-
公开(公告)号：CN116310728A
公开(公告)日：2023-06-23
申请号：CN202310311808.0
申请日：2023-03-28
Applicant: 北京邮电大学
IPC: G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/0455 , G06F16/958 , G06V40/12
Abstract: 本发明公开了一种基于CNN‑Linformer模型的浏览器识别方法，先通过CNN提取输入数据的时序特征，再通过Linformer的线性注意力聚焦重要的特征，提高了模型的准确率，并通过多头注意力对数据进行并行计算，提高了模型的训练速度。同时，通过删除Linformer中的解码器部分、输入嵌入部分和位置编码部分对Linformer进行简化，降低了模型的复杂度进而提高计算的速度。此外，本发明针对现有的其他方法没有全面考虑各种伪指纹技术带来准确率下降的问题，利用了随机化属性值和添加噪声两种伪指纹技术对原始数据集进行数据增强，然后使用含有正常指纹和伪指纹的增强数据集对CNN‑Linformer模型进行了训练。本方法具有准确率高和识别速度快的优点，在伪指纹场景下具有良好的鲁棒性。
-
公开(公告)号：CN111275308B
公开(公告)日：2023-04-18
申请号：CN202010049095.1
申请日：2020-01-16
Applicant: 北京邮电大学
IPC: G06Q10/0631 , G06N3/126
Abstract: 本发明实施例提供的一种资源分配方法及装置，基于待处理种群包含的个体，分别计算各目标函数的函数值，作为第一函数值，判断待处理种群的遗传代数是否大于预设阈值，如果大于，基于各第一函数值和非支配排序算法，从待处理种群中确定各目标函数的最优解，按照最优解确定为每一需求点分配的每一种资源的数目，如果不大于，基于各第一函数值和非支配排序算法，确定待处理种群中的目标个体；基于目标个体，生成子代种群，作为当前的待处理种群，并执行判断待处理种群的遗传代数是否大于预设阈值步骤。基于上述处理，可以较快的确定各目标函数的最优解，可以在一定程度上避免现有技术中无法及时确定为每一需求点分配的每一种资源的数目的问题。
-
公开(公告)号：CN111026536B
公开(公告)日：2022-09-20
申请号：CN201911296494.1
申请日：2019-12-16
Applicant: 北京邮电大学
Abstract: 本发明实施例提供了一种基于信任融合评估的任务处理方法，应用于第一边缘节点，方法包括：在接收到待处理任务时，确定处理待处理任务所需的边缘节点的数量；基于对待评价边缘节点的历史信任值，计算第一直接信任值；基于对第二边缘节点的历史信任值以及第二边缘节点对待评价边缘节点的历史信任值，计算第一推荐信任值；基于终端节点的历史信任值以及第三边缘节点对待评价边缘节点的历史信任值，计算第二推荐信任值；计算待评价边缘节点的信任融合评估值；根据信任融合评估值及所述数量，从待评价边缘节点中选择目标边缘节点，并与目标边缘节点对待处理任务进行处理。应用本发明实施例，可以提高任务的处理质量。
-
公开(公告)号：CN112732402B
公开(公告)日：2022-06-21
申请号：CN202011609283.1
申请日：2020-12-30
Applicant: 北京邮电大学
IPC: G06F9/455 , G06F9/50 , G06N20/10 , H04L67/1074
Abstract: 本发明实施例提供了一种云计算中心资源调度方法、装置及设备，获取云计算中心的虚拟机信息集合，待分配的云任务信息集合，虚拟机信息集合反映的虚拟机总数，待分配的云任务信息集合反映的云任务总数，每次随机游走的步长，预设随机游走的迭代次数以及每次随机游走的临时游走迭代次数；利用预设调度算法将待分配的云任务信息集合代表的云任务的执行总时间和执行所需的总能量耗费封装为适应度函数，并利用预设随机游走获取适应度函数最小化时的解；解为预设随机游走的游走结果：n维向量；以n维向量为分配方案，将待分配的云任务信息集合代表的云任务分配给虚拟机信息集合代表的虚拟机。本方案可以减少云计算中心资源调度的执行时间和资源消耗。
-
公开(公告)号：CN114387675A
公开(公告)日：2022-04-22
申请号：CN202210040177.9
申请日：2022-01-14
Applicant: 北京邮电大学
Abstract: 本发明公开了一种基于自适应MDS分数的深度伪造视频检测方法，包括以下步骤：S1、提取训练集中每个视频的视觉流和音频流；S2、通过训练获得真假两种视频的平均MDS得分，同时建立检测模型；S3、将测试视频输入检测模型，计算测试视频的MDS分数，比较其与两种视频平均MDS得分的距离，测试视频MDS分数离哪一类视频MDS分数更接近则被判定为对应类别。本发明的基于自适应MDS分数的深度伪造视频检测方法，相对于一般的固定门限的方法，解释性更强，准确率也更高，同时让分类的依据更加接近于训练用的训练数据，只要让网络结构进行一个轮次的训练，就可以得到比较接近当前数据集的合理判断依据，更加方便快捷，提高检测效率。
-
Patent Agency Ranking
公开(公告)号：CN114357172A
公开(公告)日：2022-04-15
申请号：CN202210016021.7
申请日：2022-01-07
Applicant: 北京邮电大学
IPC: G06F16/35 , G06F40/30 , G06F40/284 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于ERNIE‑BiGRU‑Attention的谣言检测方法，借助了ERNIE模型以及双向GRU加上注意力机制模型，对一条最新发布的新闻进行内容真假性的判断，通过神经网络来预测其结果。ERNIE语料库包含了百度新闻、百度百科、百度词条等大范围的语料，非常契合谣言检测领域，解决了现有模型没有对新闻主题领域进行泛化的缺点。后续，我们加入BiGRU层和注意力机制层，能够更好地掌握ERNIE预处理后文本的关键实体信息，从而获得更好的泛化能力和更高的准确率。
-
公开(公告)号：CN114329474A
公开(公告)日：2022-04-12
申请号：CN202210006038.4
申请日：2022-01-05
Applicant: 北京邮电大学
Abstract: 本发明公开了一种融合机器学习和深度学习的恶意软件检测方法，采用机器学习(LightGBM)与深度学习(1D‑CNN)相结合的方法作为恶意软件检测模型的基础，该模型可以发掘语义的深度特征，发掘语义上下文关系的时空序列数据特征，同时该模型的特征提取以及模型检测相配合能够更好地进行误差传播，使训练速度更快、效果更好。同时对模型接收到检测样本进行计算，从而判别是否存在恶意软件，比传统地直接进入检测模型具有更高地准确率。此外，本发明的方法简单，检测模型更加轻量化，该模型不仅适用于Microsoft端的恶意软件检测，在移动端也有较好的效果。
-
公开(公告)号：CN111835763B
公开(公告)日：2022-03-04
申请号：CN202010667126.X
申请日：2020-07-13
Applicant: 北京邮电大学
IPC: H04L9/40 , H04L61/4511 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明实施例提供了一种DNS隧道流量检测方法、装置及电子设备，获取文本格式的待检测DNS流量数据；将文本格式的待检测DNS流量数据输入预先基于训练完成的神经网络模型，以使神经网络模型对文本格式的待检测DNS流量数据进行特征提取，得到待检测特征向量；并基于待检测特征向量，进行类别划分，得到检测结果；神经网络模型是基于多个DNS流量数据样本和样本真值训练得到的。本发明实施例中，执行特征提取操作的神经网络模型是基于大量的DNS流量数据样本和样本真值训练得到的，与人工提取特征的方式相比，提取到的特征向量的准确性较高。因此，基于提取到的准确率较高的特征向量，得到的检测结果的准确性也较高，提高了DNS隧道流量检测的准确性。
-
公开(公告)号：CN113141394A
公开(公告)日：2021-07-20
申请号：CN202110322386.8
申请日：2021-03-25
Applicant: 北京邮电大学
IPC: H04L29/08
Abstract: 本申请实施例提供的一种资源分配方法、装置、电子设备及存储介质，应用于信息技术领域，通过接收目标任务对应的任务请求；获取所述多个终端设备中各终端设备的综合信任值；选取对应的所述综合信任值大于预设阈值的终端设备，根据预设多组资源分配系数生成对应所述目标任务的多组资源分配列表；分别计算所述多组资源分配列表中每一组资源分配列表对应的多个性能参数；根据所述每一组资源列表对应的多个性能参数，计算所述每一组资源列表对应的综合时延能耗；选取并根据所述多组资源分配列表中对应的综合时延能耗最小的一组资源分类列表进行所述目标任务的分配。可以避免部分终端设备故障导致的计算效率下降，提高计算效率。
-
公开(公告)号：CN112732402A
公开(公告)日：2021-04-30
申请号：CN202011609283.1
申请日：2020-12-30
Applicant: 北京邮电大学
Abstract: 本发明实施例提供了一种云计算中心资源调度方法、装置及设备，获取云计算中心的虚拟机信息集合，待分配的云任务信息集合，虚拟机信息集合反映的虚拟机总数，待分配的云任务信息集合反映的云任务总数，每次随机游走的步长，预设随机游走的迭代次数以及每次随机游走的临时游走迭代次数；利用预设调度算法将待分配的云任务信息集合代表的云任务的执行总时间和执行所需的总能量耗费封装为适应度函数，并利用预设随机游走获取适应度函数最小化时的解；解为预设随机游走的游走结果：n维向量；以n维向量为分配方案，将待分配的云任务信息集合代表的云任务分配给虚拟机信息集合代表的虚拟机。本方案可以减少云计算中心资源调度的执行时间和资源消耗。
-
-
-
-
-
-
-
-
-
Search Results
56
records
(took 0.029 seconds)
