-
公开(公告)号:CN117411668A
公开(公告)日:2024-01-16
申请号:CN202311179832.X
申请日:2023-09-13
Applicant: 广州大学
IPC: H04L9/40
Abstract: 本发明公开了一种基于攻击面的网络安全防御能力量化评估方法及系统,方法为:利用已公开披露的漏洞信息以及管理者已知的网络信息,提取指标数据;构建分层安全图形模型;利用漏洞依赖图,进行图遍历找到所有攻击路径并通过深度优先搜索算法导出最短攻击路径;依据漏洞关联主机信息树,计算攻击路径的概率值和可能性值,使用模糊评价法计算影响值;综合概率值、可能性值及影响值计算攻击路径的综合分数,并得到攻击面定值;基于每条攻击路径的综合分数及攻击面定值,计算每条攻击路径的路径权值并对网络系统的防御能力进行等级划分。本发明有效降低攻击图的复杂度和规模,对网络系统的安全风险进行量化分析,客观和全面地评估系统的防御能力。
-
公开(公告)号:CN114866272B
公开(公告)日:2023-11-24
申请号:CN202210271451.3
申请日:2022-03-18
Applicant: 广州大学
Abstract: 本发明涉及数据投放技术领域,且公开了群智感知环境下真值发现算法的多轮次数据投放系统,TruthFinder公布上一轮的聚合真值利用恶意工人在上一轮提交的数据 和 计算出奖励值reward、估计状态 和观测值三元组g a f(Truth,Truth,Truth),reward为t时刻恶意工人执行动作后得到的回报,估计状态用于t+1时刻输入模型做决策,储存到经验池中,用于训练模型。该群智感知环境下真值发现算法的多轮次数据投放系统,场景为多轮次的连续数据投放场景和针对连续数据的数据投放场景,比全局信息优化法数据投放和自举法数据投放更加实用,可研究性更高,其次本发明不需要额外获取到正常工人的数据和TruthFinder的设置,因此本发明实施起来更加简单。
-
公开(公告)号:CN116665089A
公开(公告)日:2023-08-29
申请号:CN202310509885.7
申请日:2023-05-08
Applicant: 广州大学
Abstract: 本发明涉及基于三维时空网络的深度伪造视频检测方法,包括步骤:S1、利用RetinaFace算法对输入的视频帧进行人脸检测和裁剪,获取人脸区域图像;S2、将人脸区域图像输入到三维时空网络中;其中,三维时空网络包括RGB、光流和噪声三个特征提取模块;S3、设计融合卷积块注意力模块的I3D网络,令三个特征提取模块提取不同的时空特征;S4、将三个特征提取模块的输出进行特征向量的加权平均融合,获取预测标签的概率值。本发明通过采用了三维时空网络,可以提取深度伪造视频的时空特征,提高了深度伪造视频的检测准确率;在RGB域的基础上添加了光流声特征提取模块和噪声特征提取模块,可分别检测到伪造视频中的微表情变化不一致性和噪声域异常。
-
公开(公告)号:CN113780363B
公开(公告)日:2023-08-08
申请号:CN202110946024.6
申请日:2021-08-17
Applicant: 广州大学
IPC: G06V10/774 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种对抗样本防御方法、系统、计算机及介质,所述方法包括获取待检测图像样本;分别采用不同的去噪方法对待检测图像样本进行去噪处理,得到对应的第一去噪样本和第二去噪样本;将待检测图像样本、第一去噪样本和第二去噪样本分别输入深度神经网络模型,得到对应的待检测样本概率向量、第一去噪样本概率向量和第二去噪样本概率向量;分别获取待检测图像样本概率向量与第一去噪样本概率向量的第一相似度、以及与第二去噪样本概率向量的第二相似度,并根据第一相似度和第二相似度,判断待检测图像样本是否为对抗样本。本发明能够简单、高效且精准的识别对抗样本及给出对应的预测类别,有效提升对抗样本的防御能力及模型的服务能力。
-
公开(公告)号:CN116361476A
公开(公告)日:2023-06-30
申请号:CN202211455256.2
申请日:2022-11-21
Applicant: 电子科技大学 , 电子科技大学(深圳)高等研究院 , 广州大学
IPC: G06F16/36 , G06F18/22 , G06F18/214
Abstract: 本发明公开了一种基于插值法的知识图谱负样本合成方法,包括以下步骤:S1:候选集筛选:从负样本中筛选负样本集合cand_il,作为mixup操作的候选集;S2:mixup样本合成:选择cand_il中的负样本进行合成得到cand_im,再将cand_im中的负样本和正样本进行二次mixup合成;S3:训练更新:将得到的负样本集合cand_il、cand_im、cand_ik再筛选得到cand_is,并将其用于模型训练和更新强负样本集合本发明易于实现,运算速度快,不增加原始嵌入模型的复杂度;能增强虚拟负样本的多样性,提升知识图谱嵌入模型的性能,易于叠加到已有的知识图谱嵌入模型中。
-
公开(公告)号:CN116320193A
公开(公告)日:2023-06-23
申请号:CN202210792030.5
申请日:2022-07-07
Applicant: 广州大学
IPC: H04N1/32
Abstract: 本发明公开了一种安全、无计算设备依赖的工业图纸传输方法与系统,该方法包括S1,使用半色调技术对秘密图像Ss进行处理,获得半色调图像Sb;S2,使用可视秘密技术对半色调图像Sb进行加密处理,获得分存图像P1和P2;S3,将分存图像P1和P2发送至目标接收者;S4,将P1和P2进行叠加,获得还原图像Sd;S5,在GAN中利用秘密图像Ss作为输入数据集训练出生成器;S6,将还原图像Sd输入到生成器中,获得无噪声图像Ss'。本发明利用GAN提升了可视密码解密图像的质量,经过可视密码加密后,无论是通过物理介质还是数字方式传输,都可以确保图像的隐私性,为工业信息尤其是CAD图像传输提供安全高效的解决方案。
-
公开(公告)号:CN115310122B
公开(公告)日:2023-05-26
申请号:CN202210821237.0
申请日:2022-07-13
Applicant: 广州大学
IPC: G06F21/62 , G06F18/2415 , G06F18/25 , G06F18/214
Abstract: 本发明公开了一种多模态数据融合训练中的隐私参数优化方法,包括以下步骤:S1:客户端用户对隐私保护效果进行设定;S2:客户端针对文本、图像、音频的各类型数据使用对应的隐私保护方法进行脱敏处理,对脱敏处理后的数据进行单独模态的分类训练;S3:得出包含敏感数据准确率和非敏感数据准确率的各模态的分类准确率,判断敏感数据准确率是否满足用户需求;S4:基于权重自分配算法完成信息融合,得出最终的目标分类结果及敏感信息分类结果accns,accs;S5:服务器分别对敏感及非敏感数据分类结果进行评估。本发明提供的隐私参数优化方法,可有效提高分类结果的准确性,在满足用户隐私保护需求的前提下达到最佳准确率。
-
公开(公告)号:CN115080756B
公开(公告)日:2023-05-23
申请号:CN202210259684.1
申请日:2022-06-09
Applicant: 广州大学
Abstract: 本发明涉及网络安全技术领域,且公开了一种面向威胁情报图谱的攻防行为和时空信息抽取方法,包括以下步骤,S1、使用jieba与Bert模型将语句分词和向量化,S2、探测该句所有的关系,S3、时间戳、IP地址抽取,S4、一体化联合翻译解码方案,S5、将时空数据与三元组进行加权软投票,S6、数据重拼接与输出。该面向威胁情报图谱的攻防行为和时空信息抽取方法,本发明是目前为数不多的针对网络安全中的威胁情报信息的攻防行为的模式与其时空信息进行结合的一个模型,并对其相应的文本信息进行了实体和关系的明确定义和抽取模式的发明,在一定程度上为定义真实安全场景中常见的概念抽取问题提供了可行的思路。
-
公开(公告)号:CN115408664A
公开(公告)日:2022-11-29
申请号:CN202210808060.0
申请日:2022-07-11
Applicant: 广州大学
Abstract: 本发明公开了一种可穿戴的安全图像展示方法与装置,该方法包括如下步骤:S1,获取待显示图像;S2,对待显示图像进行二值化处理,获得二值化图像;S3,对二值化图像进行像素扩展处理,获得扩展图像;S4,使用预设的可视密码对对扩展图像进行加密处理,获得基准分存图像Sa和动态分存图像Sb;S5,将基准分存图像Sa和动态分存图像Sb分别输入智能眼镜的左镜片和右镜片进行展示。本发明还公开了一种用于实现上述方法的装置。本发明去除了图像安全展示过程中对密码学算力的要求,不需要任何数字高性能设备的支持。本发明为图像与视频的安全展示提供了一种新型方法,为安全会议,屏幕内容可见不可拍等展示场景提供了一种解决方案。
-
公开(公告)号:CN113807232B
公开(公告)日:2022-09-30
申请号:CN202111074096.2
申请日:2021-09-14
Applicant: 广州大学
Abstract: 本发明公开了一种基于双流网络的伪造人脸检测方法、系统和存储介质,所述方法包括以下步骤:获取样本图像,对所述样本图像集进行预处理得到仅含人脸区域的图像;构建双流网络,所述双流网络包括深度卷积神经网络和胶囊网络,所述深度卷积神经网络用于提取深层常规面部特征,所述胶囊网络用于捕获面部各部位的位置和角度关系;将深度卷积神经网络和胶囊网络进行融合,得到训练好的双流网络;将待检测图像输入到训练好的双流网络中,检测是否为伪造人脸的图像。本发明在传统的卷积神经网络方法的基础上,添加了胶囊网络流,考虑了面部各部分的位置关系,能够捕获伪造人脸图像中错误的位置关系伪影。
-
-
-
-
-
-
-
-
-