-
公开(公告)号：CN118734270B
公开(公告)日：2024-11-08
申请号：CN202411214860.5
申请日：2024-09-02
申请人： 武汉大学
IPC分类号： G06F21/16 , G06F18/214 , G06F18/2433 , G06F18/15 , G06F16/41 , G06F16/45 , G06F16/483 , G06N3/0464 , G06N3/045 , G06N3/0442 , G06N3/084 , G06N3/048
摘要： 本发明提出了一种基于模型隐藏的所有权确认方法。为保护和确认模型所有者知识产权问题，通过利用深度学习网络的双向训练能力，模型架构能够转置的性质，与反向模型的功能能够仅被模型所有者识别的特点，基于空间索引为反向任务标识数据，实现有效的数据记忆与提取，提供一种新的模型所有权确认方式。
-
公开(公告)号：CN115600182A
公开(公告)日：2023-01-13
申请号：CN202211170678.5
申请日：2022-09-23
申请人： 中国电子科技集团公司第三十研究所(CN) , 武汉大学(CN)
摘要： 本发明提供了一种基于大数据分析的权重自适应多因子授权方法，包括：步骤1、通过物联网采集设备采集数据；步骤2、对采集数据进行识别转换，获取用于权限判定的属性值，每个属性值对应一个判定因子；步骤3、对数据进行大数据分析，基于分析结果采用多因子授权算法对判定因子进行组合，形成多因子组合；步骤4、采用在权限管控系统中预先制定授权策略对多因子组合的属性值进行权限判定，通过返回的结果确定是否授权成功；步骤5、对于授权成功的用户，获得控制物联网终端设备的权限；授权失败的用户，无权操作设备。本方法对于一定规模的权限判定场景一般都能满足性能要求，系统运行延时较低；在复杂场景下依然能够对判定主体进行更多维度和更加精确的授权；同时可根据需求扩展。
-
公开(公告)号：CN118917319A
公开(公告)日：2024-11-08
申请号：CN202410970084.5
申请日：2024-07-19
申请人： 中国电子科技集团公司第三十研究所 , 武汉大学
IPC分类号： G06F40/30 , G06F40/295 , G06N3/045 , G06N3/0442 , G06N3/08
摘要： 本发明公开了一种网络安全语义知识库构建方法与系统，涉及网络安全领域，用以将多种不同模态、类型、格式的网络安全数据解析成计算机可理解的统一的语义形式。本发明包括四个阶段：准备阶段包括：设定实体知识模型、事件知识模型和语义关系模型格式；接收当前时期的网络安全文本数据。语义抽取阶段包括：根据设定格式从网络安全文本数据中分别进行实体知识抽取、事件知识抽取和语义关系抽取。语义映射阶段包括：将实体知识、事件知识和语义关系分别映射为RDF文档。语义知识库构建阶段包括：将不同时期得到的RDF文档持续化到语义知识库。本发明实现了不同格式文本在语义知识间的更准确、丰富的关联与解析。
-
公开(公告)号：CN118734270A
公开(公告)日：2024-10-01
申请号：CN202411214860.5
申请日：2024-09-02
申请人： 武汉大学
IPC分类号： G06F21/16 , G06F18/214 , G06F18/2433 , G06F18/15 , G06F16/41 , G06F16/45 , G06F16/483 , G06N3/0464 , G06N3/045 , G06N3/0442 , G06N3/084 , G06N3/048
摘要： 本发明提出了一种基于模型隐藏的所有权确认方法。为保护和确认模型所有者知识产权问题，通过利用深度学习网络的双向训练能力，模型架构能够转置的性质，与反向模型的功能能够仅被模型所有者识别的特点，基于空间索引为反向任务标识数据，实现有效的数据记忆与提取，提供一种新的模型所有权确认方式。
-
公开(公告)号：CN118446885A
公开(公告)日：2024-08-06
申请号：CN202410660023.9
申请日：2024-05-27
申请人： 武汉大学
IPC分类号： G06T3/04 , G06T3/4046 , G06N3/0464 , G06N3/084
摘要： 本发明公开了一种面向卷积神经网络的分布外泛化方法及系统，包括两项核心技术：第一，对卷积神经网络中低层网络结构提取到的图像特征进行风格随机化，基于随机权重混合算法生成新风格并利用风格迁移技术来增强原始数据的风格多样性，从而降低图像风格和图像内容之间的关联性，促使模型关注与输出标签有更强因果关系的内容信息；第二，对神经网络模型的整个训练过程进行对抗训练，基于随机初始噪声来优化单步梯度上升算法对约束空间中最优解的搜索范围并利用单步梯度上升算法来生成对抗样本，从而让模型主动学习图像的深层特征及带扰动样本的正确分类标签，减小模型对训练数据的过拟合风险。
-
公开(公告)号：CN114910203A
公开(公告)日：2022-08-16
申请号：CN202210707527.2
申请日：2022-06-21
申请人： 武汉大学
IPC分类号： G01L1/25
摘要： 本发明公开一种基于激光同步诱导超声表面波与空气波的材料表面应力检测方法。该方法步骤如下：选择无残余应力和无加工缺陷的材料；调整脉冲激光器和激光测振仪的激光光斑至应力加载区域；进行应力梯度加载并记录各个应力梯度下的表面波与空气波飞行时间；利用空气波飞行时间计算激光光斑间距和表面波波速变化；绘制波速变化‑应力梯度标定曲线；通过拟合曲线公式计算样品表面应力检测。本发明采用的脉冲激光器同步诱导表面波和空气波，利用同步产生的空气波对表面波应力测量进行修正，从而解决的传统表面波因工件结构变形和光斑间距畸变导致的应力测量误差，实现高耸结构表面的弯曲应力等复杂应力形式的准确测量。
-
公开(公告)号：CN114910203B
公开(公告)日：2023-01-17
申请号：CN202210707527.2
申请日：2022-06-21
申请人： 武汉大学
IPC分类号： G01L1/25
摘要： 本发明公开一种基于激光同步诱导超声表面波与空气波的材料表面应力检测方法。该方法步骤如下：选择无残余应力和无加工缺陷的材料；调整脉冲激光器和激光测振仪的激光光斑至应力加载区域；进行应力梯度加载并记录各个应力梯度下的表面波与空气波飞行时间；利用空气波飞行时间计算激光光斑间距和表面波波速变化；绘制波速变化‑应力梯度标定曲线；通过拟合曲线公式计算样品表面应力检测。本发明采用的脉冲激光器同步诱导表面波和空气波，利用同步产生的空气波对表面波应力测量进行修正，从而解决的传统表面波因工件结构变形和光斑间距畸变导致的应力测量误差，实现高耸结构表面的弯曲应力等复杂应力形式的准确测量。
-
-
-
-
-
-
搜索结果
7 条记录 (耗时 0.027 秒)
