-
公开(公告)号：CN113705619B
公开(公告)日：2023-09-12
申请号：CN202110884285.X
申请日：2021-08-03
Applicant: 广州大学
IPC: G06F18/214 , G06N20/00 , G06F18/241
Abstract: 本发明提供了一种恶意流量检测方法、系统、计算机及介质，所述方法为获取待检测流量数据；提取所述待检测流量数据的待分析字段信息集，并将所述待分析字段信息集按照预设比例划分为训练集和测试集；确定所述训练集和测试集的待分析特征；将所述训练集的待分析特征输入到多个预设分类器进行训练，并通过软投票法对所述多个预设分类器集成，得到恶意流量检测模型；将所述测试集的待分析特征输入到所述恶意流量检测模型进行测试，得到预测结果。本发明不仅实现了无需解密即可精准识别恶意流量的技术效果，而且提高了恶意流量检测模型的泛化能力和安全性，还可以部署在不同的防火墙、入侵检测系统和入侵防御系统上，具有较好的通用性。
-
公开(公告)号：CN116684147A
公开(公告)日：2023-09-01
申请号：CN202310669195.8
申请日：2023-06-06
Applicant: 广州大学
IPC: H04L9/40
Abstract: 本发明提供了一种基于溯源图、POI与Dijkstra算法的攻击调查方法、设备及介质，其中，方法包括：收集底层审计日志生成溯源图；将溯源图通过POI报警时间进行剪枝后，基于时间权值、聚集权值以及异常权值对计算剪枝后的溯源图的边权值；根据溯源图的边权值通过POI节点获取最短路径；选取最短路径中的权值最小的N个节点，记作Top‑N节点，通过Top‑N节点对溯源图进行剪枝；将生成的剪枝后的溯源图通过BFS算法从Top‑N节点出发进行遍历获取遍历图。本发明通过对边进行压缩成功解决了依赖爆炸问题，并且在寻找攻击入口点的同时对攻击着最有可能的攻击路径进行了展示。解决了传统技术无法定位准确攻击路径和鲁棒性，可移植性较低的缺点。
-
公开(公告)号：CN113610114B
公开(公告)日：2023-08-08
申请号：CN202110782315.6
申请日：2021-07-09
Applicant: 广州大学
IPC: G06V10/62 , G06V20/54 , G06V10/774 , G06V10/764 , G06V10/74 , G06V10/44 , G06V10/82 , G06T3/40 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种车辆重识别方法、系统、计算机设备和存储介质，所述方法包括：将车辆图像输入第一神经网络，从中提取全局特征，并对所述全局特征进行训练，得到全局分支重识别结果；对所述车辆图像中的局部区域目标进行检测，得到初始局部区域块；对所述初始局部区域块进行超分辨率处理，得到高质量局部区域块；将所述高质量局部区域块输入第二神经网络，从中提取局部特征，并对所述局部特征进行训练，得到局部分支重识别结果；将所述全局分支重识别结果和所述局部分支重识别结果加权求和，得到重识别结果。本发明能够解决车辆重识别中类间相似和类内差异问题，减少计算过程中的噪声，提高重识别的准确率，同时在一定程度上解决了遮挡问题。
-
公开(公告)号：CN111951368B
公开(公告)日：2023-08-08
申请号：CN202010897101.9
申请日：2020-08-31
Applicant: 广州大学
IPC: G06T15/00 , G06T15/08 , G06N3/0464 , G06V10/80
Abstract: 本发明提出一种点云、体素和多视图融合的深度学习方法，包括步骤一：设定输入为一帧的全部点云数据的集合；步骤二：提取在每个点上的单个点特征；步骤三：将点云进行归一化处理，然后进行体素化操作，生成体素网格，进而提取体素特征；步骤四：得到体素的多个2D视图放入ResNet网络中提取点云视图特征；步骤五：投影层将点云视图特征投影到原体素网格中；步骤六：将体素特征和投影到原体素网格的点云视图特征一起进行降体素操作，把体素特征和投影到原体素网格的点云视图特征返还给点云；步骤七：将点云的单个点特征、返还给点云的体素特征和点云视图特征进行融合。
-
公开(公告)号：CN111444332B
公开(公告)日：2023-04-18
申请号：CN202010179259.2
申请日：2020-03-13
Applicant: 广州大学
IPC: G06F16/335 , G06F16/36
Abstract: 本发明公开了众包知识验证环境下众包工人可靠性模型建立方法及装置。所述方法包括：根据预存策略，对众包用户匹配知识领域集，并向众包用户分配知识领域集中的知识，使众包用户验证知识，得到知识标签；基于强化学习算法建立众包工人可靠性模型，并通过众包工人可靠性模型计算知识标签的奖励值，以根据奖励值更新预存策略；重复执行上述操作直至预存策略的更新次数达到预设次数，根据最新的预存策略对众包用户进行资格筛选；在知识验证完成后，将验证正确的知识加入对应的知识图谱。本发明能够基于强化学习，在众包验证环境下建立众包工人可靠性模型，实现对众包工人进行资格筛选，从而提高众包知识验证的效率。
-
Patent Agency Ranking
公开(公告)号：CN115277039A
公开(公告)日：2022-11-01
申请号：CN202210271452.8
申请日：2022-03-18
Applicant: 广州大学
IPC: H04L9/40
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。
-
公开(公告)号：CN113837253A
公开(公告)日：2021-12-24
申请号：CN202111080178.8
申请日：2021-09-15
Applicant: 广州大学
Abstract: 本申请涉及一种单步对抗训练方法、系统、设备、存储介质及产品，其方法包括对干净样本和对应的标签进行FGSM对抗攻击；同时，基于上限值，对待生成的FGSM对抗样本的步长进行裁剪，获取裁剪样本；对干净样本和裁剪样本进行对抗训练，直至所有训练数据完成一次前向计算及反向传播的过程；重复获取干净样本和裁剪样本，并对干净样本和裁剪样本进行对抗训练，直至完成全部的对抗训练，获得模型以防御攻击。解决了现有对抗训练方法鲁棒性差或者用时过长的问题。本申请具有改善对抗训练方法的鲁棒性能和缩短训练时长的效果。
-
公开(公告)号：CN111309787B
公开(公告)日：2021-10-19
申请号：CN202010136449.6
申请日：2020-03-02
Applicant: 广州大学
IPC: G06F16/2458 , G06N5/02
Abstract: 本发明公开了一种基于Apriori算法挖掘二维数据间关联规则的方法，通过获取关系型数据库中的二维连续型数据表，对二维连续型数据表进行离散化处理，得到二维离散化数据表，然后通过Apriori算法挖掘出二维离散化数据表中各数据之间的频繁项集，并生成频繁项集的关联规则，同时计算每一条规则的置信度，最后根据亲密度计算公式、每一条规则的置信度以及频繁项集的关联规则，计算得到二层级数据的关联规则，可以挖掘二维数据表属性之间的关联规则，从而确定属性间的亲密关系。
-
公开(公告)号：CN112637781A
公开(公告)日：2021-04-09
申请号：CN202011318016.9
申请日：2020-11-23
Applicant: 广州大学
Abstract: 本发明涉及一种基于基站轨迹的用户通行方式判别方法，包括：获取待判别用户通行基站的轨迹信息；根据轨迹信息提取特征，特征包括通过基站的耗时、进出基站时间区间范围、经过基站的人数、用户基于滑动窗口的“基站振荡”、基站聚类特征、基站连续时间内的统计特征、基站密度、基站自身通行方式统计特征；将提取的特征输入预先训练好的LightGBM模型，LightGBM模型输出待判别用户的通行方式。本发明从少量的基站基本信息中挖掘出了大量的新的重要特征，采用了集成学习中的LightGBM算法，能够根据挖掘的特征准确地从大量轨迹数据中学习到用户在基站中的运动规律，准确且高效的判判别用户的运动方式。
-
公开(公告)号：CN112508356A
公开(公告)日：2021-03-16
申请号：CN202011317789.5
申请日：2020-11-23
Applicant: 广州大学
Abstract: 本发明公开了一种基于强化学习模型的共享汽车平衡方法，包括：S1，接收用户的待用车请求或者待还车请求；S2，将待用车请求或者待还车请求输入预先建立好的强化学习模型，强化学习模型输出各个站点的用车奖励金或者还车奖励金；S3，用户遍历包含他自身的预设网格区域，在提供奖励金最多的站点进行取车或者还车。本发明能主动平衡共享汽车系统，由此可以大量减少人工调度成本，更好地平衡各站点的车辆分布，增加用户的用车体验，提到商家的服务率。
-
-
-
-
-
-
-
-
-
Search Results
242
records
(took 0.073 seconds)
