-
公开(公告)号：CN114880201B
公开(公告)日：2024-05-24
申请号：CN202210560470.8
申请日：2022-05-23
申请人： 北京航空航天大学 , 上海工业控制安全创新科技有限公司
IPC分类号： G06F11/34 , G06F18/214 , G06F18/2415 , G06F18/2431 , G06F18/20 , H04L41/142
摘要： 本发明涉及一种对智能信息设备异常行为实时监测的方法及系统，根据设备的开源代码构造设备状态相关图，利用智能家居系统的初始化流量数据训练特定的相关图，根据标注好的设备状态相关图对传感器进行故障检测，获得故障传感器。根据所述设备状态相关图获得边的权重，根据边的权重选取权重最大的链路路径输入随机森林算法中进行异常执行器的检测，获得异常执行器。本发明仅利用开源的代码和设备的设备功能描述符去构建设备状态的相关图，并利用智能家居系统的初始化流量数据去训练特定的相关图。该方法实现了无需安装其他应用程序和不影响智能家居系统功能和效率的前提下实时监控设备的异常行为，保证了用户的安全。
-
公开(公告)号：CN114818974B
公开(公告)日：2024-09-13
申请号：CN202210561347.8
申请日：2022-05-23
申请人： 北京航空航天大学 , 上海工业控制安全创新科技有限公司
摘要： 本发明涉及智能家居的隐私保护技术领域，具体涉及一种对智能信息系统下用户活动监测的推断攻击方法及系统。所述方法包括：获取目标时刻所有物联网设备的加密流量数据；根据所述目标时刻所有物联网设备的加密数据流量得到所述目标时刻的设备事件序列；将所有所述物联网设备的加密流量数据输入训练好的LT‑BERT模型得到流量特征序列；将所述流量特征序列和所述目标时刻的设备事件序列输入训练好的DFA分类器得到所述目标时刻的用户活动；根据所述目标时刻的用户活动对所述智能信息系统是否安全进行评测。采用此方法对智能信息系统的安全进行评测，提高了评测结果的准确度，有利于用户隐私信息的保护。
-
公开(公告)号：CN114880201A
公开(公告)日：2022-08-09
申请号：CN202210560470.8
申请日：2022-05-23
申请人： 北京航空航天大学 , 上海工业控制安全创新科技有限公司
IPC分类号： G06F11/34 , G06K9/62 , H04L41/142
摘要： 本发明涉及一种对智能信息设备异常行为实时监测的方法及系统，根据设备的开源代码构造设备状态相关图，利用智能家居系统的初始化流量数据训练特定的相关图，根据标注好的设备状态相关图对传感器进行故障检测，获得故障传感器。根据所述设备状态相关图获得边的权重，根据边的权重选取权重最大的链路路径输入随机森林算法中进行异常执行器的检测，获得异常执行器。本发明仅利用开源的代码和设备的设备功能描述符去构建设备状态的相关图，并利用智能家居系统的初始化流量数据去训练特定的相关图。该方法实现了无需安装其他应用程序和不影响智能家居系统功能和效率的前提下实时监控设备的异常行为，保证了用户的安全。
-
公开(公告)号：CN114818974A
公开(公告)日：2022-07-29
申请号：CN202210561347.8
申请日：2022-05-23
申请人： 北京航空航天大学 , 上海工业控制安全创新科技有限公司
摘要： 本发明涉及智能家居的隐私保护技术领域，具体涉及一种对智能信息系统下用户活动监测的推断攻击方法及系统。所述方法包括：获取目标时刻所有物联网设备的加密流量数据；根据所述目标时刻所有物联网设备的加密数据流量得到所述目标时刻的设备事件序列；将所有所述物联网设备的加密流量数据输入训练好的LT‑BERT模型得到流量特征序列；将所述流量特征序列和所述目标时刻的设备事件序列输入训练好的DFA分类器得到所述目标时刻的用户活动；根据所述目标时刻的用户活动对所述智能信息系统是否安全进行评测。采用此方法对智能信息系统的安全进行评测，提高了评测结果的准确度，有利于用户隐私信息的保护。
-
公开(公告)号：CN118363744A
公开(公告)日：2024-07-19
申请号：CN202410310649.7
申请日：2024-03-19
申请人： 德清阿尔法创新研究院 , 北京航空航天大学
摘要： 一种基于数据分布与特定任务相关度的客户端选择方法，包括：步骤1，参数服务器初始化全局模型；步骤2，参数服务器根据概率选择参与本地模型训练的客户端集合ST；步骤3，ST中的每个客户端从参数服务器下载当前时刻最新的全局模型wT‑1；步骤4，参数服务器使用收集到的一个根数据集训练根模型#imgabs0#步骤5，参数服务器计算当前迭代轮的数据分布差异阈值δT和客户端过滤阈值ΔT；步骤6，参数服务器同时考虑客户端数据分布与训练数据量确定客户端本地模型参与全局模型聚合时的聚合权重；步骤7，参数服务器根据对客户端数据分布情况的判断更新客户端在下一轮迭代过程中被选择参与本地模型训练的概率。
-
公开(公告)号：CN116320541A
公开(公告)日：2023-06-23
申请号：CN202310237718.1
申请日：2023-03-14
申请人： 北京航空航天大学
IPC分类号： H04N21/2347 , H04N21/234 , H04N7/18
摘要： 本发明公开一种安防监控视频隐私保护的方法、系统及电子设备，涉及视频的隐私保护领域，该方法包括：构建安防监控视频的视频有向图；获取用户的隐私需求；根据隐私需求，应用最小集合方法，确定视频有向图的隐私需求核心要素；当安防监控为离线状态时，根据隐私保护时间对安防监控视频中的隐私需求核心要素子集进行不可见处理，得到隐私保护后的安防监控视频；当安防监控为在线状态时，应用马尔可夫模型预测安防监控视频中需要进行隐私保护的视频隐私事件，并对视频隐私事件中的隐私需求核心要素子集进行不可见处理，得到隐私保护后的安防监控视频。本发明能够在满足用户的安全和隐私需求的基础上，提高视频监控系统的可用性。
-
公开(公告)号：CN118334626A
公开(公告)日：2024-07-12
申请号：CN202410586811.8
申请日：2024-05-13
申请人： 德清阿尔法创新研究院 , 北京航空航天大学
IPC分类号： G06V20/58 , G06V10/82 , G06V10/80 , G06N3/0442 , G06N3/08 , G06N3/0499
摘要： 本发明涉及一种融合道路全面交通要素的多智能体交互轨迹预测方法，包括：步骤S1.选取包含红绿灯信息的十字路口交通轨迹数据集；步骤S2.对所述包含红绿灯信息的十字路口交通轨迹数据集进行划分；步骤S3.构建基于异构图神经网络的融合全道路交通要素的多智能体交互轨迹预测图神经网络模型；步骤S4.使用训练数据集和验证数据集训练异构图神经网络的融合全道路交通要素的多智能体交互轨迹预测图神经网络模型；步骤S5.使用训练好的基于异构图神经网络的融合全道路交通要素的多智能体交互轨迹预测图神经网络模型在测试数据集进行轨迹预测。
-
公开(公告)号：CN113746575A
公开(公告)日：2021-12-03
申请号：CN202111030933.1
申请日：2021-09-03
申请人： 北京航空航天大学
IPC分类号： H04B17/309 , H04B17/391 , H04B17/40 , G06N3/08
摘要： 本发明公开了一种同步静止轨道卫星的信道衰落确定方法及系统，用于确定Q波段同步静止轨道卫星的信道衰落。该方法包括：获取当前时刻的天气数据；当前时刻的天气数据包括温度、降雨率、相对湿度、降雨量厚度、可见度、平均粒径速度和风速；将当前时刻的天气数据输入训练好的神经网络模型，得到目标时刻的同步静止轨道卫星的信道衰落；目标时刻为当前时刻之后的第N个时刻；训练好的神经网络模型是采用已知天气数据以及与已知天气数据的时刻对应的已知同步静止轨道卫星的信道衰落进行训练得到的神经网络模型。本发明的方法及系统，能够使用通信外部数据高效、低成本地预测到Q波段卫星通信信道数据。
-
公开(公告)号：CN113746533A
公开(公告)日：2021-12-03
申请号：CN202111062500.4
申请日：2021-09-10
申请人： 北京航空航天大学
IPC分类号： H04B7/185 , H04B17/391
摘要： 本发明涉及一种无人机通信信道冲激响应确定方法及系统。该方法包括确定散射簇在初始时间的初始个数；利用K均值聚类算法对散射簇进行分类；根据同一个散射簇组中不同的散射簇之间的相关系数确定无人机端和地面接收站相应的散射簇的空间演进幸存概率；根据空间演进幸存概率确定相应散射簇的可见发射端天线集合和可见接收端天线集合；进而确定第l根发射天线到第k根接收天线的子信道的非直射路径和直射路径的信道冲激响应；进而确定子信道的总信道冲激响应；根据散射簇的时间演进幸存概率更新散射簇的个数，继续确定子信道的总信道冲激响应。本发明能够准确捕捉无人机场景的空间域、时间域和频率域的三重非平稳特性，适用于各种无人机通信场景。
-
公开(公告)号：CN118586459A
公开(公告)日：2024-09-03
申请号：CN202410637244.4
申请日：2024-05-22
IPC分类号： G06N3/0495 , G06N3/082 , G06F17/16 , G06F17/11
摘要： 本发明公开了一种基于任务匹配相似度的预训练模型的压缩方法，包括以下步骤：S1，对模型进行预训练，得到一个经过大量数据训练的预训练神经网络模型；S2，聚合上游任务与下游任务的知识，对上游任务的通用任务知识和下游任务的特定任务知识的特征进行提取；S3，引入可学习的剪枝策略，通过学习提取的特征之间的相关性信息计算统计，保留相关性大于规定阈值的特征所对应的权重值，移除其余权重；S4，得到稀疏的权重矩阵后，对预训练神经网络模型再次训练，恢复模型精度。本发明有效地保留对模型目前任务贡献高的权重信息，使得模型在大幅度减少参数的基础上，能保留较好的性能，可以自适应的根据个性化任务的特定性寻找预训练模型的最优压缩策略。
-
-
-
-
-
-
-
-
-
搜索结果
14 条记录 (耗时 0.054 秒)
