：CN202410769117.X
申请日：2024-06-14
Applicant: 北京邮电大学
IPC: G06V20/00 , G06V10/774 , G06V10/771 , G06V10/82 , G06V10/764 , G06N3/045 , G06N3/0475 , G06N3/094
Abstract: 一种基于通道特征选择的有目标对抗攻击增强方法，属于人工智能安全技术领域，包括：通过Grad‑CAM算法计算出热力图，得到显著区域，将显著区域补齐为显著图；从显著图中随机裁剪以得到局部图像，将局部图像缩放到与原始图像相同的尺寸，将原始图像和局部图像加上相同的对抗扰动输入CNN中，并应用通道特征选择方法，通过损失优化对抗扰动。本发明可在针对性攻击的情况下更大程度地提升对抗样本的可转移性；本发明开创性地将模型注意力应用于针对性的对抗攻击，使扰动学习到如何将原始图像的显著特征更好地转移到目标类别中去。本发明专注于提高对抗样本的可转移性，从而提高黑盒攻击的成功率。
-
-
-
-
-
-
-
-
-
Search Results
23
records
(took 0.017 seconds)
