-
公开(公告)号：CN117971534A
公开(公告)日：2024-05-03
申请号：CN202311719198.4
申请日：2023-12-14
Applicant: 湖南大学
IPC: G06F11/07
Abstract: 本发明聚焦于内核缺陷修复领域，具体内容涉及到利用LLM这种大语言模型进行内核缺陷修复。提供一种高效可靠的、结合反馈信息以生成补丁的内核缺陷修复方法。本发明方法包括：通过系统消息初始化ChatGPT；将内核缺陷代码和历史缺陷修复示例输入给ChatGPT，引导其成为内核缺陷修复模型；构建包含内核缺陷代码和测试失败信息的初始提示，并指示ChatGPT根据初始提示生成候选补丁；在获得候选补丁后，重复会话修复过程，直到生成一个可以通过测试的可信补丁；最后利用已经获得的可信补丁列表，生成出更加合理的正确补丁。
-
公开(公告)号：CN109582478B
公开(公告)日：2023-10-03
申请号：CN201811473843.8
申请日：2018-12-04
Applicant: 湖南大学
Abstract: 本发明涉及到GPU安全领域，具体内容涉及到基于GPU隐藏通道的研究方法。本发明的方法包括：利用GPU的全局内存建立隐藏通道，首先建立全局内存上的共同驻留，然后利用全局内存中的原子操作的明显时差搭建隐藏通道；建立同步数据传输机制保证隐藏通道数据传输可靠性，首先发送方和接收方先建立连接，双方互相确认之后再进行数据传输；传输图片文件的方法，先将图片文件转换成二进制文件，然后读取二进制文件内容进行数据传输。以上方法可以实现完整的图片文件传输。
-
公开(公告)号：CN114139164A
公开(公告)日：2022-03-04
申请号：CN202111472930.3
申请日：2021-12-01
Applicant: 湖南大学
IPC: G06F21/57
Abstract: 本发明涉及操作系统漏洞挖掘领域，尤其是针对可信操作系统的漏洞挖掘领域，为解决可信操作系统模糊测试过程中变异生成的种子质量不佳的问题，设计了一种适用于可信操作系统模糊测试的种子变异方法。本发明的流程如图1所示，所采用的技术手段为：对测试集的种子进行随机化变异后，利用有效性判断函数筛选出格式、语义正确的有效种子；使用有效性判断函数覆盖率和可信操作系统内核覆盖率两个反馈信息共同指导变异算法的调整，利用具有正反馈的种子不断更新变异使用的测试集。基于本发明的方法，可信操作系统进行模糊测试过程可以在变异阶段快速地生成优质种子，从而提高模糊测试的执行效率和测试到的可信操作系统内核代码范围。
-
公开(公告)号：CN113076545A
公开(公告)日：2021-07-06
申请号：CN202110422066.X
申请日：2021-04-20
Applicant: 湖南大学
Abstract: 本发明涉及人工智能领域的深度学习，特别是涉及对系统调用序列的学习。本发明的内容包括：数据收集与处理、模型构建、模型训练、模型评估、序列生成。数据收集与处理包括：首先收集带参数的系统调用序列和trace格式的序列，然后将这些序列编码为适合模型训练的输入数据。模型构建包括：选取RNN和LSTM神经网络模型，确定网络结构为输入层，隐藏层和输出层。模型训练包括：对输入数据分批，初始化网络参数，计算损失函数的值以调整网络参数。模型评估包括：计算测试序列数据和预测序列的归一化编辑距离。序列生成包括：随机选取初始系统调用和序列长度，依据训练所得模型生成整数序列并解码为系统调用序列。生成的序列将作为内核模糊测试的输入，以提升漏洞挖掘的效率。其流程如图1所示。
-
公开(公告)号：CN110764824A
公开(公告)日：2020-02-07
申请号：CN201911020211.0
申请日：2019-10-25
Applicant: 湖南大学
Abstract: 本发明涉及图计算领域。因为图中结点度分布高度不均衡，所以基于GPU实现的图计算系统会与GPU的单指令多数据(Single Instruction Multiple Data)执行模式相互冲突，无法充分利用GPU的并行能力。本专利提出的数据划分方法，通过在原图基础上构建一个度分布较为均衡的虚拟图来代替原图参与计算，从而缓和图计算系统与GPU的SIMD执行模式的冲突，加速相关的图计算应用。数据划分如图1所示。
-
Patent Agency Ranking
公开(公告)号：CN109766525A
公开(公告)日：2019-05-17
申请号：CN201910030202.3
申请日：2019-01-14
Applicant: 湖南大学
IPC: G06F17/21 , G06F17/27 , G06F16/31 , G06F16/332 , H04L29/06
Abstract: 本发明涉及敏感信息泄露检测领域。具体涉及到通过对网络数据包的捕获、分析以及还原等来发现敏感信息泄露的方法。本发明提出了一种数据驱动的敏感信息泄露检测框架，该框架主要由五部分组成：信息收集模块、文本提取模块、指纹生成模块、指纹数据库、文本分析模块。信息收集模块首先对网络出入口上的数据包进行捕获，之后还原出数据包中的原始文件，然后文本提取模块对这些文件进行文本内容的提取，指纹生成模块生成相应文件的指纹信息，最后文本分析模块会把生成的指纹信息与指纹数据库中的敏感信息的指纹进行文本相似性计算，从而判断是否出现了敏感信息泄露。其结构如图1所示。该框架可以快速地检测出敏感信息泄露并及时做出响应。
-
-
公开(公告)号：CN101673332A
公开(公告)日：2010-03-17
申请号：CN200910044516.5
申请日：2009-10-12
Applicant: 湖南大学
IPC: G06F21/22
Abstract: 本发明属于计算机安全领域，针对现有操作系统在对内核代码保护方面的不足，结合虚拟化技术的研究，提出了一种利用虚拟化哈佛内存体系结构保护内核代码的方法。它通过内核补丁的形式，在基于冯诺依曼体系结构的计算机上实现了虚拟化的哈佛内存体系结构，分离了对内核代码所在内存区域的指令操作和数据操作，从根本上杜绝了内核代码被篡改的可能。本发明能很好地对抗内核级Rootkit对内核代码的威胁，在保证内核代码的完整性的同时还能够记录下非法操作的相关信息，为分析攻击行为提供线索；在性能方面，充分利用指令TLB(Translation Lookaside Buffer，即旁路转换缓冲，或称为页表缓冲)和数据TLB，对操作系统的性能没有明显的影响。
-
公开(公告)号：CN101404664A
公开(公告)日：2009-04-08
申请号：CN200810143502.4
申请日：2008-11-05
Applicant: 湖南大学
Abstract: 本发明属于计算机对等网络计算领域，针对现有的基于虚拟空间的网络坐标定位算法的不足，提出了一种基于节点聚类的网络定位优化算法-Dumpling。本算法将一种基于网络距离的节点聚类算法与物理质量弹簧系统有机结合，先将网络中的节点按照它们之间的网络距离分组，形成一个个的聚类，然后在聚类之间与聚类内部分别运行基于物理质量弹簧系统的数值收敛算法来减小各个聚类的相对误差。本算法可以尽最大可能保持已经在虚拟空中形成的较为准确的网络拓扑结构，避免了误差较小某个聚类中的节点被系统中其他的误差较大的节点所影响而出现的系统波动状况，而且还可以进一步减小聚类内部的节点之间的误差，以致在虚拟空间中还原出更加真实的网络拓扑结构。
-
公开(公告)号：CN120011509A
公开(公告)日：2025-05-16
申请号：CN202510090368.X
申请日：2025-01-21
Applicant: 湖南大学
IPC: G06F16/3329 , G06F16/334 , G06F40/30 , G06F18/22 , G06F18/214
Abstract: 本发明提供一种面向中文场景的Text2SQL提示工程优化方法，属于自然语言处理‑语义分析领域，所属方法步骤包括：通过数据库格式转换、选择训练样本进行预处理；应用模式链接筛选出适用于问题的表和列；对信息进行整合并补充关键知识；基于多轮自我修正方式的SQL生成。该方法可以引导大语言模型理解中文场景下Text2SQL任务意图，优化SQL生成过程，提高SQL查询的执行准确性和执行效率。
-
-
-
-
-
-
-
-
-
Search Results
43
records
(took 0.01 seconds)
