-
公开(公告)号：CN117423110A
公开(公告)日：2024-01-19
申请号：CN202311411922.7
申请日：2023-10-27
申请人： 电子科技大学 , 成都金控征信有限公司 , 电子科技大学(深圳)高等研究院
摘要： 本发明公开了一种基于脉冲神经网络的文本识别方法、装置及存储介质，涉及文本识别技术领域，主旨在于提供一种基于脉冲神经网络的文本识别方法及装置解决现有技术注意力漂移的问题，包括：获取文本图像；对所述文本图像进行预处理得到脉冲序列；构建基于注意力机制的脉冲神经网络；将所述脉冲序列输入到所述脉冲神经网络中，产生对应的脉冲输出，得到文本识别结果。本发明将SNN应用于文本识别领域，充分利用了SNN天然的时空特征处理能力，降低了文本识别方法硬件部署的成本和能耗。
-
公开(公告)号：CN115774788B
公开(公告)日：2024-04-23
申请号：CN202211455237.X
申请日：2022-11-21
申请人： 电子科技大学 , 电子科技大学(深圳)高等研究院 , 广州大学
摘要： 本发明公开了一种用于知识图谱嵌入模型的负采样方法，包括以下步骤：S1：初始化n个包含N个负样本的存储空间；S2：根据给定的正样本三元组，基于实体集合ε中全部实体生成负样本集合，通过均匀采样，从负样本集合中采样得到2*N1个负样本；S3：将步骤S2得到的若干个负样本添加至所储空间；S4：对存储空间中的负样本进行重要性评估；S5：对存储空间中所有负样本的重要性进行排序，保留重要性分数高的N3个样本；S6：从保留的负样本中均匀采样N个负样本组成HNS；S7：重复步骤S2‑S6n次；S8：对模型进行迭代训练。本发明提供的技术方案占用资源少，运行效率高，广泛适用于各种知识图谱模型。
-
公开(公告)号：CN116611843A
公开(公告)日：2023-08-18
申请号：CN202310505393.0
申请日：2023-05-06
申请人： 电子科技大学 , 成都交子区块链产业创新中心有限公司 , 电子科技大学(深圳)高等研究院
摘要： 本发明公开了一种基于多边交易网络的以太坊钓鱼账户识别方法，属于区块链威胁检测领域，包括交易数据收集阶段：在收集以太坊原始交易数据时，将交易数据收集阶段收集到的原始交易数据进行转化并构建图，以生成原始交易网络。然后通过映射策略融合交易金额代表的权重属性、交易时间代表的时间属性以及交易流向代表的方向属性，得到多边交易网络；将交易网络生成阶段所生成的多边交易网络作为输入，训练基于图神经网络的钓鱼账户识别模型，最终得到检测结果。本发明的多边交易网络生成策略兼顾了交易方向、交易金额、交易时间戳属性，有利于提取目标地址的潜在交易模式，合理转化了原始交易网络的特征，用于后续的特征提取和检测任务。
-
公开(公告)号：CN116244702A
公开(公告)日：2023-06-09
申请号：CN202310125824.0
申请日：2023-02-17
申请人： 电子科技大学 , 电子科技大学(深圳)高等研究院
摘要： 本发明提出了一种基于混合模式的安卓软件静态分析方法，属于恶意代码分析技术领域，主要解决现有安卓跨语言静态分析框架由于使用函数摘要进行函数间数据流连接导致的精度下降问题。主要方案包括对安卓Java层进行函数级数据流分析；对安卓Native层进行轻量级的函数间数据依赖分析，并对每个函数生成动态函数摘要；对安卓Java层进行全程序数据流分析，其中涉及到Native函数调用的部分使用函数摘要重建数据流连接。
-
公开(公告)号：CN116881170A
公开(公告)日：2023-10-13
申请号：CN202311032431.1
申请日：2023-08-16
申请人： 电子科技大学 , 电子科技大学(深圳)高等研究院
摘要： 本发明公开了一种面向嵌套跨层调用的安卓应用静态分析方法及系统，属于安卓软件安全领域，解决现有的静态污点分析无法验证漏洞的准确性的问题。本发明将安卓应用apk文件解压并反编译为dex文件、Manifest和Resource文件以及so文件生成Java层数据流图及搭建Native层符号执行环境；再依次生成Native函数控制流图，和生成Native函数污点路径信息和Native函数摘要；根据Java层数据流图和Native函数摘要生成Java层污点路径信息；根据Native函数污点路径信息和Java层污点路径信息，获取完整的污点路径。本发明用于安卓应用静态分析。
-
公开(公告)号：CN116865989A
公开(公告)日：2023-10-10
申请号：CN202310505380.3
申请日：2023-05-06
申请人： 电子科技大学 , 成都交子区块链产业创新中心有限公司 , 电子科技大学(深圳)高等研究院
IPC分类号： H04L9/40 , H04L9/00 , G06N3/045 , G06N3/0499
摘要： 本发明属于区块链威胁检测领域，提供了一种结构属性双感知区块链钓鱼欺诈检测方法及装置，主旨在于能够快速精准地检测区块链中潜在的钓鱼诈骗者。主要方案包括根据交易信息构建区块链交易模式网络图，提取其多阶邻居节点信息，以形成以该节点为中心的子图，作为结构属性双感知区块链钓鱼欺诈检测模型的输入。然后区块链交易模式子图结构提取器中，采用基于图坍缩的层次池化机制，通过与图神经网络的结合，聚合不同层次池化图的节点级表示，以生成子图的结构感知节点表示；最终使用基于多头自注意力的结构属性双感知transformer层，通过生成的结构感知节点表示，并结合训练阶段与原始子图信息，学习有效特征权重，完成区块链钓鱼欺诈检测。
-
公开(公告)号：CN116361476B
公开(公告)日：2024-05-17
申请号：CN202211455256.2
申请日：2022-11-21
申请人： 电子科技大学 , 电子科技大学(深圳)高等研究院 , 广州大学
IPC分类号： G06F16/36 , G06F18/22 , G06F18/214
摘要： 本发明公开了一种基于插值法的知识图谱负样本合成方法，包括以下步骤：S1：候选集筛选：从负样本中筛选负样本集合cand_il，作为mixup操作的候选集；S2：mixup样本合成：选择cand_il中的负样本进行合成得到cand_im，再将cand_im中的负样本和正样本#imgabs0#进行二次mixup合成；S3：训练更新：将得到的负样本集合cand_il、cand_im、cand_ik再筛选得到cand_is，并将其用于模型训练和更新强负样本集合#imgabs1#本发明易于实现，运算速度快，不增加原始嵌入模型的复杂度；能增强虚拟负样本的多样性，提升知识图谱嵌入模型的性能，易于叠加到已有的知识图谱嵌入模型中。
-
公开(公告)号：CN116561761A
公开(公告)日：2023-08-08
申请号：CN202310505412.X
申请日：2023-05-06
申请人： 电子科技大学 , 成都交子区块链产业创新中心有限公司 , 电子科技大学(深圳)高等研究院
摘要： 本发明一种基于智能合约字节码的漏洞检测方法及系统，属于智能合约安全领域，解决现有技术中模型构建的过程与漏洞类型相关，从而造成模型的通用性差的问题。本发明收集任意智能合约字节码构建智能合约操作码数据流图，再基于操作码数据流图构建预训练数据集；基于预训练数据集构建并训练、用于判断数据流图中两个基本块是否相邻的预训练模型；收集未标注的智能合约字节码构建操作码控制流图，再基于操作码控制流图构建智能合约漏洞数据集；基于训练好的预训练模型的参数和智能合约漏洞数据集构建并训练智能合约漏洞检测模型；使用训练好的智能合约漏洞检测模型对待测智能合约的控制流图进行漏洞检测。本发明用于智能合约的漏洞检测。
-
公开(公告)号：CN116361476A
公开(公告)日：2023-06-30
申请号：CN202211455256.2
申请日：2022-11-21
申请人： 电子科技大学 , 电子科技大学(深圳)高等研究院 , 广州大学
IPC分类号： G06F16/36 , G06F18/22 , G06F18/214
摘要： 本发明公开了一种基于插值法的知识图谱负样本合成方法，包括以下步骤：S1：候选集筛选：从负样本中筛选负样本集合cand_il，作为mixup操作的候选集；S2：mixup样本合成：选择cand_il中的负样本进行合成得到cand_im，再将cand_im中的负样本和正样本进行二次mixup合成；S3：训练更新：将得到的负样本集合cand_il、cand_im、cand_ik再筛选得到cand_is，并将其用于模型训练和更新强负样本集合本发明易于实现，运算速度快，不增加原始嵌入模型的复杂度；能增强虚拟负样本的多样性，提升知识图谱嵌入模型的性能，易于叠加到已有的知识图谱嵌入模型中。
-
公开(公告)号：CN116340951A
公开(公告)日：2023-06-27
申请号：CN202310260966.8
申请日：2023-03-17
申请人： 电子科技大学 , 成都交子区块链产业创新中心有限公司 , 电子科技大学(深圳)高等研究院
IPC分类号： G06F21/57 , G06N3/0895 , G06N3/084 , G06N20/00
摘要： 本发明涉及智能合约安全领域，公开了一种基于自监督学习的智能合约漏洞检测方法，目的在于从字节码层面获取有效的智能合约漏洞相关结构化表征，通过自监督学习方法学习与漏洞相关的关键特征，提高智能合约漏洞检测的鲁棒性。所述方法包括：收集智能合约字节码；构建智能合约操作码程序依赖图；提取漏洞相关程序依赖图切片，构建自监督学习数据集和漏洞检测模型训练数据集；使用自监督学习数据集训练自监督学习模型，提取程序依赖图切片特征；使用漏洞检测模型数据集训练智能合约漏洞检测模型；使用训练好的自监督学习模型提取待测智能合约漏洞相关特征，输入到训练好的智能合约漏洞检测模型中进行漏洞检测。
-
-
-
-
-
-
-
-
-
搜索结果
246 条记录 (耗时 0.068 秒)
