-
公开(公告)号：CN114666681B
公开(公告)日：2024-05-10
申请号：CN202210277734.9
申请日：2022-03-21
Applicant: 厦门大学
Abstract: 本发明公开了一种有状态的带内网络遥测方法及系统(Stateful In‑band Network Telemetry，SF‑INT)，包括：定义了SF‑INT的指令头，其中包含了SF‑INT特有的新字段；网络节点使用自身寄存器分布式地存储INT状态信息，并结合到达的INT报头信息进行处理和转发，其正常转发的元数据堆栈大小是不变的；网络监控系统(NMS)计算所收到的多个INT报头，可获得完整的网络遥测结果；网络节点在紧急情况下可即时无缝地切换到现行INT协议，NMS能正确识别此情况并做相应计算。与无状态的现行INT协议相比，本发明的有状态INT既能满足网络遥测需求，又通过大幅度减少业务包所携带的INT元数据来节约互联网带宽。
-
公开(公告)号：CN113641935A
公开(公告)日：2021-11-12
申请号：CN202110924601.1
申请日：2021-08-12
Applicant: 厦门大学
IPC: G06F16/958 , G06N20/00
Abstract: 本发明公开了一种利用数据增强提高匿名网络网页指纹监控能力的方法，包括：收集预设数量的网络流量；对每一条收集到的网络流量应用预设次三种数据包增强操作，以将每一条网络流量生成多条不同的网络流量；所述三种数据包增强操作包括插入操作(Injecting)、移除操作(Removing)和丢失操作(Losing)；使用增强后的网络流量数据集对分类器进行训练；监控者监听并捕获用户的网络流量，并利用训练好的分类器实现网页指纹识别。本发明通过三个增强操作模拟了真实互联网环境下可能出现的网络异常情况，具有现实意义；限制收集的网络流量在一定程度上解决了网页指纹识别中出现的可复制性困难和引导时间过长的问题。
-
公开(公告)号：CN113037709A
公开(公告)日：2021-06-25
申请号：CN202110144506.X
申请日：2021-02-02
Applicant: 厦门大学
Abstract: 本发明涉及一种针对匿名网络的多标签浏览的网页指纹监控方法，适用于多个标签网页浏览的现实场景，同时兼容单标签网页浏览的特殊场景。本发明利用网页指纹识别技术，首先对多标签的网页流量进行基于块的最优分割，然后对分割后的标签网页流量进行准确的网页识别，即可监控在多标签情景下通过匿名网络浏览网页的行为。本发明以数据块而不是数据包为分割粒度来划分不同标签网页的网页流量，提升了分割的效率和网页识别的准确率，也体现了一定的鲁棒性。本发明使用同一个CNN分类器判定多标签浏览行为和分割每个标签网页流量，然后使用两个CNN分类器识别多个标签网页；本发明执行过程中，无需人工调整参数，CNN分类器训练快速收敛，且具有鲁棒性。
-
公开(公告)号：CN105184220B
公开(公告)日：2018-06-29
申请号：CN201510469274.X
申请日：2015-08-04
Applicant: 厦门大学
Abstract: 基于GPU的交替霍夫森林实时目标跟踪方法。1)依据待测试的视频序列，提取训练样本集；2)设定交替霍夫森林中随机树数量和森林最大深度；3)对训练样本赋予不同权值；4)初始化每棵随机树的根节点；5)构建交替霍夫森林；6)在节点分裂时采用分裂策略；7)将交替霍夫森林拷入GPU的纹理内存中；8)手工确定视频中第一帧图像的目标区域和中心，并设定搜索半径；9)在GPU中利用构建好的交替霍夫森林对后续帧进行检测，得到关于目标中心位置的置信图；10)将置信图拷入CPU内存中；11)利用置信图并结合上一帧图像的目标区域和中心确定当前帧中目标的位置；12)重复步骤9和10，直到完成对视频序列中所有帧的目标跟踪。
-
公开(公告)号：CN107818298A
公开(公告)日：2018-03-20
申请号：CN201710886434.X
申请日：2017-09-27
Applicant: 厦门大学
Abstract: 用于机器学习物质识别算法的通用拉曼光谱特征提取方法，涉及拉曼光谱。谱图自动预处理；获取谱图的特征向量。可以对任意指定范围的拉曼光谱进行特征提取，所提取的特征向量适用于多种机器学习算法，通用性强，不受目标物质或测试体系的限制；可以自动去除噪声和荧光背景的干扰，同时保留峰值信号的位置和强度等信息；可以有效识别包含各种目标物质的光谱；可以准确提取空白光谱特征，有效识别和准确区分阴性和阳性样品，更好的满足物质检测的实际需求；提取方法不涉及复杂计算，而且对存储空间需求不大，因此时间和空间复杂度低，便于运用于光谱数据的批量处理和分析。
-
Patent Agency Ranking
公开(公告)号：CN117880166A
公开(公告)日：2024-04-12
申请号：CN202410090220.1
申请日：2024-01-22
Applicant: 厦门大学
IPC: H04L45/00 , H04L45/745 , H04L45/12
Abstract: 本发明公开了一种SRv6网络(Segment Routing IPv6)中带内网络遥测(Inband Network Telemetry)的实现方法，包括：定义SRv6端节点指令End.INT和End.INT.SINK，通过SRv6网络编程实现INT功能；使用SRv6中段列表指定INT遥测路径，覆盖关键的网络节点；SID(Segment ID)中携带有End.INT和End.INT.SINK指令时，将遥测的元数据信息直接存储于段路由扩展报文头。本发明与现有的INT+SRv6结合方案不同，不再设INT为独立报头，而是将INT作为SRv6新功能，在关键节点的SID中使用End.INT和End.INT.SINK指令进行带内网络遥测，减少报头开销，进而减轻网络设备负担且缩短时延；网络管理者不但能指定遥测路径，还能灵活地实现按需遥测(而非沿途所有节点)，可减少报头中的遥测元数据，进一步减少报头开销；充分发挥SRv6网络编程的能力，实现了INT的功能化、精细化和轻量化。
-
公开(公告)号：CN117834469A
公开(公告)日：2024-04-05
申请号：CN202410096852.9
申请日：2024-01-24
Applicant: 厦门大学
IPC: H04L43/062 , H04L47/56 , H04L47/431 , H04L47/127 , H04L47/11
Abstract: 一种基于遥测元数据重组的全网遥测方法，涉及网络通信技术领域。全网遥测收集特定范围内所有网络节点的遥测元数据，INT收集器将多个连续数据包的INT遥测报告构建一个数据集；设计遥测元数据重组TMR算法：将INT遥测报告中的遥测元数据基于收集的时间和地点进行重组，形成覆盖所有网络节点的TMR遥测报告；经TMR算法处理获得的一系列TMR遥测报告存入结果集，形成准确的全网视图。本发明能更准确地反映网络各节点的性能指标，其性能不受转发路径长度影响，有利于网络拥塞识别和故障检测等应用。
-
公开(公告)号：CN117809045A
公开(公告)日：2024-04-02
申请号：CN202410011620.9
申请日：2024-01-03
Applicant: 厦门大学
IPC: G06V10/30 , G06V10/82 , G06N3/09 , G06N3/0464 , G06N3/048
Abstract: 本发明公开了一种基于自监督的单张图像去噪方法、装置及可读介质，该方法包括：获取待去噪的单张图像，基于待去噪的单张图像构建训练数据；构建基于卷积神经网络的图像去噪模型，基于总损失函数采用训练数据对图像去噪模型进行训练，直至总损失函数收敛，得到经训练的图像去噪模型，总损失函数为均方差损失函数和L2正则化损失函数之和；将待去噪的单张图像输入经训练的图像去噪模型，得到去噪后的图像。其适用范围宽广，不论是不同信噪比的谱图去噪或者是不同背景干扰下的谱图去噪中均展现出了良好的性能，可作为谱图分析的必要前置步骤进行使用。并且将其应用于照片图像的去噪中，依旧展现出了出色的性能。
-
公开(公告)号：CN113642629B
公开(公告)日：2023-12-08
申请号：CN202110909855.6
申请日：2021-08-09
Applicant: 厦门大学
IPC: G06V10/774 , G06V10/764 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于谱学分析的随机森林可视化方法及装置，通过数据增强手段获得更多的训练集，对随机森林模型进行训练。再通过统计随机森林模型决策树上分支节点的基尼系数对特征重要度进行统计排序，并将特征重要度向量与颜色图关联，建立特征重要度向量与颜色图上不同的颜色之间的对应关系，得到颜色图向量；将目标物的谱图作为轮廓，以颜色图向量对轮廓内部进行填充，实现可视化作图。本方法可对随机森林模型中所利用的特征进行溯源，增强模型的可解释性，同时还可以据此对建模方案进行调整，实现模型的进一步优化，对利用随机森林实现快速准确的定性分析具有支撑作用。
-
公开(公告)号：CN113378680B
公开(公告)日：2022-06-28
申请号：CN202110610390.4
申请日：2021-06-01
Applicant: 厦门大学 , 厦门市普识纳米科技有限公司
Abstract: 本发明提出一种拉曼光谱数据的智能建库方法，首先利用小波变换将原始拉曼光谱的一维序列信号变换为小波空间中的二维信号，然后输入生成对抗网络进行训练。生成对抗网络包括一个生成模型和一个判别模型，以两个模型对抗的形式训练；前者输入随机生成的向量产生生成光谱(二维格式)，后者输入原始光谱和生成光谱(二维格式)并判断输入是否为原始光谱。生成对抗网络的训练完成后，利用其中的生成模型产生大量的与原始光谱相似的生成光谱(二维格式)，并与原始光谱联合建立光谱数据库。该数据库以二维信号格式来存储光谱数据。本发明的方法解决了将深度学习应用于拉曼光谱分析领域时所面临的光谱数据采集难、成本高和耗时长等问题，推动了深度学习方法在光谱分析应用的落地。
-
-
-
-
-
-
-
-
-
Search Results
41
records
(took 0.019 seconds)
