公开(公告)号：CN115412332B

公开(公告)日：2024-06-07

申请号：CN202211026383.0

申请日：2022-08-25

Applicant: 暨南大学

Inventor： 曾国强 ,  杨耀伟 ,  耿光刚 ,  翁健 ,  黄家承 ,  张宇

IPC: H04L9/40 ,  H04L67/12 ,  G16Y40/50 ,  G16Y40/20 ,  G16Y40/10 ,  G16Y30/10 ,  G06N3/045 ,  G06N3/006 ,  G06N3/084 ,  G06F18/24

Abstract: 本发明公开了一种基于混合神经网络模型优化的物联网入侵检测系统及方法。从物联网系统历史数据库中采集生成过程的历史监控数据，经过数据解析和归一化后作为物联网入侵检测离线优化模块的输入数据集，设计基于离散粒子群优化技术的混合神经网络模型优化平台，获得物联网入侵检测特征库和混合神经网络最优模型，针对物联网系统实时数据库中的实时监控数据，从而实现物联网入侵检测的在线检测。本发明不仅可实现用于物联网入侵检测系统的混合神经网络模型的自动生成和优化设计，提高了物联网入侵检测系统的智能化设计水平和设计效率，还提升了物联网系统入侵检测的精准率、召回率和F1评分等性能指标。

公开(公告)号：CN113591078B

公开(公告)日：2024-06-07

申请号：CN202110886083.9

申请日：2021-08-03

Applicant: 暨南大学

Inventor： 曾国强 ,  黄家承 ,  翁健 ,  陆康迪 ,  耿光刚 ,  谭武征 ,  张宇

IPC: G06F21/55 ,  G06N3/0464 ,  G06N3/084 ,  G06N3/082

Abstract: 本发明公开了一种基于卷积神经网络架构优化的工控入侵检测系统及方法。从工控系统历史数据库中采集生成过程的历史监控数据，经过数据解析和归一化后作为工控入侵检测离线训练模块的输入数据集，设计基于离散群体演化方法的卷积神经网络架构优化平台，获得工控入侵检测特征库和最优架构的卷积神经网络模型，针对工控系统实时数据库中的实时监控数据，从而实现工控入侵检测的在线检测。本发明不仅可实现用于工控入侵检测系统的卷积神经网络架构的自动生成和优化设计，提高了工控入侵检测系统的智能化设计水平和设计效率，还提升了工控系统入侵检测的精准率、召回率和F1评分等性能指标。

公开(公告)号：CN117978777A

公开(公告)日：2024-05-03

申请号：CN202410080237.9

申请日：2024-01-19

Applicant: 暨南大学

Inventor： 张银炎 ,  刘东杰 ,  陈佳宇 ,  谢家贵 ,  耿光刚

IPC: H04L61/4511 ,  H04L67/02 ,  H04L101/659

Abstract: 本申请公开了一种大规模探测支持DoH的IPv6隐私保护递归服务器的方法、装置、终端设备以及存储介质，其方法包括：收集路径模板以及递归服务器的IPv6地址响应列表；根据所述路径模板和所述IPv6地址响应列表，组成探测统一资源定位符URL；并行地向探测URL发送DoH请求，进行DoH递归查询的验证，得到DoH递归查询的验证结果；基于所述DoH递归查询的验证结果，得到支持DoH的IPv6隐私保护递归服务器地址。基于上述方法，可以快速、高效、准确地探测出支持DoH的递归服务器IPv6地址。

公开(公告)号：CN117938477A

公开(公告)日：2024-04-26

申请号：CN202410039081.X

申请日：2024-01-10

Applicant: 暨南大学

Inventor： 张银炎 ,  杜丰旭 ,  耿光刚 ,  刘东杰

IPC: H04L9/40 ,  G06N3/08

Abstract: 本申请公开了一种网络入侵检测方法、装置、终端设备以及存储介质，其方法包括：获取网络数据；根据所述网络数据，通过预先训练得到的网络入侵检测模型进行网络入侵检测，其中，所述网络入侵检测模型是对基于优化后的天牛须搜索算法的神经网络进行训练得到的。基于上述方案，本发明能够有效提升网络入侵检测的识别能力，同时具有较强的泛化性。

公开(公告)号：CN113515495B

公开(公告)日：2024-03-19

申请号：CN202110404424.4

申请日：2021-04-14

Applicant: 暨南大学

Inventor： 张继连 ,  翁健 ,  吴永东 ,  耿光刚

IPC: G06F16/182 ,  G06F16/16 ,  G06F16/13

Abstract: 本发明公开了一种数据文件分配方法及装置、智能设备和计算机存储介质，所述方法包括以下步骤：按照各个数据文件的访问频率对数据文件进行排序，所述排序方式包括升序或者降序；按照排序后的顺序将所述数据文件分割为至少两个数据块，其中，各个数据块的数据文件的数量相等；对每个数据块中的数据文件进行两两合并以更新所述数据文件；返回执行所述按照各个数据文件的访问频率对数据文件进行排序的步骤，直至所述数据文件的数量达到分布式节点的数量；将所述数据文件放置至对应的分布式节点，解决现有技术中数据文件分配不均衡导致分布式系统不稳定的问题，提高分布式系统的稳定性。

公开(公告)号：CN116938538A

公开(公告)日：2023-10-24

申请号：CN202310818315.6

申请日：2023-07-05

Applicant: 暨南大学

Inventor： 耿光刚 ,  孔凯传 ,  刘志全 ,  黄衍铭 ,  侯榕浩 ,  张新常

IPC: H04L9/40

Abstract: 本发明公开了一种面向工业互联网标识解析的恶意行为检测方法，包括以下步骤：S1、构建恶意行为检测分类模型；S2、以用户正常行为操作的组合特征数据STFD为训练集，训练恶意行为检测分类模型；S3、将未知正常、恶意行为操作的组合特征数据STFD特征数据输入至恶意行为检测分类模型；S4、恶意行为检测分类模型输出未知正常、恶意行为操作的组合特征数据STFD的正常、恶意分类结果。本发明提取时序、频率、空间、方向四个特征，将其应用到恶意行为检测中，通过分析多维度用户操作行为特征，从而准确判断用户行为是否存在恶意行为。

公开(公告)号：CN116524291A

公开(公告)日：2023-08-01

申请号：CN202310283389.4

申请日：2023-03-22

Applicant: 暨南大学

Inventor： 曾国强 ,  魏海南 ,  李理敏 ,  耿光刚 ,  翁健 ,  陆康迪 ,  张宇

IPC: G06V10/774 ,  G06V10/776 ,  G06V10/764 ,  G06V10/82 ,  G06V20/10 ,  G06N3/086

Abstract: 本发明公开了一种SAR图像DNN分类器的后门攻击设计及评估系统与方法，获取来自SAR历史数据库的图像数据集，对其进行数据解析和归一化，得到干净数据集，并对DNN模型进行训练，得到干净模型；基于后门攻击触发器的多目标离线优化设计模块获取最优后门触发器，将其注入到待中毒干净数据集生成后门攻击数据集，并对干净模型进行训练，得到嵌入后门的中毒模型，并评估测试精度、后门隐蔽性和攻击成功率。本发明首次实现了针对SAR图像DNN分类器的后门嵌入触发器的多目标自动优化，在保持后门触发器具有较高隐蔽性的同时，仅使用少量后门样本便能达到极高的攻击成功率，且对遭遇后门攻击后的安全风险和性能进行了量化评估。

公开(公告)号：CN118587553A

公开(公告)日：2024-09-03

申请号：CN202410623748.0

申请日：2024-05-20

Applicant: 暨南大学

Inventor： 曾国强 ,  张宇 ,  陆康迪 ,  耿光刚 ,  陈泯融 ,  翁健 ,  李理敏

IPC: G06V10/82 ,  G06V10/764 ,  G06V10/774 ,  G06N3/006 ,  G06N3/082 ,  G06N3/0985

Abstract: 本发明公开了一种基于后门特征提取优化的SAR图像抗后门分类方法与系统，该方法包括：构建基于网络块的后门特征提取子网络和分类子网络，对由上述两个子网络组成的SAR图像抗后门分类模型的神经网络架构参数、后门特征选择参数及剪枝位置参数进行粒子位置和速度编码，将SAR图像抗后门分类模型的参数量、后门攻击成功率和对正常样本的分类精度作为优化目标，设计基于三目标粒子群优化方法的离线优化平台，获得兼顾轻量化、高精度和强后门鲁棒性的SAR图像分类在线部署模型。本发明实现了SAR图像抗后门分类模型的自动优化设计，构建的后门特征提取子网络拓展了后门特征的处理方式，提升了模型轻量化、分类精度和后门鲁棒性。

公开(公告)号：CN115396198B

公开(公告)日：2024-05-31

申请号：CN202211025573.0

申请日：2022-08-25

Applicant: 暨南大学

Inventor： 曾国强 ,  黄家承 ,  耿光刚 ,  翁健 ,  陆康迪 ,  张宇

IPC: H04L9/40 ,  H04L43/04 ,  H04L43/08 ,  G06F18/2433 ,  G06F18/214 ,  G06N3/0464 ,  G06N3/086 ,  G06N3/084 ,  G06N3/0985 ,  G06N3/12

Abstract: 本发明公开了一种基于CNN架构与参数并行优化的电网入侵检测系统及方法，从智能电网的量测数据管理系统中采集电网运行状态的历史监控数据，解析数据获取各传感器的读数信息并进行基于标准分数的标准化处理，作为智能电网入侵检测离线优化训练模块的输入数据集，将CNN模型拓扑架构、卷积模块参数和训练参数进行编码，设计基于遗传算法的CNN模型架构与参数并行优化平台，获得最优CNN模型的架构与参数信息。针对智能电网的量测数据管理系统采集到的电网实时监控数据，在线部署最优CNN模型，从而实现智能电网入侵检测的在线检测。本发明不仅提升了智能电网入侵检测系统的智能化设计水平和设计效率，还提升了智能电网入侵检测的准确率和F1评分等性能指标。

公开(公告)号：CN117828216A

公开(公告)日：2024-04-05

申请号：CN202311669809.9

申请日：2023-12-07

Applicant: 暨南大学

Inventor： 耿光刚 ,  黄衍铭 ,  张继连 ,  冯丙文 ,  刘志全

IPC: G06F16/958 ,  G06F18/2415 ,  G06N3/0455 ,  G06F18/213

Abstract: 本发明公开了一种多模态Web信息检索静态排序学习方法、系统、设备及介质，方法包括获取目标网页的网页截图与网页信息并基于截图与信息得到网页文本信息、HTML文本、HTML标签以及网页统计特征信息；分别对网页文本信息、HTML文本信息、HTML标签信息以及网页统计特征信息进行映射并进行特征提取，分别得到文本特征向量、HTML标签特征向量、HTML文本特征向量以及网页统计特征向量；将得到的4个特征向量进行特征组合，得到组合特征向量；根据组合特征向量进行评价与等级划分，生成网页的预测评价等级。本发明从多维度深入地探索网页信息的内在特征，更准确、客观与合理地对目标网页的Web内容质量进行评价，提高了评价准确度，且不易受各种作弊方法影响。