-
公开(公告)号：CN112950078B
公开(公告)日：2022-02-11
申请号：CN202110356095.0
申请日：2021-04-01
Applicant: 山东省计算中心(国家超级计算济南中心) , 山东大学
Abstract: 本发明提供了一种审判风险应急处置方案生成方法及系统。其中，该方法包括获取法院人员及资源信息，构建审判风险处置责任图谱；接收和解析审判风险告警信息，得到审判风险特征并从风险知识库中查询风险所有的可能状态，构建风险状态转移图；更新审判风险处置责任图谱，计算当前人员及资源状态下风险状态转移图中所有状态转移的最优实现策略，以最优实现策略的处置代价作为风险状态转移图中对应边的权重；基于风险状态转移图中对应边的权重，以收到告警时的审判风险状态为初始状态，计算风险状态转移图中从初始状态到风险化解状态的最短路径，进而生成风险处置的最优方案；其中，最优方案由实现最短路径上所有状态转移所需的最优处置策略构成。
-
公开(公告)号：CN112950078A
公开(公告)日：2021-06-11
申请号：CN202110356095.0
申请日：2021-04-01
Applicant: 山东省计算中心(国家超级计算济南中心) , 山东大学
Abstract: 本发明提供了一种审判风险应急处置方案生成方法及系统。其中，该方法包括获取法院人员及资源信息，构建审判风险处置责任图谱；接收和解析审判风险告警信息，得到审判风险特征并从风险知识库中查询风险所有的可能状态，构建风险状态转移图；更新审判风险处置责任图谱，计算当前人员及资源状态下风险状态转移图中所有状态转移的最优实现策略，以最优实现策略的处置代价作为风险状态转移图中对应边的权重；基于风险状态转移图中对应边的权重，以收到告警时的审判风险状态为初始状态，计算风险状态转移图中从初始状态到风险化解状态的最短路径，进而生成风险处置的最优方案；其中，最优方案由实现最短路径上所有状态转移所需的最优处置策略构成。
-
公开(公告)号：CN113779581A
公开(公告)日：2021-12-10
申请号：CN202111077784.4
申请日：2021-09-15
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明涉及一种轻量化高精度恶意软件识别模型的鲁棒检测方法及系统，包括：步骤1：获取应用软件的字节文件数据集，可视化为灰度图；步骤2：训练生成对抗网络，生成各类别恶意对抗样本灰度图，加入到恶意数据集；步骤3：将卷积自动编码器的编码器迁移为小规模学生模型；步骤4：采用知识蒸馏，将大规模教师模型的知识汲取到学生模型中；步骤5：采用最终得到的学生模型进行所属类别预测，即检测结果。本发明仅对字节文件进行处理，进而采用端到端的深度卷积模型自动进行高阶特征的提取及潜在模式的判别，不仅克服了分类算法高度依赖于繁琐的特征工程所提取的特征空间完整性的问题，亦可满足了恶意检测的实时性要求。
-
公开(公告)号：CN115879109B
公开(公告)日：2023-05-12
申请号：CN202310063452.3
申请日：2023-02-06
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G06F21/56 , G06V10/82 , G06V10/764 , G06V10/774 , G06V10/778 , G06N3/0455 , G06N3/047 , G06N3/048 , G06N3/09 , G06N3/091 , G06N3/096
Abstract: 一种基于视觉Transformer的恶意软件识别方法，属于软件安全防护技术领域，将良性/恶意软件的可执行文件可视化为RGB图像，构建恶意软件图像数据集；采用ImageNet‑21K图像数据集对视觉Transformer进行预训练，并采用恶意软件图像数据集进行微调；构建轻量级视觉Transformer用于在轻量级设备上的实际部署；基于知识蒸馏将训练完备的视觉Transformer的知识迁移到轻量级视觉Transformer中以缩小两模型之间的性能差距；使用轻量级视觉Transformer进行恶意软件的检测与家族分类。保证了模型的检测效率及较低的硬件资源占用以及模型的检测和家族分类精度。
-
公开(公告)号：CN113779581B
公开(公告)日：2022-08-26
申请号：CN202111077784.4
申请日：2021-09-15
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明涉及一种轻量化高精度恶意软件识别模型的鲁棒检测方法及系统，包括：步骤1：获取应用软件的字节文件数据集，可视化为灰度图；步骤2：训练生成对抗网络，生成各类别恶意对抗样本灰度图，加入到恶意数据集；步骤3：将卷积自动编码器的编码器迁移为小规模学生模型；步骤4：采用知识蒸馏，将大规模教师模型的知识汲取到学生模型中；步骤5：采用最终得到的学生模型进行所属类别预测，即检测结果。本发明仅对字节文件进行处理，进而采用端到端的深度卷积模型自动进行高阶特征的提取及潜在模式的判别，不仅克服了分类算法高度依赖于繁琐的特征工程所提取的特征空间完整性的问题，亦可满足了恶意检测的实时性要求。
-
Patent Agency Ranking
公开(公告)号：CN115879109A
公开(公告)日：2023-03-31
申请号：CN202310063452.3
申请日：2023-02-06
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G06F21/56 , G06V10/82 , G06V10/764 , G06V10/774 , G06V10/778 , G06N3/0455 , G06N3/047 , G06N3/048 , G06N3/09 , G06N3/091 , G06N3/096
Abstract: 一种基于视觉Transformer的恶意软件识别方法，属于软件安全防护技术领域，将良性/恶意软件的可执行文件可视化为RGB图像，构建恶意软件图像数据集；采用ImageNet‑21K图像数据集对视觉Transformer进行预训练，并采用恶意软件图像数据集进行微调；构建轻量级视觉Transformer用于在轻量级设备上的实际部署；基于知识蒸馏将训练完备的视觉Transformer的知识迁移到轻量级视觉Transformer中以缩小两模型之间的性能差距；使用轻量级视觉Transformer进行恶意软件的检测与家族分类。保证了模型的检测效率及较低的硬件资源占用以及模型的检测和家族分类精度。
-
公开(公告)号：CN113256438B
公开(公告)日：2022-12-23
申请号：CN202110583491.7
申请日：2021-05-27
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明属于智能识别领域，提供了一种网络用户的角色识别方法及系统。其中，该方法包括获取用户行为数据，构建当前用户所属的用户关系图；从用户行为数据中提取当前用户的行为特征；将当前用户的行为特征进行向量表示，得到当前用户行为特征向量表示；基于用户关系图和用户行为特征向量表示，构建当前用户的特征向量表示；将当前用户的特征向量表示输入分类器中，得到当前用户在每个类别上的概率分布，预测出当前用户的角色类别。其以端到端的方式进行，无需人工设计特征，因而具有更好的建模效率和更广的适用性。
-
公开(公告)号：CN115277249B
公开(公告)日：2022-12-20
申请号：CN202211154561.8
申请日：2022-09-22
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: H04L9/40 , H04L41/044 , H04L41/046 , H04L41/12 , H04L41/14 , H04L43/08 , H04L43/0852
Abstract: 一种多层异构网络协同的网络安全态势感知方法，涉及网络安全态势感知技术领域，将网络安全态势感知任务分解并分散到异构网络各层级设备上执行，即轻量、实时性要求高的任务在边、端执行，复杂任务在云上执行，任务间通过传递参数交互和协同，最终生成全局态势感知结果。本发明提供的方式充分利用了多层异构网络各层级设备的计算资源、降低了带宽占用、提升了实时性，细化了分析粒度。
-
公开(公告)号：CN115277249A
公开(公告)日：2022-11-01
申请号：CN202211154561.8
申请日：2022-09-22
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: H04L9/40 , H04L41/044 , H04L41/046 , H04L41/12 , H04L41/14 , H04L43/08 , H04L43/0852
Abstract: 一种多层异构网络协同的网络安全态势感知方法，涉及网络安全态势感知技术领域，将网络安全态势感知任务分解并分散到异构网络各层级设备上执行，即轻量、实时性要求高的任务在边、端执行，复杂任务在云上执行，任务间通过传递参数交互和协同，最终生成全局态势感知结果。本发明提供的方式充分利用了多层异构网络各层级设备的计算资源、降低了带宽占用、提升了实时性，细化了分析粒度。
-
公开(公告)号：CN113256438A
公开(公告)日：2021-08-13
申请号：CN202110583491.7
申请日：2021-05-27
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明属于智能识别领域，提供了一种网络用户的角色识别方法及系统。其中，该方法包括获取用户行为数据，构建当前用户所属的用户关系图；从用户行为数据中提取当前用户的行为特征；将当前用户的行为特征进行向量表示，得到当前用户行为特征向量表示；基于用户关系图和用户行为特征向量表示，构建当前用户的特征向量表示；将当前用户的特征向量表示输入分类器中，得到当前用户在每个类别上的概率分布，预测出当前用户的角色类别。其以端到端的方式进行，无需人工设计特征，因而具有更好的建模效率和更广的适用性。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.071 seconds)
