-
公开(公告)号：CN117035212A
公开(公告)日：2023-11-10
申请号：CN202311013539.6
申请日：2023-08-11
Applicant: 暨南大学
IPC: G06Q10/047 , G06F18/241 , G06F18/214 , G06N3/048
Abstract: 本发明公开了一种路径规划状态可达性智能预测方法及系统，包括以下步骤：读取路径规划域与路径规划问题的PDDL文件得到状态数据；对状态数据进行编码，得到该路径规划问题的状态数据模板；遍历该路径规划问题的所有可达状态，得到可达状态数据集；批量枚举生成状态，依次与所述可达状态数据集对比，选取其中路径不为可达状态且不重复的状态，得到不可达状态数据集；对预设的状态可达性智能分类模型进行训练，得到训练好的状态可达性智能分类模型；将状态数据输入至训练好的状态可达性智能分类模型，模型输出状态可达性结果。本方法与传统技术相比，使用机器学习分类方法训练路径规划状态可达性验证模型，大大提高了状态数据可达性验证和预测的速度。
-
公开(公告)号：CN110222507B
公开(公告)日：2023-07-07
申请号：CN201910424747.2
申请日：2019-05-21
Applicant: 暨南大学
IPC: G06F21/56
Abstract: 本发明公开了一种基于模糊哈希的恶意软件大数据智能学习识别方法，包括以下步骤，获取移动软件文件夹路径，根据文件夹路径读取移动软件；对每个移动软件进行反编译，获取移动软件的源代码；对移动软件的源代码进行预处理，即获取源代码特征值；通过源代码特征值，获取模糊哈希值集合和移动软件的每个文件中代码行数集合；再进行相似性分数计算和模糊哈希值与相似性分数的权值计算，移动软件之间进行相似性比较，获得比较结果，进而甄别移动恶意软件；本发明通过移动软件源代码获取移动软件每个文件对应的模糊哈希值，利用模糊哈希值计算相似性分数和权值，进而对移动软件区分，有效监测恶意移动软件并进行区别，让用户远离恶意软件，减少损失。
-
公开(公告)号：CN110222507A
公开(公告)日：2019-09-10
申请号：CN201910424747.2
申请日：2019-05-21
Applicant: 暨南大学
IPC: G06F21/56
Abstract: 本发明公开了一种基于模糊哈希的恶意软件大数据智能学习识别方法，包括以下步骤，获取移动软件文件夹路径，根据文件夹路径读取移动软件；对每个移动软件进行反编译，获取移动软件的源代码；对移动软件的源代码进行预处理，即获取源代码特征值；通过源代码特征值，获取模糊哈希值集合和移动软件的每个文件中代码行数集合；再进行相似性分数计算和模糊哈希值与相似性分数的权值计算，移动软件之间进行相似性比较，获得比较结果，进而甄别移动恶意软件；本发明通过移动软件源代码获取移动软件每个文件对应的模糊哈希值，利用模糊哈希值计算相似性分数和权值，进而对移动软件区分，有效监测恶意移动软件并进行区别，让用户远离恶意软件，减少损失。
-
公开(公告)号：CN117876799B
公开(公告)日：2024-05-28
申请号：CN202410269658.6
申请日：2024-03-11
Applicant: 暨南大学
IPC: G06V10/764 , G06N3/0464 , G06N3/048 , G06N3/08 , G06T7/00 , G06V10/82 , G01D21/02
Abstract: 本发明公开了一种物流供应链品控缺陷检测方法及系统，其中方法包括：采集有关物流供应链品控的训练数据，并提取训练数据的缺陷特征；基于特征缺陷，构建混合检测模型；优化检测模型，得到最终模型；利用最终模型，完成物流供应链上的品控缺陷检测。本发明通过融合形变检测和穿透性破损检测两个神经网络模块，实现了对物流供应链纸箱包装的综合检测。本发明能够同时兼顾形变检测和穿透性破损检测，解决了目前方法只能单一处理这两个方面的问题。这将会进一步提高物流供应链纸箱包裹运输过程中的安全性和效率，为物流行业带来更大的便利和效益。
-
公开(公告)号：CN117811843A
公开(公告)日：2024-04-02
申请号：CN202410227507.4
申请日：2024-02-29
Applicant: 暨南大学
IPC: H04L9/40 , G06F18/24 , G06F18/213 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明公开了一种基于大数据分析和自主学习的网络入侵检测方法及系统，包括，获取目标网络流量数据并进行预处理，利用特征重构生成重构数据进行特征提取，获取空间特征及时间特征作为目标网络流量数据对应的流特征；构建网络入侵检测模型，利用大数据手段获取具有完备标签信息的相似数据集，进行所述网络入侵检测模型的迁移对抗训练；根据网络入侵检测模型进行目标网络流量数据的入侵检测分类，获取目标设备对应网络流量数据的历史入侵检测数据，提取入侵流量的隐式特征，进行网络入侵检测模型的自主学习更新。本发明通过迁移对抗训练提高了入侵行为检测的鲁棒性，能够在少样本或者无样本的场景下实现对网络流量的高精度、高效率的检测。
-
Patent Agency Ranking
公开(公告)号：CN110210224B
公开(公告)日：2023-01-31
申请号：CN201910424145.7
申请日：2019-05-21
Applicant: 暨南大学
IPC: G06F21/56
Abstract: 本发明公开了一种基于描述熵的大数据移动软件相似性智能检测方法，包括以下步骤：获取移动软件路径，按照路径读取移动软件的文件；对移动软件的文件进行初步逆向工程反编译，获取每个移动软件的函数特征；通过函数特征中的描述熵，统计每个移动软件描述熵的分布；将每个移动软件描述熵进一步整合，通过整合后，移动软件之间的描述熵分布情况进行比较，进行相似性分数计算，得到移动软件之间的相似性分数；输出所有移动软件的相似性分数，得到移动软件相似性结果；本发明通过反编译获取移动软件源代码，获取函数压缩编码再获取描述熵，利用描述熵作为表示一个对象的信息量，用于移动软件的相似性检测，大大提高软件相似性智能计算速度。
-
公开(公告)号：CN117876799A
公开(公告)日：2024-04-12
申请号：CN202410269658.6
申请日：2024-03-11
Applicant: 暨南大学
IPC: G06V10/764 , G06N3/0464 , G06N3/048 , G06N3/08 , G06T7/00 , G06V10/82 , G01D21/02
Abstract: 本发明公开了一种物流供应链品控缺陷检测方法及系统，其中方法包括：采集有关物流供应链品控的训练数据，并提取训练数据的缺陷特征；基于特征缺陷，构建混合检测模型；优化检测模型，得到最终模型；利用最终模型，完成物流供应链上的品控缺陷检测。本发明通过融合形变检测和穿透性破损检测两个神经网络模块，实现了对物流供应链纸箱包装的综合检测。本发明能够同时兼顾形变检测和穿透性破损检测，解决了目前方法只能单一处理这两个方面的问题。这将会进一步提高物流供应链纸箱包裹运输过程中的安全性和效率，为物流行业带来更大的便利和效益。
-
公开(公告)号：CN112052886B
公开(公告)日：2022-06-03
申请号：CN202010847005.3
申请日：2020-08-21
Applicant: 暨南大学
IPC: G06V10/774 , G06V10/82 , G06V10/74 , G06V40/10 , G06V40/20 , G06K9/62 , G06N3/04 , G06N3/08 , G06T7/60
Abstract: 本发明属于深度学习计算机视觉领域，公开了一种基于卷积神经网络的人体动作姿态智能估计方法及装置，方法包括：将待进行动作姿态估计的人体图像输入到训练好的人体检测模型中进行处理，得人物个体检测结果，输入到训练好的全局估计模型中进行处理，得到不同尺度的人体关键点的第一特征图，输入到训练好的补充精调模型中进行处理，通过加强学习得到不同尺度的人体关键点的第二特征图；补充精调模型中包括多个特征提取分支，每个特征提取分支中设置数量不同的精调模块，通过各特征提取分支的精调模块加强学习；基于第二特征图，得到人体姿态估计结果。本发明有效解决了现有技术容易遗漏人体图像中难以分辨的关键点而导致人体姿态估计不准确的问题。
-
公开(公告)号：CN109858249B
公开(公告)日：2020-08-07
申请号：CN201910118777.0
申请日：2019-02-18
Applicant: 暨南大学
IPC: G06F21/56
Abstract: 本发明公开了一种移动恶意软件大数据的快速智能比对和安全检测方法。随着移动软件应用发展势头迅猛，很多流行的移动应用被复制或重新包装。攻击者可能通过重包装应用程序以达到插入广告盈利或者传播恶意软件。海量的移动软件代码形成大数据，相似性的比较计算体量非常庞大。本发明使用压缩字符串、描述熵与哈希值方法结合提出快速智能比对检测算法，计算得到移动应用软件之间的相似度，若它们的相似度大于或等于预定的阈值，则认为检测程序有重包装或剽窃的嫌疑，进而分析检测的移动软件是否存在恶意攻击代码，最后实现移动软件大数据的快速安全检测。
-
公开(公告)号：CN110210224A
公开(公告)日：2019-09-06
申请号：CN201910424145.7
申请日：2019-05-21
Applicant: 暨南大学
IPC: G06F21/56
Abstract: 本发明公开了一种基于描述熵的大数据移动软件相似性智能检测方法，包括以下步骤：获取移动软件路径，按照路径读取移动软件的文件；对移动软件的文件进行初步逆向工程反编译，获取每个移动软件的函数特征；通过函数特征中的描述熵，统计每个移动软件描述熵的分布；将每个移动软件描述熵进一步整合，通过整合后，移动软件之间的描述熵分布情况进行比较，进行相似性分数计算，得到移动软件之间的相似性分数；输出所有移动软件的相似性分数，得到移动软件相似性结果；本发明通过反编译获取移动软件源代码，获取函数压缩编码再获取描述熵，利用描述熵作为表示一个对象的信息量，用于移动软件的相似性检测，大大提高软件相似性智能计算速度。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.015 seconds)
