-
公开(公告)号：CN112100617B
公开(公告)日：2023-11-24
申请号：CN202010970567.7
申请日：2020-09-15
申请人： 全球能源互联网研究院有限公司 , 南京大学 , 国网福建省电力有限公司电力科学研究院 , 国家电网有限公司
IPC分类号： G06F21/55
摘要： 本申请提供一种异常SQL检测方法及装置，该方法包括：获取待检测SQL语句；对待检测SQL语句进行特征提取，确定待检测SQL语句对应的第一特征向量；基于预设的哈希函数，确定第一特征向量对应的哈希编码；根据哈希编码，确定待检测SQL语句在预设的哈希库中所对应的多个近邻语句；分别计算第一特征向量与各近邻语句所对应的第二特征向量之间的距离；根据距离的升序排序结果，确定预设数量的目标语句；根据各目标语句的预设语句标签，确定待检测SQL语句的检测结果。通过确定待检测SQL语句的邻近语句，根据待检测SQL语句与各邻近语句之间的距离，进一步确定目标语句，在保证了检测精度的同时，提高了检测效率。(56)对比文件李应博;张斌.基于改进TFIDF算法的SQL注入攻击检测方法.信息工程大学学报.2020,(第01期),全文.张楚涵;张家侨;冯剑琳.AKNN-Qalsh:PostgreSQL系统高维空间近似最近邻检索插件.中山大学学报(自然科学版).2019,(第03期),全文.
-
公开(公告)号：CN112100617A
公开(公告)日：2020-12-18
申请号：CN202010970567.7
申请日：2020-09-15
申请人： 全球能源互联网研究院有限公司 , 南京大学 , 国网福建省电力有限公司电力科学研究院 , 国家电网有限公司
IPC分类号： G06F21/55
摘要： 本申请提供一种异常SQL检测方法及装置，该方法包括：获取待检测SQL语句；对待检测SQL语句进行特征提取，确定待检测SQL语句对应的第一特征向量；基于预设的哈希函数，确定第一特征向量对应的哈希编码；根据哈希编码，确定待检测SQL语句在预设的哈希库中所对应的多个近邻语句；分别计算第一特征向量与各近邻语句所对应的第二特征向量之间的距离；根据距离的升序排序结果，确定预设数量的目标语句；根据各目标语句的预设语句标签，确定待检测SQL语句的检测结果。通过确定待检测SQL语句的邻近语句，根据待检测SQL语句与各邻近语句之间的距离，进一步确定目标语句，在保证了检测精度的同时，提高了检测效率。
-
公开(公告)号：CN109919084B
公开(公告)日：2023-04-25
申请号：CN201910166071.1
申请日：2019-03-06
申请人： 南京大学
IPC分类号： G06V40/10 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/084
摘要： 本发明公开了一种基于深度多索引哈希的行人重识别方法，达到了非重叠视角域多摄像头网络场景下行人检索存储空间低且检索高效的效果。该方法首先从原始视频数据中构造行人图片训练集，再结合深度学习构造端到端的有互反馈的多粒度特征学习网络，基于训练集对网络模型进行训练，得到哈希函数和训练集对应的哈希编码，并基于哈希编码构建索引。对于摄像头新收集的数据，使用哈希函数计算对应的哈希编码，并实时增加到索引中。在线检索时，对于给定的目标行人图片，首先使用多粒度网络模型进行特征的提取，使用哈希函数计算目标行人图片的哈希编码，然后基于哈希编码在索引中进行近邻检索，最后基于实值特征在近邻范围内进行重排序，得到检索结果。
-
公开(公告)号：CN110309343B
公开(公告)日：2023-08-08
申请号：CN201910574215.7
申请日：2019-06-28
申请人： 南京大学
IPC分类号： G06F16/61 , G06F16/63 , G06F16/65 , G06F16/683
摘要： 本发明公开了一种基于深度哈希的声纹检索方法，达到了声纹检索任务中存储空间低且检索高效的效果。该方法包括训练深度声纹哈希模型的步骤，构建哈希编码数据库的步骤，对查询语音在数据库中检索的步骤：首先构建端到端的深度神经网络结构，利用已标注过说话人身份的语音数据，训练深度神经网络模型，得到深度声纹哈希函数。之后通过深度声纹哈希函数计算训练集对应的哈希编码，构建数据库；对于新录入的语音数据，使用深度声纹哈希函数计算对应的哈希编码，实时增加到数据库。在检索过程中，对于给定的语音，使用深度声纹哈希函数计算对应的哈希编码，最后在数据库中基于索引或海明距离排序得到检索结果。
-
公开(公告)号：CN109919084A
公开(公告)日：2019-06-21
申请号：CN201910166071.1
申请日：2019-03-06
申请人： 南京大学
摘要： 本发明公开了一种基于深度多索引哈希的行人重识别方法，达到了非重叠视角域多摄像头网络场景下行人检索存储空间低且检索高效的效果。该方法首先从原始视频数据中构造行人图片训练集，再结合深度学习构造端到端的有互反馈的多粒度特征学习网络，基于训练集对网络模型进行训练，得到哈希函数和训练集对应的哈希编码，并基于哈希编码构建索引。对于摄像头新收集的数据，使用哈希函数计算对应的哈希编码，并实时增加到索引中。在线检索时，对于给定的目标行人图片，首先使用多粒度网络模型进行特征的提取，使用哈希函数计算目标行人图片的哈希编码，然后基于哈希编码在索引中进行近邻检索，最后基于实值特征在近邻范围内进行重排序，得到检索结果。
-
公开(公告)号：CN110309343A
公开(公告)日：2019-10-08
申请号：CN201910574215.7
申请日：2019-06-28
申请人： 南京大学
IPC分类号： G06F16/61 , G06F16/63 , G06F16/65 , G06F16/683
摘要： 本发明公开了一种基于深度哈希的声纹检索方法，达到了声纹检索任务中存储空间低且检索高效的效果。该方法包括训练深度声纹哈希模型的步骤，构建哈希编码数据库的步骤，对查询语音在数据库中检索的步骤：首先构建端到端的深度神经网络结构，利用已标注过说话人身份的语音数据，训练深度神经网络模型，得到深度声纹哈希函数。之后通过深度声纹哈希函数计算训练集对应的哈希编码，构建数据库；对于新录入的语音数据，使用深度声纹哈希函数计算对应的哈希编码，实时增加到数据库。在检索过程中，对于给定的语音，使用深度声纹哈希函数计算对应的哈希编码，最后在数据库中基于索引或海明距离排序得到检索结果。
-
-
-
-
-
搜索结果
6 条记录 (耗时 0.064 秒)
