-
公开(公告)号：CN119692399A
公开(公告)日：2025-03-25
申请号：CN202411611089.5
申请日：2024-11-12
Applicant: 广州大学
IPC: G06N3/0464 , G06N3/065 , G06F18/213
Abstract: 本发明提供了一种基于Winograd算法的CNN加速方法、系统、设备及介质，方法：包括训练CNN网络，获取训练后的模型参数并进行定点化处理后保存在DDR3中；从DDR3中读取卷积核，使用变换矩阵将卷积核转换成Winograd域中的卷积核矩阵；从DDR3中读取输入特征映射，使用输入变换矩阵将输入特征映射转换成Winograd域的输入特征映射矩阵；将卷积核矩阵和输入特征映射矩阵分配到脉动阵列的各个处理单元中进行点乘操作，生成中间输出矩阵；收集中间输出矩阵，使用预定义的输出变换矩阵将中间输出矩阵进行逆变换，生成输出矩阵，以解决实现CNN时计算效率低，运算量大且网络的性能和准确性低的问题。
-
公开(公告)号：CN119520027A
公开(公告)日：2025-02-25
申请号：CN202411474100.8
申请日：2024-10-21
Applicant: 广州大学
IPC: H04L9/40
Abstract: 本申请涉及数据监督检测领域，提供一种基于深度生成对抗网络的工业互联网异常检测方法，其特征在于，包括以下步骤：S10：基于数值类型对入侵检测数据集进行预处理，得到真实样本；S20：训练DeepGAN采样模型；S30：输出采样结果并基于检测模型对采样结果进行异常检测。本申请通过针对数据类不平衡导致检测器性能下降的问题，利用现有的过采样方法，设计基于深度生成式对抗式网络的过采样方法，改善模型训练过程以及提升生成样本的质量。最终有效地提高检测模型的检测性能。
-
公开(公告)号：CN118627104A
公开(公告)日：2024-09-10
申请号：CN202410242660.4
申请日：2024-03-04
Applicant: 广州大学
Abstract: 本发明公开了一种容器运行时强制访问控制方法、系统、装置及存储介质，包括：获取用户空间的第一策略文件，根据第一策略文件进行eBPF动态挂载得到目标挂载点，并在用户空间生成容器特征匹配函数和参数过滤函数；通过目标挂载点获取目标Pod的第一数据，并根据第一数据对目标Pod进行时序图分析，得到目标Pod的状态观测结果；获取预设的逃逸提权策略，根据逃逸提权策略、容器特征匹配函数、参数过滤函数以及状态观测结果进行多级缓解的容器运行时强制访问控制。本发明实现了攻击者发起攻击前的预防、发起攻击中的阻断以及发起攻击后的分析，提高了容器的安全性，可广泛应用于容器安全技术领域。
-
公开(公告)号：CN118465704A
公开(公告)日：2024-08-09
申请号：CN202410525877.6
申请日：2024-04-29
Applicant: 广州大学
Abstract: 本发明提供了一种间歇采样转发干扰的识别抑制方法及装置，其中，方法包括：将复杂回波转化为时频域回波和脉压域回波，其中，复杂回波包括干扰切片信号；将时频域回波输入预先训练好的目标检测模型中，得到各干扰切片信号的检测信息，根据检测信息得到总时宽和各干扰切片信号的延时范围，根据延时范围在脉压域回波中确定各具体延时；根据总时宽和具体延时重建干扰切片信号，得到初始重建信号；计算发生初始重建信号与对应时间原始干扰切片信号的变化幅度；基于变化幅度、总时宽和具体延时校准初始重建信号，得到最终干扰信号，将最终干扰信号从复杂回波中消除。本发明在低信噪比情况下也能提供较好的抑制性能。
-
公开(公告)号：CN117690163A
公开(公告)日：2024-03-12
申请号：CN202311739082.7
申请日：2023-12-18
Applicant: 广州大学
Abstract: 本发明公开了一种3D人体骨骼关键点数据增强方法及系统，该方法包括：获取2D骨骼关键点数据；确定缺失肢体边缘连接的2D骨骼关键点索引和缺失骨骼关键点的数量；对2D骨骼关键点数据进行帧筛选和平滑处理；构建缺失肢体的姿势先验约束和数据增强算法；通过姿势先验约束和数据增强算法对SMPLify‑X模型进行迭代，得到最优3D骨架SMPL‑X模型，并获取3D骨骼关键点数据及其数据标注文件。该系统包括：数据获取模块、数据对比分析模块、数据平滑模块、算法构建模块、最优模型生成模块和标注数据获取模块。通过使用本发明，能够保持缺失肢体人体关键点数据和完整人体骨骼关键点数据特征分布的一致性，增强算法的鲁棒性和泛化能力。本发明可广泛应用于计算机视觉技术领域。
-
Patent Agency Ranking
公开(公告)号：CN117278296A
公开(公告)日：2023-12-22
申请号：CN202311283665.3
申请日：2023-09-28
Applicant: 广州大学
IPC: H04L9/40 , G06N3/0442 , G06N3/0464
Abstract: 本说明书实施例提供了一种基于神经网络的CAN总线入侵检测方法装置、设备及系统，其中，方法包括获取历史CAN总线数据并预处理，将CAN总线数据中提取到的文本数据转换为图形数据；建立用于检测CAD入侵攻击类型的入侵检测模型，将图形数据输入待训练的入侵检测模型，根据收敛条件对所述CAD入侵检测模型进行训练，获得训练好的入侵检测模型；将实时获取的CAN总线数据输入至训练好的入侵检测模型，通过入侵检测模型确定是否存在入侵行为及入侵的攻击类型。本发明充分提取并利用时间序列特征提升模型的性能，最终达到高准确率、实时性、低时延的优点，并能够有效的检测CAN总线中的入侵攻击。
-
-
公开(公告)号：CN116961985A
公开(公告)日：2023-10-27
申请号：CN202310424105.9
申请日：2023-04-19
Applicant: 广州大学
Abstract: 本发明公开了一种多类别风险要素攻击规划模型构建方法、设备和介质，包括以下步骤：获取多类别风险要素，建立攻击规划知识图谱；根据目标资产物理特征从攻击规划知识图谱中选择风险要素，形成攻击要素链；将所述攻击要素链加载于攻击规划模型中，对目标资产进行攻击；通过攻击后目标资产的反馈信息对所述攻击规划模型进行优化。本发明从攻击视角构建知识图谱，在本体构建时充分考虑渗透测试场景下的实体要素，可有效整合多类别风险要素，对不确定的环境下的多类别风险要素进行有效评估和建模。本发明还可实现将攻击过程产生的有效反馈信息融入攻击规划模型中，利用场景中网络安全攻防要素进行自主攻击推理，将反馈信息纳入下一次攻击规划决策中。
-
公开(公告)号：CN116933791A
公开(公告)日：2023-10-24
申请号：CN202310655134.6
申请日：2023-06-02
Applicant: 广州大学
IPC: G06F40/295 , G06F40/126 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/084 , H04L9/40
Abstract: 本发明公开了基于BERT‑BiLSTM‑GAM‑CRF的网络安全实体识别方法，本发明利用预训练的BERT模型获取上下文信息得到每个单词的表示向量，输入到BiLSTM后对单词序列进行编码获得更加全局和上下文感知的特征表示，而GAM是基于BiLSTM的输出进一步提取关键的上下文表示，减小不相关的上下文影响，CRF能够考虑当前标签状态与上下文之间的依赖关系，从而得到更加准确的标注结果。
-
公开(公告)号：CN116827607A
公开(公告)日：2023-09-29
申请号：CN202310655163.2
申请日：2023-06-02
Applicant: 广州大学
Abstract: 本发明公开了一种集成XGBoost和LightGBM模型的车载CAN总线入侵检测算法，本发明基于随机森林的算法，用来识别和预防汽车网络中的恶性行为，这种技术利用了决策树的概念，并结合了集成学习(Ensemble Learning)的原理；通过随机森林建立多个虚拟神经网络，使它们能够彼此合作，共同完成任务，从而实现对数据的有效处理，并利用XGboost和LightGBM等相关算法，训练出能够较为准确地识别出网格攻击的模型，完成对网络入侵的检测，解决CAN总线的安全问题。
-
-
-
-
-
-
-
-
-
Search Results
70
records
(took 0.025 seconds)
