-
公开(公告)号：CN117668850A
公开(公告)日：2024-03-08
申请号：CN202311088351.8
申请日：2023-08-28
Applicant: 电子科技大学
IPC: G06F21/57 , G06F18/23 , G06F18/22 , G06F18/241 , G06N3/0455 , G06N3/0464 , G06N3/042 , G06N3/045 , G06F18/213 , G06N3/048 , G06N3/047 , G06N3/08
Abstract: 本发明公开一种基于多任务学习的智能合约漏洞检测及定位方法，基于聚类及图嵌入算法挖掘智能合约类别特征进行特征增强，并通过多任务学习模型构建合约级别和函数级别的漏洞分类器，在检测智能合约是否存在漏洞的同时快速定位到问题代码片段。对于智能合约漏洞检测任务，目的是构建一个合约级的漏洞二分类器，判断智能合约整体是否存在漏洞；对于漏洞片段函数定位任务，目的是构建一个函数级的漏洞二分类器，判断输入函数是否为导致合约漏洞的函数。本发明通过聚类和图嵌入算法保证了智能合约功能类别的划分和特征的增强，实现了可重入漏洞及时间戳依赖漏洞的准确识别以及漏洞位置定位。
-
公开(公告)号：CN117478293A
公开(公告)日：2024-01-30
申请号：CN202311101414.9
申请日：2023-08-30
Applicant: 电子科技大学
Abstract: 本发明公开一种联盟链的PBFT共识方法，可以使区块链中在安全性、吞吐量以及共识延迟等方面表现更优。为了提高共识效率并降低因节点故障导致的视图更换协议频繁发起的问题，采用了加权PageRank算法，针对各个节点的历史活跃度对节点进行分配PR值，然后引入信用评估机制通过提高PR值奖励正常节点，反之惩罚恶意节点，使每个节点都能得到最终的WV权重值，解决恶意节点的问题。最后加入可验证随机函数VRF解决了PBFT中主节点固定轮询可以提前预测的安全问题，不仅可以成功地对抗恶意攻击，而且还能减少共识失败的风险。
-
公开(公告)号：CN116155333A
公开(公告)日：2023-05-23
申请号：CN202211509692.3
申请日：2022-11-29
Applicant: 电子科技大学
IPC: H04B7/06 , G06N3/0464 , G06N3/048 , G06N3/0455 , G06N3/084 , G06N3/0895 , H04B17/391 , H04B7/0417
Abstract: 本发明公开了一种适用于大规模MIMO系统的信道状态信息反馈方法，利用深度学习的端到端优化特性，提出了基于维度压缩与码字量化联合优化的信道状态信息反馈方案CQ‑CsiNet。首先，基于自动编码器网络，设计了包含不同卷积层感受野和多尺度特征的编码器来对对信道状态信息矩阵特征进行充分的提取和利用；随后通过加入量化、量化误差模块，使CQ‑CsiNet反馈方式更适合实际系统存储传输要求；最后在解码器的设计中增加了残差模块，并引入注意力机制进一步利用了信道状态信息的特征信息，并实现了对信道状态信息矩阵的恢复。本发明综合考虑了对信道状态信息进行维度压缩和码字量化，有高精度反馈性能并满足了实际传输系统对量化性能的要求。
-
公开(公告)号：CN114693464B
公开(公告)日：2023-04-07
申请号：CN202210232464.X
申请日：2022-03-08
Applicant: 电子科技大学
IPC: G06Q50/00 , G06F18/23213
Abstract: 本发明公开一种自适应的信息传播源头检测方法，可应用于社交网络舆情控制。为解决社交网络中因信息种类、不实信息传播的模式、用户间的信息交换方式复杂多变，使得检测传播信息传播源头的任务格外困难的问题。本发明首先考虑到用户间朋友、转发、评论等多种信息交流方式构建了一个可学习的逻辑关系图以适应用户间复杂的关系。本发明还设计了一个可以耦合进深度学习模型进行参数学习的不实信息中心性度量方法以自适应的计算不实信息传播网络中各个节点的网络中心性。为了能够灵活处理社交网络中的噪音，本发明还提出了一个基于聚类的噪音消除机制。
-
公开(公告)号：CN112329442A
公开(公告)日：2021-02-05
申请号：CN202011092287.7
申请日：2020-10-13
Applicant: 电子科技大学
IPC: G06F40/216 , G06F40/295 , G06F40/30 , G06F40/126 , G06F16/35 , G06N3/04 , G06Q50/18
Abstract: 本发明涉及文书阅读技术领域，具体地说，涉及一种面向异构法律数据的多任务阅读系统及方法，系统包括依次连接的：数据输入模块，用于输入统计型和文本型法学数据；数据预处理模块，用于对法学数据进行数据清洗和数据转换；数据分析模块，用于对预处理后的数据进行分析；阅读结果处理模块，用于对分析后的数据整合，形成结构化的阅读结果数据；结果推送模块，用于将阅读结果数据反馈给法学研究者。本发明同时使用了统计分析和机器阅读理解技术，可以同时处理统计年鉴等结构化数据，以及裁判文书、案卷材料、访谈文本记录等非结构化数据，解决了数据的异构性问题。
-
Patent Agency Ranking
公开(公告)号：CN120074700A
公开(公告)日：2025-05-30
申请号：CN202510185175.2
申请日：2025-02-19
Applicant: 电子科技大学
IPC: H04B17/309 , H04B17/391 , H04W24/08
Abstract: 本发明提出了一种基于Wi‑Fi信道状态信息CSI的跨域用户身份识别方法，旨在解决现有技术在不同环境域中已知用户识别性能下降以及对未知用户检测困难的问题。该方法通过引入自适应多层次梯度反转层实现与环境无关的域不变步态特征提取，从而实现跨域用户身份识别，并结合自动编码器生成用户检测阈值。在检测阶段，利用重构损失判断待测用户是否为未知用户，并对已知用户进行身份分类。本发明提出的方法具有较高的环境泛化性，能够在不同的环境下准确区分已知用户和未知用户。
-
公开(公告)号：CN117272312B
公开(公告)日：2025-01-03
申请号：CN202311113916.3
申请日：2023-08-31
Applicant: 电子科技大学
Abstract: 本发明提供一种基于强化学习的可解释性智能合约漏洞检测及定位方法，应用于区块链监管，为了解决部署到区块链上的智能合约存在安全漏洞的问题。本发明首先根据智能合约源码生成合约图，基于图神经网络模型挖掘合约图特征进行漏洞分类，并基于强化学习提取出对分类结果影响最大的子图。本发明通过深度学习技术挖掘智能源码图中的特征，在智能合约被部署在区块链之前，检测合约源码中是否存在安全漏洞，保障了智能合约的安全性。同时，通过强化学习技术，能够实现对造成合约漏洞的关键子图提取，从而定位出与漏洞有关的代码部分，为智能合约漏洞检测提供可解释性的风险代码片段定位结果。
-
公开(公告)号：CN117313098A
公开(公告)日：2023-12-29
申请号：CN202311088354.1
申请日：2023-08-28
Applicant: 电子科技大学
IPC: G06F21/57 , G06N20/00 , G06N3/0442 , G06F18/241 , G06F18/213 , G06N3/0455 , G06N3/08
Abstract: 本发明公开一种基于预训练技术的区块链智能合约漏洞检测方法，应用于区块链智能合约漏洞检测领域，为了解决区块链上智能合约用户无法判断所调用未开源合约的安全性而造成损失的问题。本发明通过预先定义的漏洞模式辅助切片提取了智能合约与漏洞强相关的核心代码片段，通过预训练技术保证了智能合约特征提取的完整性和可靠性，并通过对预训练模型的微调和双向长短期记忆模型提取全局合约信息最终实现了对智能合约可重入、危险的委托调用、时间戳依赖、除法后的乘法以及整数溢出五种漏洞高效而准确的检测，降低了合约检测的时间且提升了合约检测的准确率。
-
公开(公告)号：CN116383514B
公开(公告)日：2025-04-01
申请号：CN202211356549.5
申请日：2022-11-01
Applicant: 电子科技大学
IPC: G06F16/9536 , G06Q50/00 , G06F40/216 , G06F40/30 , G06F16/35 , G06N3/0464 , G06N3/042 , G06N3/045 , G06N3/084
Abstract: 本发明公开一种事件主题感知的信息传播预测方法，为解决信息传播模型中的主题感知以及信息传播载体网络异质以及目前信息传播预测方法实用性差等问题，本发明首先设计了一种基于神经网络的LDA改进模型实现主题不混淆且考虑文本语义上下文的主题提取模型，从而实现传播信息的主题感知。另外为了从复杂的异质网络中高效定位所有可能受影响的用户，本发明利用主题在网络中通过定位对当前主题感兴趣的用户所构成的子图，并在子图中通过构建统一的特征空间、异质的节点关系来模拟信息传播过程，从而尽可能的模拟真实场景的信息传播过程进而在模型效率和准确度等方面提高模型的实用性。
-
公开(公告)号：CN117176534A
公开(公告)日：2023-12-05
申请号：CN202311113977.X
申请日：2023-08-31
Applicant: 电子科技大学
IPC: H04L27/26 , H04B17/391 , G06N3/0442 , G06N3/0455 , G06N3/084
Abstract: 本发明提供一种基于Transformer的OFDM接收方法，在正交频分复用OFDM系统中利用深度学习来实现信道估计和信号检测。以端到端的方式设计和扩展OFDM接收机的基础框架，通过引入通用灵活的Transformer网络结构使用多头注意力机制学习信道特征，根据接收信号和原始信号之间的关系进行网络参数更新，在不进行显式信道估计的同时获得最终的信号信息，并直接输出预测的发送比特。本发明提出的OFDM接收方法可以有效解决信道失真并检测传输信号，其性能可与传统OFDM接收方式相媲美，在对抗复杂、难以建模的信道环境以及非线性干扰因素上也具有明显的优势，具有重要的工程应用价值。
-
-
-
-
-
-
-
-
-
Search Results
22
records
(took 0.024 seconds)
