-
公开(公告)号：CN117036847A
公开(公告)日：2023-11-10
申请号：CN202310823750.8
申请日：2023-07-06
Applicant: 暨南大学
IPC: G06V10/774 , G06V10/771 , G06V10/776 , G06V10/82 , G06N3/0464 , G06N3/086
Abstract: 本发明公开了一种用于SAR图像DNN分类模型后门防御的数据增强系统及方法，本发明利用多种后门攻击技术产生SAR图像后门数据集，将数据增强组合策略进行变长编码，采用离线自动优化技术，获取兼顾高防御性能和低模型性能损失的最优数据增强组合后门防御策略，将其输入到在线后门防御性能评估模块，并评估经最优数据增强组合策略后的后门防御模型的测试精度和攻击成功率。本发明首次实现了基于数据增强自动组合优化的SAR图像DNN分类模型鲁棒后门防御，在仅损失较低模型性能的同时，通过扰乱后门模型中的触发器样式和消除后门模型对触发器的特征记忆，有效地抵御了多种后门攻击，从而提升了模型的安全性。
-
公开(公告)号：CN116318773A
公开(公告)日：2023-06-23
申请号：CN202211504988.6
申请日：2022-11-28
Applicant: 暨南大学
IPC: H04L9/40 , H04L43/026 , H04L67/12 , G06N3/0455 , G06N3/086
Abstract: 本发明公开了一种基于自编码器模型优化的工业互联网对抗训练式无监督入侵检测系统及方法。本发明使用数据解压模块采集工业互联网系统的通讯时序流量，经过谱残差技术的数据清洗、数据归一化和数据样本化等获得输入数据集，将AE网络模型的架构和参数进行二进制编码，设计基于二进制遗传优化技术的AE网络模型离线优化平台，并利用对抗训练对个体适应度进行评估，经迭代优化后自动获得工业互联网入侵检测系统的AE网络最优模型。本发明不仅可实现用于工业互联网无监督入侵检测系统的AE模型的对抗式训练和自动优化设计，提高了工业互联网入侵检测系统的模型训练稳定性和智能化设计水平，还提升了工业互联网系统入侵检测的召回率和F1评分等性能指标。
-
公开(公告)号：CN116109926A
公开(公告)日：2023-05-12
申请号：CN202310041805.X
申请日：2023-01-12
Applicant: 暨南大学
IPC: G06V20/10 , G06V10/764 , G06V10/774 , G06V10/77 , G06V10/80 , G06V10/82 , G06N3/04 , G06N3/086 , G06N3/126
Abstract: 本发明公开了一种融合特征损失和三目标优化的鲁棒合成孔径雷达图像识别系统与方法。构建基于神经网络模型多个隐含层的多特征加权损失函数，对SAR图像识别模型的神经网络架构参数、多特征加权损失函数的权重参数和训练学习率进行个体编码，将SAR图像识别模型的参数数量、对正常样本的识别精度和对对抗样本的识别精度作为优化目标，设计基于三目标优化方法的离线优化平台，获得了用于在线部署的具有轻量化、高精度和强对抗鲁棒性的SAR图像识别模型。本发明技术不仅实现了兼顾多性能指标的SAR图像识别模型自动生成，构建的多特征加权损失函数扩展了SAR图像识别模型的特征组合方式，还提升了模型轻量化、识别精度和对抗鲁棒性等综合性能。
-
公开(公告)号：CN115861804A
公开(公告)日：2023-03-28
申请号：CN202211504977.8
申请日：2022-11-28
Applicant: 暨南大学
IPC: G06V20/10 , G06V10/774 , G06V10/766 , G06N3/006 , G06N3/0475 , G06N3/086
Abstract: 本发明公开了一种基于多目标最优特征归因选择的合成孔径雷达图像对抗样本检测系统与方法。从SAR系统监控数据库中采集历史SAR图像，经过数据规范化与归一化后作为输入数据集，将基于滑动扫描的特征分析过程产生的子样本数量和逻辑回归模型的受试者工作特征曲线下面积作为优化目标，设计基于多目标优化方法的特征扫描块参数优化平台，获得最优的特征归因扫描块和最优回归模型。使用该最优回归模型对SAR系统实时数据库中的实时SAR图像数据进行对抗样本在线检测。本发明技术能根据不同的场景自动获得最佳的特征分析粒度，高效实现了SAR图像识别领域中的多种对抗样本检测，并提升了SAR图像对抗检测的计算效率和AUC性能指标。
-
公开(公告)号：CN118432891A
公开(公告)日：2024-08-02
申请号：CN202410554797.3
申请日：2024-05-07
Applicant: 暨南大学
Abstract: 本发明公开了一种基于聚类组合优化的工控联邦入侵检测后门防御方法和系统，该方法利用现有的多种后门攻击方法产生恶意的更新梯度，与正常的更新梯度作为训练集和测试集；将多种聚类方法的组合方式作为优化变量进行编码，使用训练集对组合方式进行训练，评估该组合方式在测试集上恶意梯度的识别真阳率和真阴率，将其作为优化目标函数，再通过多目标种群演化操作，获得高识别准确率的聚类组合方式，并将其用于工控联邦入侵检测系统中的后门攻击防御策略，从而实现对恶意梯度高效精准的检测。本发明在保障入侵检测系统性能的同时，得到的最优聚类方法组合方案可以准确识别并过滤恶意更新梯度，从而提高了工控联邦入侵检测系统的安全性和鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN116015753A
公开(公告)日：2023-04-25
申请号：CN202211569049.X
申请日：2022-12-08
Applicant: 暨南大学
IPC: H04L9/40 , G06F21/55 , G16Y10/25 , G16Y40/50 , G06N3/045 , G06N3/0464 , G06N3/08 , H04L67/12 , H04L67/01
Abstract: 本发明公开了一种基于神经架构演化联邦学习的工业物联网入侵检测系统及方法。服务端将基于5种神经网络基础模块的联邦学习神经网络架构组合方式进行编码，下发到参与联邦学习的客户端，各客户端对本地IIoT设备的数据进行本地训练，服务端对各客户端模型中间参数聚合和适应度加权平均，通过种群演化操作，获得基于最优神经架构的联邦学习模型，并将其部署在IIoT在线入侵检测系统中，从而实现IIoT高效精准的在线入侵检测。本发明不仅可实现用于IIoT入侵检测的联邦学习模型的优化设计和自动生成，获得了易于在线部署的轻量化联邦学习模型，在保护IIoT设备隐私安全的同时，还提升了IIoT入侵检测的精确率、召回率、F1评分等性能指标。
-
公开(公告)号：CN115661508A
公开(公告)日：2023-01-31
申请号：CN202211164576.2
申请日：2022-09-23
Applicant: 暨南大学
IPC: G06V10/764 , G06V10/776 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于多目标神经网络架构优化的SAR对抗图像检测系统及方法，本发明首先获取来自SAR历史数据库的图像数据集，对其进行数据解析和归一化，将其作为SAR图像检测离线训练模块的输入数据集，基于非支配排序遗传算法的设计神经网络架构优化平台获得针对FUSAR‑ship数据集的轻量级高鲁棒性的神经网络最优架构模型，在实现便于部署的同时，对SAR实时监控地面所产生图像的进行在线识别。本发明不仅可以用于SAR图像检测神经网络架构的自动生成和优化设计，而且在提高复杂SAR图像检测系统的对抗鲁棒性和准确率的同时，降低了SAR识别模型的复杂程度，大大减少了SAR在实现识别模型部署时的所需资源。
-
公开(公告)号：CN116015753B
公开(公告)日：2025-04-25
申请号：CN202211569049.X
申请日：2022-12-08
Applicant: 暨南大学
IPC: H04L9/40 , G06F21/55 , G16Y10/25 , G16Y40/50 , G06N3/045 , G06N3/0464 , G06N3/08 , H04L67/12 , H04L67/01
Abstract: 本发明公开了一种基于神经架构演化联邦学习的工业物联网入侵检测系统及方法。服务端将基于5种神经网络基础模块的联邦学习神经网络架构组合方式进行编码，下发到参与联邦学习的客户端，各客户端对本地IIoT设备的数据进行本地训练，服务端对各客户端模型中间参数聚合和适应度加权平均，通过种群演化操作，获得基于最优神经架构的联邦学习模型，并将其部署在IIoT在线入侵检测系统中，从而实现IIoT高效精准的在线入侵检测。本发明不仅可实现用于IIoT入侵检测的联邦学习模型的优化设计和自动生成，获得了易于在线部署的轻量化联邦学习模型，在保护IIoT设备隐私安全的同时，还提升了IIoT入侵检测的精确率、召回率、F1评分等性能指标。
-
公开(公告)号：CN115412332A
公开(公告)日：2022-11-29
申请号：CN202211026383.0
申请日：2022-08-25
Applicant: 暨南大学
IPC: H04L9/40 , H04L67/12 , G16Y40/50 , G16Y40/20 , G16Y40/10 , G16Y30/10 , G06N3/08 , G06N3/04 , G06N3/00 , G06K9/62
Abstract: 本发明公开了一种基于混合神经网络模型优化的物联网入侵检测系统及方法。从物联网系统历史数据库中采集生成过程的历史监控数据，经过数据解析和归一化后作为物联网入侵检测离线优化模块的输入数据集，设计基于离散粒子群优化技术的混合神经网络模型优化平台，获得物联网入侵检测特征库和混合神经网络最优模型，针对物联网系统实时数据库中的实时监控数据，从而实现物联网入侵检测的在线检测。本发明不仅可实现用于物联网入侵检测系统的混合神经网络模型的自动生成和优化设计，提高了物联网入侵检测系统的智能化设计水平和设计效率，还提升了物联网系统入侵检测的精准率、召回率和F1评分等性能指标。
-
公开(公告)号：CN113591078A
公开(公告)日：2021-11-02
申请号：CN202110886083.9
申请日：2021-08-03
Applicant: 暨南大学
Abstract: 本发明公开了一种基于卷积神经网络架构优化的工控入侵检测系统及方法。从工控系统历史数据库中采集生成过程的历史监控数据，经过数据解析和归一化后作为工控入侵检测离线训练模块的输入数据集，设计基于离散群体演化方法的卷积神经网络架构优化平台，获得工控入侵检测特征库和最优架构的卷积神经网络模型，针对工控系统实时数据库中的实时监控数据，从而实现工控入侵检测的在线检测。本发明不仅可实现用于工控入侵检测系统的卷积神经网络架构的自动生成和优化设计，提高了工控入侵检测系统的智能化设计水平和设计效率，还提升了工控系统入侵检测的精准率、召回率和F1评分等性能指标。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.023 seconds)
