一种网络杀伤链检测方法、预测方法及系统

    公开(公告)号:CN112087420B

    公开(公告)日:2022-06-14

    申请号:CN202010728153.3

    申请日:2020-07-24

    Abstract: 本发明公开了一种网络杀伤链检测方法、预测方法及系统,具体包括:(1)构建d维特征向量;(2)无监督特征选择算法将d维特征向量筛减为k维;(3)通过k维特征向量获取网络杀伤链攻击事件序列集合。在IDS告警日志数据进行杀伤链挖掘的真实场景中,针对无法提前知晓数据中所包含杀伤链数目的问题,本发明改进的谱聚类算法相比于其他的有监督学习方法不仅能够实现无监督学习,还能够自动识别聚类数目;(4)基于已经获得的网络杀伤链序列,采用马尔科夫理论与三种网络杀伤链变种模型进行预测分析;(5)基于理论分析,实现了杀伤链检测与预测系统。

    内核级return-orientedrootkits的防御方法

    公开(公告)号:CN102375957A

    公开(公告)日:2012-03-14

    申请号:CN201110356081.5

    申请日:2011-11-10

    Abstract: 本发明公开一种内核级return-oriented rootkits的防御方法,主要解决现有技术无法抵御最新内核级return-oriented rootkits攻击的问题。其实现步骤是:首先由编译器为每个控制数据分配一个索引并进行相关指令的转换,以在程序跳转时,不直接使用控制数据,而是使用为它分配的索引去查找某个跳转表格,获得真正有效的跳转地址来间接进行;然后将系统中所有有效的跳转地址即控制数据收集到函数指针表和返回地址表中予以保护。本发明使得return-oriented rootkits无法完成实施攻击的第二步,即它需要改写某个控制数据来改变系统原有的执行流程,可用于保护操作系统的安全。

    一种基于隐空间桥梁机制的手语生成方法、系统、设备及介质

    公开(公告)号:CN117935360A

    公开(公告)日:2024-04-26

    申请号:CN202410100299.1

    申请日:2024-01-24

    Abstract: 一种基于隐空间桥梁机制的手语生成方法、系统、设备及介质,方法包括,提取手语关键点并进行数据预处理,获取手语关键点序列的隐空间表征,并通过隐空间表征重构手语关键点序列,对手语重构网络SLAE进行训练,获取手语注解序列、音频序列与目标手语姿态序列作训练样本,对手语注解序列与音频序列特征融合进行隐空间建模,结合不同模态数据来预测手语关键点序列的隐空间表征;引入物理感知损失函数协同训练手语重构网络和手语隐空间预测网络,预测手语关键点序列隐空间表征并利用手语重构网络合成手语视频;系统、设备及介质,用于实现一种基于隐空间桥梁机制的手语生成方法;本发明得到的手部动作的精准度提高、生成结果的流畅、生成结果语义信息高。

    多类型异常网页分类模型的构建方法、异常网页检测方法

    公开(公告)号:CN111967503B

    公开(公告)日:2023-10-13

    申请号:CN202010721898.7

    申请日:2020-07-24

    Abstract: 本发明公开了一种多类型异常网页分类模型的构建方法、异常网页检测方法,其中,多类型异常网页分类模型的构建包括:将不同类型的异常网页分类,并根据不同类型的网页的攻击意图和手段选择相应的属性,并通过SVM‑RFE选取最合适的最优属性,并将每个属性在朴素贝叶斯上的精确度为特征有效度,并将其引入SVM中,设计出一种具有特征有效度的支持向量机,将选取的特征在含有特征有效度支持向量机中训练得到多类型异常网页分类模型。其中,异常网页检测方法包括;将提交的URL提取异常特征,并进行标准化处理,然后调用本发明的多类型异常网页分类模型进行检测。

    基于深度学习的车辆身份识别模型构建、识别方法和系统

    公开(公告)号:CN110378236B

    公开(公告)日:2023-04-07

    申请号:CN201910537407.0

    申请日:2019-06-20

    Abstract: 本发明属于计算机视觉技术领域,涉及一种基于深度学习的车辆身份识别模型构建、识别方法和系统。首先,本发明利用大规模道路监控图片进行车辆检测的模型训练,训练采用多损失函数分阶段联合训练策略。然后,对检测出的车脸图像进行部件提取,并根据车脸部件提取情况利用特征提取与融合网络或普通分类网络进行分类。最后,利用多任务网络提取并过滤车脸的身份特征向量,将待分析图像特征与车辆信息库内图像的特征向量进行相似性度量,得到车辆身份识别结果。本发明提出的深度学习网络框架能够针对需求,提升网络模型的在不同方面的特征提取能力,从而实现最佳的模型表述能力,方便提取具有显著区分度的识别特征向量。

Patent Agency Ranking