-
公开(公告)号：CN120086847A
公开(公告)日：2025-06-03
申请号：CN202510232734.0
申请日：2025-02-28
Applicant: 南京邮电大学
IPC: G06F21/56
Abstract: 本发明公开了一种基于eBPF与内存检测的堆喷射攻击防御方法及系统，属于系统安全技术领域；方法为：对编译有eBPF程序的操作系统空间内存分配进行检测；基于正常行为建立异常分配检测模型；利用异常分配检测模型判断内存分配请求是否正常；持续监控异常内存分配请求后续的系统调用情况，判断是否执行恶意行为所需的调用链条；建立服务保障措施，保证操作系统正常稳定运行。本发明通过在操作系统系统上附加非侵入性的eBPF程序，利用eBPF内核动态编程的特性，避免对内核代码和用户程序代码的修改，使得实施更加灵活；针对不同版本的操作系统内核均有效，对固件实现非侵入式的防御附加，不需要对内核进行重编译，提供系统调用参数的监控和数据获取能力。
-
公开(公告)号：CN119996033A
公开(公告)日：2025-05-13
申请号：CN202510251167.3
申请日：2025-03-04
Applicant: 国网江苏省电力有限公司泰州供电分公司 , 国网江苏省电力有限公司淮安供电分公司 , 南京邮电大学 , 国网江苏省电力有限公司
Abstract: 本发明公开了一种基于负载均衡的拟态防御调度方法及装置，方法包括：交换机接收流量探针；检测执行体集群中的异构执行体是否受到攻击；将受到攻击的异构执行体调度下线，并将当前的执行体集群与执行体待选池中相应的候选异构执行体组成待定执行体集；根据候选异构执行体的历史任务进行多模裁决，根据裁决结果计算候选异构执行体的历史置信度；基于待定执行体集计算候选异构执行体的差异度；根据候选异构执行体的历史置信度和差异度确定调度优先级；根据调度优先级和所述流量探针确定调度方案；该方法能够实现执行体调度的负载均衡。
-
公开(公告)号：CN119808001A
公开(公告)日：2025-04-11
申请号：CN202411893521.4
申请日：2024-12-20
Applicant: 江苏鱼跃凯立特生物科技有限公司 , 南京邮电大学 , 江苏跃凯生物技术有限公司 , 浙江凯立特医疗器械有限公司 , 江苏鱼跃医疗设备股份有限公司
Abstract: 本申请公开了一种基于多变量时间序列的用户生理参数预测方法及设备，用于解决现有的时间卷积网络未关注同时步内不同信号间的相互作用和物理关联性的问题。方法包括：将距离当前时刻设定时长内的用户生理参数对应的多变量时间序列转置至变量维度，并映射输出每个变量的序列特征信息；通过编码器模块确定每个序列特征信息之间的全局特征和局部特征对应的最终融合结果；根据最终融合结果确定用户生理参数预测结果。本申请能够独立处理每个变量的时间序列，捕获全局依赖关系和短时间内的细微变化，实现了变量间全局和局部特征的自动提取与融合。
-
公开(公告)号：CN119557440A
公开(公告)日：2025-03-04
申请号：CN202411609087.2
申请日：2024-11-12
Applicant: 国网江苏省电力有限公司泰州供电分公司 , 国网江苏省电力有限公司淮安供电分公司 , 南京邮电大学 , 国网江苏省电力有限公司
IPC: G06F16/35 , G06F18/214 , G06F18/2431 , G06F18/21 , G06N3/0464 , G06N3/0442
Abstract: 本发明公开了一种基于神经网络的多标签文本分类方法及装置，包括：采集多标签文本数据形成训练样本；对所述训练样本进行词嵌入和标签嵌入，分别获得词向量和标签向量；建立初始的CNN‑BiLSTM‑ATTENTION神经网络模型，CNN‑BiLSTM‑ATTENTION神经网络模型包括CNN层、BiLSTM层以及ATTENTION层；对CNN‑BiLSTM‑ATTENTION神经网络模型进行训练直到所述CNN‑BiLSTM‑ATTENTION神经网络模型收敛；接收待分类的文本数据并输入至收敛后的CNN‑BiLSTM‑ATTENTION神经网络模型，输出分类结果；该方法适用于多维标签向量分类的场景。
-
公开(公告)号：CN118942719A
公开(公告)日：2024-11-12
申请号：CN202410921813.8
申请日：2024-07-10
Applicant: 南京邮电大学 , 江苏跃凯生物技术有限公司
IPC: G16H50/70 , G16H50/30 , G06F18/25 , G06F18/15 , G06F18/2433 , G06F18/22 , G06N3/0442 , G06N3/045 , G06N3/0455 , G06N3/048
Abstract: 一种基于LSTM编码器‑解码器架构的血糖预测方法，包括，对获取到的糖尿病患者的血糖数据进行平滑、降噪以及滑窗等处理；构建基于LSTM编码器‑解码器架构的血糖预测模型，其中编码器负责将输入序列转换为隐藏状态向量，解码器利用隐藏状态向量进行预测输出；为增强神经元记忆并减少误差传播的积累，在编码器‑解码器结构中，引入了一种基于学习相似模式的注意力机制，并构建基于DTW的链地址搜索算法寻找相似窗口序列；结合注意力特征和隐藏状态向量，共同输入到解码器中，通过投影层将解码器的输出映射到符合输出维度大小的向量，从而获得更为准确的血糖预测结果。本方法具有强大的学习能力，且经实验认证能够有效提高血糖浓度预测精度。
-
Patent Agency Ranking
公开(公告)号：CN118885583A
公开(公告)日：2024-11-01
申请号：CN202410885414.0
申请日：2024-07-03
Applicant: 南京邮电大学
IPC: G06F16/332 , G06V10/24 , G06V10/75 , G06N3/0455
Abstract: 一种基于图像和文本离散化表示与字典对齐的视觉问答方法，首先，在预训练阶段，利用双流编码器分别对输入的图像和文本进行特征提取，然后在词汇空间中创建标记级语言建模对。接着，通过最大池化操作和归一化操作，推导出字典重要性分布，进而生成连续词袋密集瓶颈，并利用弱化的掩码文本编码器从中重建掩码文本。其次，通过大规模负样本量的稀疏词汇空间中，对图像和文本重要性得分进行对齐，从而提高图文特征匹配的性能。本方法能够高效地实现图文对齐任务，减小不同模态间的语义鸿沟，提高多模态特征融合的精度和效率。
-
公开(公告)号：CN118869500A
公开(公告)日：2024-10-29
申请号：CN202410855902.7
申请日：2024-06-28
Applicant: 南京邮电大学
Abstract: 本发明属于恶劣信道通信网络传输领域，公开了一种基于马尔可夫过程的通信决策模型的构建方法，包括：获取通信终端的实时通信网络环境；基于马尔可夫决策过程构建数据传输模型，将获取到的实时通信网络环境作为状态集，将对应可以执行的数据传输方式作为动作集，结合实时网络环境检测模块构建数据传输方式的决策模型。本发明相较于传统改善网络环境的方法，在网络检测的实时性，以及在恶劣信道实现信息完整或涵盖全部重要信息内容方面取得新的突破，实现了在通信网络质量较差的情况下，正确选择数据传输方式，以保证在通信过程中，通信内容的传输质量的稳定以及避免了信道的浪费。
-
公开(公告)号：CN115348063B
公开(公告)日：2024-08-16
申请号：CN202210882066.2
申请日：2022-07-25
Applicant: 国网江苏省电力有限公司淮安供电分公司 , 南京邮电大学 , 南京鼎研电力科技有限公司
IPC: H04L9/40 , G06F18/23213 , G06F18/24 , G06N3/045 , G06N3/088
Abstract: 本发明涉及网络安全人工智能技术领域，公开了一种基于DNN及K‑means的电力系统网络流量识别方法，对原始数据进行筛选，选出可为分类提供较多信息的数据项组成数据样本；对样本数据进行整合操作和归一化操作进行预处理；迭代训练DNN网络模型，使用预处理的训练集训练DNN网络模型，用于电力系统网络流量的初步分类，得到分类置信度和正负例结果；对DNN网络模型处理后的判定为疑似服务器的样本再使用K‑means算法进行分类。与现有技术相比，本发明在电力网络数据的分类应用中具有较高的准确率，可以满足现实环境下电力系统网络流量分类的需求。
-
公开(公告)号：CN118035784A
公开(公告)日：2024-05-14
申请号：CN202410109129.X
申请日：2024-01-25
Applicant: 江苏鱼跃凯立特生物科技有限公司 , 南京邮电大学 , 江苏跃凯生物技术有限公司 , 浙江凯立特医疗器械有限公司
IPC: G06F18/24 , G06F18/213 , G16H40/60 , G16H50/70 , G16H10/20 , G06N3/0464 , G06N3/0442 , G06N3/048 , G06N3/047 , G06N3/08
Abstract: 本申请公开了一种基于血糖监测的异常事件识别方法、设备及介质，方法包括：采集数据集，将数据集转化为序列化数据，并将序列化数据划分为多个子序列；将多个子序列输入至卷积神经网络模型，对卷积神经网络模型进行扩张因果卷积处理，通过扩张因果卷积处理后的卷积神经网络模型确定时序特征，并将时序特征进行残差连接，以对卷积神经网络模型进行加速；通过加速后的卷积神经网络模型确定传感器的报错类别，并根据时序特征和报错类别进行GRU建模，以得到时序关系，并根据时序关系确定血糖值。本申请使用卷积神经网络处理，动态关注数据中的重要时间点，处理长期依赖性，从而更好地捕捉血糖值的时序关系。
-
公开(公告)号：CN118013534A
公开(公告)日：2024-05-10
申请号：CN202410276087.9
申请日：2024-03-12
Applicant: 南京邮电大学
IPC: G06F21/57 , G06F18/10 , G06F18/213 , G06F18/214 , G06N3/042 , G06N3/0442 , G06N3/08
Abstract: 本发明公开了一种基于Bert的混合特征漏洞挖掘方法，属于网络安全技术领域；方法为：收集数据集，并对数据集进行预处理；提取代码属性图水平CPG的特征，得到CPG水平特征向量n1；提取源代码水平的特征，得到源代码水平特征向量n2；提取Token水平的特征，得到Token水平特征向量n3；将得到的数据进行加权拼接，得到混合特征向量N；构建Bert分类模型并进行训练，得到训练后Bert分类模型，采用测试数据集行测试。本发明通过加权的方式将代码属性图、程序源代码和Token三个维度的特征进行结合，保存了漏洞图的特征、漏洞源代码特征和漏洞Token特征，避免提取特征时信息丢失问题，有效解决漏洞挖掘误报率和漏报率较高的问题，提高漏洞检测的效果。
-
-
-
-
-
-
-
-
-
Search Results
135
records
(took 0.025 seconds)
