-
公开(公告)号：CN117574294A
公开(公告)日：2024-02-20
申请号：CN202311553733.3
申请日：2023-11-20
Applicant: 暨南大学
IPC: G06F18/2433 , G06F18/25 , G06F18/213 , G06F16/958 , G06V10/764 , G06N3/0464 , G06N3/0455 , G06N3/084
Abstract: 本发明公开了一种融合文本识别与图像识别的有害网页检测方法及系统，涉及网页检测领域。所述方法包括：获取目标网页的网页截图，并基于网页截图得到网页文本信息；将网页截图映射为第一图像向量矩阵，将网页文本信息映射为第一文本向量序列；分别对第一图像向量矩阵与第一文本向量序列进行特征提取，分别得到图像特征向量与文本特征向量；将图像特征向量与文本特征向量进行特征组合，得到组合特征向量；根据组合特征向量进行识别分类，生成关于目标网页是否为有害网页的预测标签。相较于现有技术，从多维度更为深入地探索有害网页的内在特征，更准确地对目标网页进行评价，提高了检测精度。
-
公开(公告)号：CN117556277A
公开(公告)日：2024-02-13
申请号：CN202410044818.7
申请日：2024-01-12
Applicant: 暨南大学
IPC: G06F18/22 , G06F40/216 , G06F40/295 , G06N5/022
Abstract: 本发明公开了一种用于知识图谱实体对齐的初始对齐种子生成方法，属于知识融合和人工智能领域，包括：利用实体名称中每个令牌对应的字符级独热向量计算字符级全局特征矩阵，利用TF‑IDF技术分别计算字符级局部特征矩阵和令牌级局部特征矩阵，根据字符级局部特征矩阵和令牌级局部特征矩阵构造令牌级全局特征矩阵，根据上述特征矩阵计算对齐矩阵并从中选取初始对齐种子。本发明仅利用实体名称的非语义信息，在不使用预训练模型的情况下生成初始对齐种子，驱动基于图结构的有监督深度学习模型将实体编码成向量，使得实体向量之间的距离能更加反应实体之间的相似性，使得基于图结构的有监督深度学习模型不再需要标签数据。
-
公开(公告)号：CN117056699A
公开(公告)日：2023-11-14
申请号：CN202310818309.0
申请日：2023-07-05
Applicant: 暨南大学
IPC: G06F18/213 , G06F18/214 , G06F18/2433 , G06N3/0442 , G06N3/0495
Abstract: 本发明公开了一种面向工业互联网标识解析的时间序列异常检测方法，包括：S1、构建时间序列异常检测模型，包括特征构建模块、特征提取模块以及结果输出模块；其中，特征构建模块，用于将时间序列数据集构造成可输入时间序列异常检测模型的数据；特征提取模块，用于提取输入数据的特征，同时将各种特征进行组合，刻画出更深层的特征；结果输出模块，合并特征提取模块的输出数据，并实现数据降维，同时防止模型在训练时过拟合，输出异常检测的二分类结果；S2、对时间序列异常检测模型进行训练；S3、将训练后的时间序列异常检测模型用于时间序列异常检测。本发明能够更精准地检测出工业互联网中的异常情况。
-
公开(公告)号：CN116394241A
公开(公告)日：2023-07-07
申请号：CN202310331465.4
申请日：2023-03-30
Applicant: 暨南大学
IPC: B25J9/16
Abstract: 本发明公开了一种分布式动态任务分配方法、装置、设备及存储介质，该方法包括：基于目标机器人的坐标和若干个待分配任务机器人的坐标确定待分配任务机器人对应的损失参数；通过损失参数和全分布式k‑WTA网络生成若干个待分配任务机器人对应的任务分配信号并确定预设数量的目标任务分配机器人；基于目标机器人的坐标和目标任务分配机器人的坐标确定目标任务分配机器人对应的控制参数并根据控制参数对目标任务分配机器人进行任务分配。本发明中各待分配任务机器人只需根据对应的损失参数和全分布式k‑WTA网络即可更新自身状态进而实现任务分配，因此本发明中任一机器人的故障不会影响系统整体的运行，提供了一种完全分布式的任务分配方法。
-
公开(公告)号：CN116340936A
公开(公告)日：2023-06-27
申请号：CN202310283388.X
申请日：2023-03-22
Applicant: 暨南大学
IPC: G06F21/55 , G06F18/2111 , G06F18/2411 , G06F18/214 , G06N20/10
Abstract: 本发明公开了一种融合强化学习和特征选择优化的ICS入侵检测系统及方法，将工业控制系统(ICS)历史数据集的数据特征选择进行二进制编码和种群初始化，通过SVM‑强化学习进行离线训练，将在验证集上得到的准确率作为适应度函数，设计基于累计概率的交叉操作和变异操作对种群进行更新，经过迭代优化后从而获得最优特征集合；基于最优特征集合对ICS实时数据集进行特征选择，通过支持向量机(SVM)‑强化学习对实时数据集进行在线入侵检测测试，从而获得入侵检测性能指标。本发明采用了基于SVM‑强化学习新模式，并在此基础上融合了最优特征选择的智能优化，提升了ICS入侵检测系统的智能化设计水平和入侵检测的精度。
-
Patent Agency Ranking
公开(公告)号：CN116155479A
公开(公告)日：2023-05-23
申请号：CN202310018189.6
申请日：2023-01-06
Applicant: 暨南大学
Abstract: 本发明公开了一种基于区块链的可信电子邮件存取证系统及方法，邮件发送后，经过邮件服务器对邮件内容进行解析和Hash算法加密，密文上传至IPFS，IPFS将密文分割成若干小份文件分散存储；邮件服务器将Hash值上传至司法联盟链，司法联盟链的各个节点通过共识机制构遍历区块，构造交易数据，遍历每个区块获取交易内容，验证是否每个节点都完成司法验证，如果完成司法验证，则在区块中打上司法时间戳，并且获取公证机构生成的数字存证证书，执行互联网法院上链；如果遍历过程中有节点未获取交易信息，则遍历区块，存储交易信息。本发明将传统邮箱与区块链及IPFS结合，进行电子数据的存取证，从而提高整个邮件内容的安全性、可靠性和持久性。
-
公开(公告)号：CN116015752A
公开(公告)日：2023-04-25
申请号：CN202211569035.8
申请日：2022-12-08
Applicant: 暨南大学
IPC: H04L9/40 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于多目标变长CNN离散优化的电力CPS入侵检测系统及方法。将经过预处理的电力信息物理系统历史监控数据作为输入数据集，对构建卷积神经网络模型的卷积模块数量、模型拓扑结构、每一个卷积模块的架构参数和批大小、学习率、优化器类型、权重正则化等超参数进行变长离散编码，将CNN模型在验证集上的指标和模型浮点运算次数作为优化目标，设计一种多目标离散优化方法对基于变长卷积模块的CNN模型架构与参数进行多目标并行优化，从而获得兼顾模型性能和模型复杂度的Pareto最优CNN模型。针对电力CPS实时监控数据，在线部署最优CNN模型，从而实现电力CPS的在线入侵检测。本发明在保证模型高精度性能指标的同时还降低了模型的复杂度。
-
公开(公告)号：CN115396198A
公开(公告)日：2022-11-25
申请号：CN202211025573.0
申请日：2022-08-25
Applicant: 暨南大学
Abstract: 本发明公开了一种基于CNN架构与参数并行优化的电网入侵检测系统及方法，从智能电网的量测数据管理系统中采集电网运行状态的历史监控数据，解析数据获取各传感器的读数信息并进行基于标准分数的标准化处理，作为智能电网入侵检测离线优化训练模块的输入数据集，将CNN模型拓扑架构、卷积模块参数和训练参数进行编码，设计基于遗传算法的CNN模型架构与参数并行优化平台，获得最优CNN模型的架构与参数信息。针对智能电网的量测数据管理系统采集到的电网实时监控数据，在线部署最优CNN模型，从而实现智能电网入侵检测的在线检测。本发明不仅提升了智能电网入侵检测系统的智能化设计水平和设计效率，还提升了智能电网入侵检测的准确率和F1评分等性能指标。
-
公开(公告)号：CN114629647B
公开(公告)日：2022-07-26
申请号：CN202210531525.2
申请日：2022-05-17
Applicant: 暨南大学
IPC: H04L9/08 , H04W12/041 , H04W12/0431 , H04L25/02
Abstract: 本发明公开了一种基于信道估计的物理层密钥一致性协商方法及系统，该方法包括下述步骤：用户Alice和Bob互发导频序列并进行多轮信道双向探测，获得信道估计值；基于信道估计值并利用最小均方误差方法得到信道系数矩阵；将每一个信道估计值的实部、虚部以及幅度分别进行均匀量化，最终对所有信道估计值的量化结果进行拼接，用户Alice和用户Bob得到各自的比特位流，用户Bob根据用户Alice发送的协商信息对量化得到的第二比特位流进行k‑grams一致性协商，对其中出错的位进行检错纠错；得到的完全一致位流作为的用户Alice和Bob的对称密钥，本发明解决了密钥生成率低的问题，可实施性强、密钥生成率高。
-
公开(公告)号：CN113515495A
公开(公告)日：2021-10-19
申请号：CN202110404424.4
申请日：2021-04-14
Applicant: 暨南大学
IPC: G06F16/182 , G06F16/16 , G06F16/13
Abstract: 本发明公开了一种数据文件分配方法及装置、智能设备和计算机存储介质，所述方法包括以下步骤：按照各个数据文件的访问频率对数据文件进行排序，所述排序方式包括升序或者降序；按照排序后的顺序将所述数据文件分割为至少两个数据块，其中，各个数据块的数据文件的数量相等；对每个数据块中的数据文件进行两两合并以更新所述数据文件；返回执行所述按照各个数据文件的访问频率对数据文件进行排序的步骤，直至所述数据文件的数量达到分布式节点的数量；将所述数据文件放置至对应的分布式节点，解决现有技术中数据文件分配不均衡导致分布式系统不稳定的问题，提高分布式系统的稳定性。
-
-
-
-
-
-
-
-
-
Search Results
47
records
(took 0.114 seconds)
