-
公开(公告)号：CN115776401B
公开(公告)日：2024-04-19
申请号：CN202211471171.3
申请日：2022-11-23
申请人： 中国人民解放军国防科技大学 , 鹏城实验室
IPC分类号： H04L9/40 , G06F18/22 , G06F18/214 , G06F18/241 , G06N3/045 , G06N5/02
摘要： 本发明提供了基于少样本学习对网络攻击事件进行溯源的方法、装置，通过应用少样本学习技术处理APT组织的小规模数据，从而实现对网络攻击事件的APT组织溯源，基于已有的APT组织的数据构建APT组织攻击事件的表示矩阵；基于神经网络构建相似度匹配模型并进行训练；基于少样本学习技术，将已有完整的APT组织的数据构建为支撑集；使用预训练好的相似度匹配模型,计算由小规模的APT组织数据作为支撑集的每个组织的每个攻击事件的表示矩阵与目标攻击事件的表示矩阵之间相似度；将每个APT组织的多个攻击事件与目标攻击事件的相似度的平均值，作为目标攻击事件归属为对应APT组织时的关联紧密度数值，根据关联紧密度数值的大小，确定目标攻击事件的源头APT组织。
-
公开(公告)号：CN115858806A
公开(公告)日：2023-03-28
申请号：CN202211471180.2
申请日：2022-11-23
申请人： 中国人民解放军国防科技大学 , 鹏城实验室
IPC分类号： G06F16/36 , G06F16/28 , G06F18/214 , G06F40/295 , G06F21/55
摘要： 本发明提供了基于双曲面嵌入表示技术的网络攻击事件溯源方法及装置，能够提升对于攻击事件的攻击组织溯源的准确性，包括步骤：从未知晓发起攻击者的网络攻击事件中抽取出与APT组织相关的知识图谱三元组；通过预训练的欧式空间内的嵌入向量矩阵将三元组中的实体和关系进行向量化表示；使用黎曼流形变换技术将实体和关系的嵌入向量转换成流行空间中的双曲面；更新已获得的三元组中实体和关系的双曲面；基于更新的三元组的双曲面构建答复空间的双曲面；计算已有三元组中APT组织实体的双曲面与答复空间的双曲面的距离；取距离最小的APT组织实体作为推理得到的APT组织，将推理得到的APT组织作为发起网络攻击事件的APT组织。
-
公开(公告)号：CN115827889A
公开(公告)日：2023-03-21
申请号：CN202211471177.0
申请日：2022-11-23
申请人： 中国人民解放军国防科技大学 , 鹏城实验室
摘要： 本发明提供了一种基于参数生成器推理网络攻击中APT组织信息的方法、装置，其实现了更准确的知识图谱的推理补全，有助于网络空间安全行业的APT组织信息的检测、追踪与溯源工作，包括对已有的满足APT组织知识图谱的三元组的文本数据进行向量化表示；提取APT组织的三元组的嵌入向量数据中的关系嵌入向量，训练用于生成推理缺失实体的上下文参数的参数生成器；构建APT组织知识图谱推理模型，从最新的攻击数据中提取出三元组数据，对于缺失实体的部分三元组数据，将关系数据向量化表示后输入到训练好的参数生成器中，输出上下文参数；将已知实体和上下文参数输入推理模型，输出三元组中的缺失实体，作为APT组织信息。
-
公开(公告)号：CN115776401A
公开(公告)日：2023-03-10
申请号：CN202211471171.3
申请日：2022-11-23
申请人： 中国人民解放军国防科技大学 , 鹏城实验室
IPC分类号： H04L9/40 , G06F18/22 , G06F18/214 , G06F18/241 , G06N3/045 , G06N5/02
摘要： 本发明提供了基于少样本学习对网络攻击事件进行溯源的方法、装置，通过应用少样本学习技术处理APT组织的小规模数据，从而实现对网络攻击事件的APT组织溯源，基于已有的APT组织的数据构建APT组织攻击事件的表示矩阵；基于神经网络构建相似度匹配模型并进行训练；基于少样本学习技术，将已有完整的APT组织的数据构建为支撑集；使用预训练好的相似度匹配模型,计算由小规模的APT组织数据作为支撑集的每个组织的每个攻击事件的表示矩阵与目标攻击事件的表示矩阵之间相似度；将每个APT组织的多个攻击事件与目标攻击事件的相似度的平均值，作为目标攻击事件归属为对应APT组织时的关联紧密度数值，根据关联紧密度数值的大小，确定目标攻击事件的源头APT组织。
-
公开(公告)号：CN118153277A
公开(公告)日：2024-06-07
申请号：CN202410113778.7
申请日：2024-01-26
申请人： 中国人民解放军国防科技大学
IPC分类号： G06F30/20 , G06F111/10
摘要： 本发明公开了一种知识迁移驱动的固体发动机快速设计方法，包括：获取目标发动机的尺寸、需求推力时间曲线以及燃速设计空间；在搜索燃速下计算源域发动机的映射推力时间曲线，并计算映射推力时间曲线与需求推力时间曲线的误差值，得到搜索燃速对应的最小误差值；判断是否达到迭代终止条件：若是则输出当前燃速设计空间的中值作为设计燃速值，基于设计燃速值设计目标发动机；否则基于最小误差值更新燃速设计空间。本发明应用于固体发动机设计领域，通过搜索目标发动机燃速值并利用已有历史固体发动机案例知识进行推力映射以匹配需求推力，从而实现固体发动机的快速设计，解决固体发动机设计时间成本高、效率低的问题。
-
公开(公告)号：CN117952023B
公开(公告)日：2024-06-07
申请号：CN202410349801.2
申请日：2024-03-26
申请人： 中国人民解放军国防科技大学
IPC分类号： G06F30/27 , G06F30/15 , G06N3/006 , G06F119/14
摘要： 本发明公开了一种固体姿轨控发动机流量分段调节燃气阀阀杆型面设计方法，包括如下步骤：以喷管喉部上游过渡圆弧半径、收敛半角以及等效喉部面积曲线平滑次数为设计变量，以最小化目标等效喉部面积曲线，与等效喉部面积曲线设计值的均方根误差为目标函数，优化得到最优的喷管喉部上游过渡圆弧半径、收敛半角以及等效喉部面积曲线平滑次数；再基于最优的喷管喉部上游过渡圆弧半径、收敛半角以及等效喉部面积曲线平滑次数，得到最终的阀杆型面曲线与等效喉部面积曲线设计值并输出。本发明应用于固体姿轨控发动机设计领域，能够面向任意流量调节需求，显著提高设计结果与需求的吻合度，保证设计结果对任意需求的通用性。
-
公开(公告)号：CN117952024A
公开(公告)日：2024-04-30
申请号：CN202410350010.1
申请日：2024-03-26
申请人： 中国人民解放军国防科技大学
IPC分类号： G06F30/27
摘要： 本发明涉及异构数据融合的固体发动机先验模型构建方法及应用，方法包括：将多个源域已有的异构发动机数据设计变量和关于任务需求的元参数进行分组；建立以所述元参数和所述异构发动机数据设计变量中设计变量参数为输入的响应模型，并基于响应模型计算出高维模型表征的展开点的响应；选取元参数组和多个设计变量组中的任一个作为目标变量组，并为每一个目标变量组构建高维模型表征中的一阶模型；为每两个目标变量组构建高维模型表征中的二阶模型，以用于表征两个目标变量组之间的关系；基于响应模型输出的响应、一阶模型和二阶模型获得针对元参数和异构发动机数据设计变量中所有参数的预测模型。
-
公开(公告)号：CN117933104A
公开(公告)日：2024-04-26
申请号：CN202410342408.0
申请日：2024-03-25
申请人： 中国人民解放军国防科技大学
摘要： 本申请涉及一种固体姿轨控发动机燃气调节阀压强修正方法，首先获取训练数据集与测试数据集，训练数据集包括仿真数据、第一实验数据以及增强数据，测试数据集包括第二实验数据；其中，通过对第一实验数据依次进行归一化处理、降采样处理以及输入CWGAN‑GP‑T模型进行训练，生成增强数据；然后通过训练数据集对构建的压强预测预训练模型进行训练，得到训练好的压强预测模型；通过训练好的压强预测模型对监测点的压强数据进行预测，得到预测结果；最后根据预测结果对固体火箭发动机燃气调节阀进行高精度的压强修正，从而提升固体火箭发动机燃气调节阀仿真建模的效率和准确性。
-
公开(公告)号：CN117892807A
公开(公告)日：2024-04-16
申请号：CN202410041466.X
申请日：2024-01-11
申请人： 中国人民解放军国防科技大学
IPC分类号： G06N5/02 , G06F40/289 , G06N3/0455 , G06N3/0499
摘要： 本发明提供了基于预训练语言模型提示微调的开放知识图谱补全方法，其充分利用预训练语言模型中的开放知识来协助知识图谱补全，方法包括提取所有关系并构造关系特定模板，根据关系特定模板将三元组数据转换成自然语言句子，采用分词器处理成token序列并采用token[MASK]来替换尾实体；获得缺失尾实体的三元组的头实体h的邻居三元组集合，将邻居三元组中的尾实体替换成token[MASK]，输入编码器获得头实体h的邻居嵌入向量；设置软token[con]作为软连接符，以形成整体的软提示，基于Bert模型和MLP网络构建尾实体预测模型，将构建的整体的软提示输入最优的尾实体预测模型，输出尾实体以补全知识图谱。
-
公开(公告)号：CN115858899A
公开(公告)日：2023-03-28
申请号：CN202211605375.1
申请日：2022-12-14
申请人： 中国人民解放军国防科技大学
IPC分类号： G06F16/951 , G06F16/9535 , G06F16/9538 , G06F16/9536 , G06N3/049 , G06N3/08
摘要： 本发明提供一种基于多标签影响的网络事件标签流行度预测方法，采集事件相关的事件标签传播数据与相关用户数据；构造标签传播关系网络，获取节点关系和节点属性，建立包含：特征聚合组件，包括静态语义特征聚合和动态群体传播特征聚合过程；局部聚合组件，由图胶囊网络组成，学习标签局部聚集的特征表示；动态时序表示组件，学习标签传播演化的时序过程；三个组件模拟标签之间传播影响过程的传播流行度预测模型，训练模型；将需要预测的事件标签和标签相关的传播影响网络数据输入训练好的模型，输出关注的社交网络事件标签在未来可能产生的流行度指标。本发明可以预测关注的社交网络事件标签未来在社交媒体的流行程度。
-
-
-
-
-
-
-
-
-
搜索结果
24 条记录 (耗时 0.079 秒)
