-
公开(公告)号：CN113807232A
公开(公告)日：2021-12-17
申请号：CN202111074096.2
申请日：2021-09-14
Applicant: 广州大学
Abstract: 本发明公开了一种基于双流网络的伪造人脸检测方法、系统和存储介质，所述方法包括以下步骤：获取样本图像，对所述样本图像集进行预处理得到仅含人脸区域的图像；构建双流网络，所述双流网络包括深度卷积神经网络和胶囊网络，所述深度卷积神经网络用于提取深层常规面部特征，所述胶囊网络用于捕获面部各部位的位置和角度关系；将深度卷积神经网络和胶囊网络进行融合，得到训练好的双流网络；将待检测图像输入到训练好的双流网络中，检测是否为伪造人脸的图像。本发明在传统的卷积神经网络方法的基础上，添加了胶囊网络流，考虑了面部各部分的位置关系，能够捕获伪造人脸图像中错误的位置关系伪影。
-
公开(公告)号：CN117459250A
公开(公告)日：2024-01-26
申请号：CN202311231473.8
申请日：2023-09-22
Applicant: 广州大学
IPC: H04L9/40 , G06N3/006 , G06F18/24 , G06F18/214 , G06F18/213 , G06N3/094 , H04L41/16
Abstract: 本发明公开了一种基于海鸥优化极限学习机的网络入侵检测方法、系统、介质及设备，包括以下步骤：S1、进行数据训练，通过获取训练数据集，进行数据预处理，对预处理后的训练数据集进行数据降维，然后通过改进的海鸥优化算法选取特征，并采用对抗样本训练有效极限学习机模型；S2、进行数据检测，通过对获取的流量数据进行数据预处理和数据降维，然后用训练好的有效极限学习机模型进行预测，最终输出预测结果。本发明通过结合海鸥优化算法和极限学习机算法，实现对网络流量数据的自动特征选择和模型训练，并且加入对抗训练环节以有效应对对抗攻击，提高网络入侵检测的准确率和可靠性。
-
公开(公告)号：CN117459250B
公开(公告)日：2024-10-11
申请号：CN202311231473.8
申请日：2023-09-22
Applicant: 广州大学
IPC: H04L9/40 , G06N3/006 , G06F18/24 , G06F18/214 , G06F18/213 , G06N3/094 , H04L41/16
Abstract: 本发明公开了一种基于海鸥优化极限学习机的网络入侵检测方法、系统、介质及设备，包括以下步骤：S1、进行数据训练，通过获取训练数据集，进行数据预处理，对预处理后的训练数据集进行数据降维，然后通过改进的海鸥优化算法选取特征，并采用对抗样本训练有效极限学习机模型；S2、进行数据检测，通过对获取的流量数据进行数据预处理和数据降维，然后用训练好的有效极限学习机模型进行预测，最终输出预测结果。本发明通过结合海鸥优化算法和极限学习机算法，实现对网络流量数据的自动特征选择和模型训练，并且加入对抗训练环节以有效应对对抗攻击，提高网络入侵检测的准确率和可靠性。
-
公开(公告)号：CN116665089B
公开(公告)日：2024-03-22
申请号：CN202310509885.7
申请日：2023-05-08
Applicant: 广州大学
Abstract: 本发明涉及基于三维时空网络的深度伪造视频检测方法，包括步骤：S1、利用RetinaFace算法对输入的视频帧进行人脸检测和裁剪，获取人脸区域图像；S2、将人脸区域图像输入到三维时空网络中；其中，三维时空网络包括RGB、光流和噪声三个特征提取模块；S3、设计融合卷积块注意力模块的I3D网络，令三个特征提取模块提取不同的时空特征；S4、将三个特征提取模块的输出进行特征向量的加权平均融合，获取预测标签的概率值。本发明通过采用了三维时空网络，可以提取深度伪造视频的时空特征，提高了深度伪造视频的检测准确率；在RGB域的基础上添加了光流声特征提取模块和噪声特征提取模块，可分别检测到伪造视频中的微表情变化不一致性和噪声域异常。
-
Patent Agency Ranking
公开(公告)号：CN117411669A
公开(公告)日：2024-01-16
申请号：CN202311185478.1
申请日：2023-09-14
Applicant: 广州大学
IPC: H04L9/40 , G06F21/55 , G06N3/0464 , G06N3/045
Abstract: 本发明提出了一种基于时间卷积网络的APT攻击阶段检测方法、系统、介质及设备，其方法包括步骤：S1、进行数据收集；S2、进行数据预处理，将采集到的多源、异构数据，通过特征提取、特征选择、缺失值补全、数据规范化一系列步骤构建特征集合，再划分训练集和测试集；S3、训练预测模型，将时间序列特征输入堆叠的TCN残差块提取深层次的序列特征，利用ELU激活函数，通过交叉熵损失函数对模型进行优化；使用Softmax函数进行预测；S4、进行部署和监控。本发明通过预测APT攻击阶段相应的网络杀伤链阶段来判断一个安全事件是否属于APT攻击，通过将攻击事件映射到网络杀伤链阶段，网络杀伤链阶段越高，攻击威胁性越大，越迫切采取应对措施，从而保护网络系统的安全。
-
公开(公告)号：CN115546864A
公开(公告)日：2022-12-30
申请号：CN202211142745.2
申请日：2022-09-20
Applicant: 广州大学
Abstract: 本发明涉及一种基于自注意力机制的双分支人脸伪造检测方法，包括步骤：S1、利用多任务级联卷积神经人脸检测网络获取只包含人脸区域的图像，将其输入随机隐写分析丰富模型SRM中获取噪声图像；S2、将RGB图像和噪声图像分别输入到两个参数不共享的PBoT分支网络中，提取相应的特征；S3、利用双线性池化层对两个网络提取的特征进行融合，并通过全连通层和softmax层来预测输入的人脸图像是否为伪造图像。本发明通过SRM的双分支结构，以捕获视觉伪造伪影及局部噪声特征的不一致性，提高压缩处理后的人脸图像伪造检测准确率；在特征提取中引自注意机制，采用融合卷积和自我注意的混合模型来学习局部和全局图像特征，提高人脸伪造检测准确率。
-
公开(公告)号：CN116665089A
公开(公告)日：2023-08-29
申请号：CN202310509885.7
申请日：2023-05-08
Applicant: 广州大学
Abstract: 本发明涉及基于三维时空网络的深度伪造视频检测方法，包括步骤：S1、利用RetinaFace算法对输入的视频帧进行人脸检测和裁剪，获取人脸区域图像；S2、将人脸区域图像输入到三维时空网络中；其中，三维时空网络包括RGB、光流和噪声三个特征提取模块；S3、设计融合卷积块注意力模块的I3D网络，令三个特征提取模块提取不同的时空特征；S4、将三个特征提取模块的输出进行特征向量的加权平均融合，获取预测标签的概率值。本发明通过采用了三维时空网络，可以提取深度伪造视频的时空特征，提高了深度伪造视频的检测准确率；在RGB域的基础上添加了光流声特征提取模块和噪声特征提取模块，可分别检测到伪造视频中的微表情变化不一致性和噪声域异常。
-
公开(公告)号：CN113807232B
公开(公告)日：2022-09-30
申请号：CN202111074096.2
申请日：2021-09-14
Applicant: 广州大学
Abstract: 本发明公开了一种基于双流网络的伪造人脸检测方法、系统和存储介质，所述方法包括以下步骤：获取样本图像，对所述样本图像集进行预处理得到仅含人脸区域的图像；构建双流网络，所述双流网络包括深度卷积神经网络和胶囊网络，所述深度卷积神经网络用于提取深层常规面部特征，所述胶囊网络用于捕获面部各部位的位置和角度关系；将深度卷积神经网络和胶囊网络进行融合，得到训练好的双流网络；将待检测图像输入到训练好的双流网络中，检测是否为伪造人脸的图像。本发明在传统的卷积神经网络方法的基础上，添加了胶囊网络流，考虑了面部各部分的位置关系，能够捕获伪造人脸图像中错误的位置关系伪影。
-
公开(公告)号：CN114090967A
公开(公告)日：2022-02-25
申请号：CN202111238295.2
申请日：2021-10-25
Applicant: 广州大学
Abstract: 本发明涉及一种一种基于PSO‑MSVM的APT组织追踪溯源方法及系统，其方法包括步骤：S1、进行数据预处理，通过使用归一化方法、LabelEncoder、TF‑IDF算法对数据集进行处理，将特征数据映射到向量空间；S2、进行PSO‑MSVM模型初始化，初始化粒子群算法的参数，生成初始粒子群，通过移动粒子的位置，进行多分类支持向量机参数优化；S3、构建PSO‑MSVM模型，更新粒子的局部和全局最佳位置，获取多分类支持向量机最优参数；S4、对PSO‑MSVM模型进行验证，获取MSVM识别模型的最优参数，最后利用最优参数的MSVM模型对测试集进行预测。本发明通过使用多分类支持向量机模型，训练出一个识别准确率、综合性能更好的APT组织追踪溯源模型。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.018 seconds)
