-
公开(公告)号：CN113468521A
公开(公告)日：2021-10-01
申请号：CN202110745417.0
申请日：2021-07-01
Applicant: 哈尔滨工程大学
Abstract: 本发明属于入侵检测技术领域，具体涉及一种基于GAN的联邦学习入侵检测的数据保护方法。本发明将宽松的差分隐私保护技术与对抗生成神经网络结合，降低联邦学习框架内各终端的通信损耗，提高学习效率，可以很好的解决联邦各终端算力较低的情况，提高机器的利用效率。本发明所使用的对抗生成神经网络产生的动态模糊数据，能够实现让攻击者无法判断攻击成功的情况同时扩充本地训练数据集，解决可能存在的小样本问题。本发明可以有效的降低联邦学习框架中的通讯损耗，能够有效的提高训练效率，同时解决少终端联邦学习存在的易受到推理攻击的问题、入侵检测终端的小样本数据及非独立同分布数据问题，可以实现抵御推理攻击的联邦学习入侵检测。
-
公开(公告)号：CN113179164A
公开(公告)日：2021-07-27
申请号：CN202110471463.6
申请日：2021-04-29
Applicant: 哈尔滨工程大学
Abstract: 本发明属于信息安全中的数据加密技术领域，具体涉及一种基于理想格的多授权机构密文策略属性基加密方法。本发明基于理想格构建格基属性加密方法，加解密操作均以整数多项式环为单位进行，从而实现一次加密多比特明文。本发明采用基于G‑格的陷门生成和原像采样方法，解决了传统格基加密方法公私钥尺寸较大、计算效率低的问题。本发明利用门限秘密共享技术实现密钥的分割与重构，使得多个授权机构共同进行用户密钥的分发与管理，有效降低了中央授权机构工作量，解决了单一授权机构加密方法中存在的性能及安全瓶颈，提高了系统运行效率，同时实现对加密数据灵活且细粒度的访问控制，更加符合分布式云存储环境的应用需求。
-
公开(公告)号：CN111935230A
公开(公告)日：2020-11-13
申请号：CN202010667165.X
申请日：2020-07-13
Applicant: 哈尔滨工程大学
IPC: H04L29/08 , H04L12/863 , G06F12/0877 , G06F5/06
Abstract: 本发明一种基于多级人气指数的协作边缘缓存方法，包括如下步骤：步骤一：在有中心拓扑的边缘缓存模型的基础上，引入协作机制；步骤二：在协作机制的基础上，提出响应型的缓存策略；步骤三：引入多级人气指数概念，使将内容分级；所述步骤三具体为：人气指数系数 和 将用户请求内容的人气指数 分为三级，每一级使用不同的缓存淘汰策略；该缓存策略算法实现简单，对于边缘节点的计算性能要求较低，多种编程语言均可以实现，各类操作系统都可以部署该算法，不依赖特定的开发环境；根据不同的用户请求分布可以根据其进行仿真再设置相应的最优的人气指数等级系数，以发挥边缘缓存的最佳性能。
-
公开(公告)号：CN111258730A
公开(公告)日：2020-06-09
申请号：CN202010031828.9
申请日：2020-01-13
Applicant: 哈尔滨工程大学
Abstract: 本发明属于任务调度技术领域，具体涉及一种基于竞态条件的任务调度方法。本发明通过不确定矩阵描述时间序列特征以及测量任务执行不确定性，利用最大熵优化发提出的任务调度算法确保任务执行期间发生的竞态条件概率最低。本发明的任务调度优化方法在低功耗系统平台有更高的CPU利用率，吞吐量和更低的计算复杂度和任务执行时间，具有一定的研究和使用价值。
-
公开(公告)号：CN110807372A
公开(公告)日：2020-02-18
申请号：CN201910976624.X
申请日：2019-10-15
Applicant: 哈尔滨工程大学
Abstract: 本发明属于深度学习遥感目标识别技术领域，具体涉及提高对目标的计算速度的一种基于深度特征重组的快速光学遥感目标识别方法。本方法包括如下步骤：分别建立自下而上50层ResNets以及101层ResNets网络架构作为构建特征金字塔网络的基础，对遥感图像进行初步特征提取，提取出4个不同的尺度的特征C2，C3，C4，C5；将得到的4个特征分别通过自上而下路径的卷积网络进行相互叠加得到新特征M2，M3，M4，M5用来消除不同层之间的混叠效果。将得到的M5特征图加倍得到新特征P5，特征P6是通过对P5进行3x3，然后对特征P6进行ReLU激活函数，再通过3x3,并且步长为2的卷积，就可以得到特征p7。本发明既具有单阶段测试模型的速度优势，又具有双阶段测试模型的计算准确度。
-
Patent Agency Ranking
公开(公告)号：CN110474883A
公开(公告)日：2019-11-19
申请号：CN201910669487.5
申请日：2019-07-24
Applicant: 哈尔滨工程大学
IPC: H04L29/06
Abstract: 一种基于重标极差法的SDN异常流量检测方法，属于计算机网络安全技术领域。该方法包括收集SDN各节点(包括控制器和各用户终端)的正常网络流量包数量，分别计算其Hurst指数；保存并作为网络正常指标，设定正常状态的阈值；收集各节点发生某种已知异常的网络流量包数量，计算各节点Hurst指数作为该异常的指标；用窗函数截取前向序列并计算其Hurst指数，若由正常指标最终变为某种异常指标，即可确定该模式的异常发生并确定发生异常时刻点。若只是指标变化偏离了正常值，但不能找到相近的异常指标，则发生了已知模式之外的异常，并能够确定异常时刻点。本发明可以实时检测流量状态，判断流量是否异常，并且能够检测异常发生时刻，有利于加强SDN网络系统的安全性。
-
公开(公告)号：CN109886356A
公开(公告)日：2019-06-14
申请号：CN201910177081.5
申请日：2019-03-08
Applicant: 哈尔滨工程大学
Abstract: 一种基于三分支神经网络的目标追踪方法，属于计算机视觉技术领域。视觉目标跟踪属于视频分析，作为计算机视觉领域的一个重要分支，它的基本任务是根据给定的目标在初始帧的位置信息，预测目标在视频序列中的位置、区域以及运动轨迹。针对视觉目标追踪的精度低和速度慢，易受遮挡、背景混淆、尺寸变化、剧烈的表观变化、光照变化等影响。提出了一种基于三分支神经网络的目标追踪方法。与传统视觉目标追踪技术不同的是：利用三分支神经网络对目标进行追踪能够对目标有鲁棒性高的表示能力，可以应对目标表观的显著变化，对背景有更好的区分性，同时能有效地避免算法的漂移。在追踪速度也远远超过其他算法。
-
公开(公告)号：CN109871902A
公开(公告)日：2019-06-11
申请号：CN201910177075.X
申请日：2019-03-08
Applicant: 哈尔滨工程大学
Abstract: 本发明属于雷达数据处理领域，具体涉及一种基于超分辨率对抗生成级联网络的SAR小样本识别方法。针对SAR目标图像分辨率低所导致的目标特征不明显，受环境影响较大，数据样本易混淆的问题，提出一个基于深度学习的超分辨率网络，对低分辨率的SAR的小样本图像进行放大。让分类网络能够提取到更多的特征。与传统超分辨率方法不同，利用GAN进行的图像超分辨率能够有效的提取到图像的特征，生成非过度平滑的逼真的高分辨率图像。针对SAR小样本图像具有的低分辨率，特征模糊，样本容易混淆的特点，针对SAR图像固有特点的GAN超分辨率模型。将实现一个4倍放大因子的超分模型，可以将原图像的像素数量放大到原来的16倍。这样可以提供给分类器更多的内容和特征。
-
公开(公告)号：CN104915918B
公开(公告)日：2017-12-19
申请号：CN201510349570.6
申请日：2015-06-23
Applicant: 哈尔滨工程大学
IPC: G06T1/00
Abstract: 本发明具体涉及的是一种面向影像地图的强鲁棒数字水印方法。本发明根据IMG影像地图的数据结构，读取节点的链表，并按照对应字段分别获得每个节点的像素值；获得水印二进制编码，生成相应的伪随机序列；根据地图规模和伪随机序列大小，设定小于1个像素单位的值作为阈值，对地图进行八个方向的平移；计算每一个特征点与周围像素点的差值，并读取伪随机序列，将对应随机序列值与像素差值的乘积累加到该特征点的像素值；对于嵌入水印后的地图，随机选取其中几幅发布。本发明实现了强鲁棒性的水印嵌入和提取。水印嵌入载体基于影像的亮度差值，且嵌入多幅相关性极强的地图内，水印一旦遭到破坏，可通过求取相关性和地图的平均像素值而得以恢复。
-
公开(公告)号：CN105490962A
公开(公告)日：2016-04-13
申请号：CN201510884120.7
申请日：2015-12-04
Applicant: 哈尔滨工程大学
IPC: H04L12/851 , H04L12/865 , H04L12/815 , H04L12/729
CPC classification number: H04L47/2483 , H04L45/125 , H04L47/23 , H04L47/2433 , H04L47/6295
Abstract: 本发明属于OpenFlow网络管理领域，具体涉及一种基于OpenFlow网络的QoS管理方法。本发明包括：在数据层上进行数据分类；在数据层上进行PQ队列调度与DRR队列调度相结合的队列调度；在数据层上进行队列管理；在控制层上根据数据流的类型和网络当前状况进行首次路由；在控制层上进行路由迁移。本发明通过业务的类别、链路利用率、流的速度，为链路赋予权值，完成路由算法的改进；利用软件定义网络集中控制的特性，提出了一种路由迁移算法，并对路由迁移的时机选择做了优化。
-
-
-
-
-
-
-
-
-
Search Results
74
records
(took 0.033 seconds)
