一种基于Transformer的智能合约漏洞检测方法

    公开(公告)号:CN116340947A

    公开(公告)日:2023-06-27

    申请号:CN202211598190.2

    申请日:2022-12-12

    Abstract: 本发明请求保护一种基于Transformer的智能合约漏洞检测方法,包括以下:(1)通过以太坊浏览器收集了大量智能合约数据,并经过人工和工具扫描标注漏洞标签构建原始数据集;(2)在数据预处理阶段,将所收集的智能合约源码编译转换为操作码序列;(3)针对原始操作码移除操作数抽象操作码,降低模型训练的难度;(4)利用word2vec模型,将预处理后的操作码进行训练,训练之后获得特定操作码的词向量表示,获得操作码之间的关联性;(5)利用Transformer模型训练智能合约漏洞检测模型;(6)使用模型进行智能合约漏洞检测。本发明能够自动学习潜在的智能合约漏洞特征或表示,解决了传统神经网络模型无法处理智能合约长序列文本的问题,实现对智能合约漏洞自动化分析。

    一种在联盟区块链中基于扩展型可信认证的瑞波共识方法

    公开(公告)号:CN111030993B

    公开(公告)日:2022-05-03

    申请号:CN201911093311.6

    申请日:2019-11-11

    Abstract: 本发明请求保护一种基于联盟区块链中扩展型可信认证瑞波共识方法,通过设立监管节点向投票节点颁发数字证书,利用数字证书替换唯一节点列表(Unique Node List,UNL),对活跃可信节点与所有新增节点的延迟测试,将延迟测试中可容忍时间段内的新节点加入到区块链中。该算法模型在一定程度上解决了瑞波共识算法在增删节点困难的问题,以牺牲通信代价为前提的条件下,增强了瑞波共识算法应用于联盟区块链的可扩展性,提升了算法的总吞吐量。由于瑞波共识算法所需达成共识的时间较短,时延差在毫秒级范围内,可适用于大部分扩展性环境下的物联网应用场景。

    一种基于犹豫模糊语言术语集的污水处理厂选址方法

    公开(公告)号:CN112465337A

    公开(公告)日:2021-03-09

    申请号:CN202011337122.1

    申请日:2020-11-25

    Abstract: 本发明涉及决策支持与决策理论领域,特别涉及一种基于犹豫模糊语言术语集的污水处理厂选址方法,包括获取污水厂的备选厂址,专家组至少对建设投资成本、相关规划、相关法律法规以及自然因素方面对备选厂址进行评价;采用经典7值语言术语集作为语言术语集,并根据专家组的评价构建语言决策矩阵;正向化语言决策矩阵,并确定正理想值和负理想值;确定每个备选厂址与正理想值和负理想值之间的距离,并根据该距离计算得到每个备选厂址的综合评价指数,将综合评价指数最高的推荐给用户;本发明有效避免了评价信息丢失,使得评价更加符合决策者的本意,提高评价结果的精度。

    一种基于区块链的供应链物流数据安全共享方法

    公开(公告)号:CN112417519A

    公开(公告)日:2021-02-26

    申请号:CN202011333435.X

    申请日:2020-11-25

    Abstract: 本发明属于供应链物流领域,尤其涉及一种基于区块链的供应链物流数据安全共享方法,包括策略属性基加密的初始化,由Fabric‑CA中心产生用户证书以及带有用户属性的用户解密密钥;将供应链物流数据指定时间和指定区域的访问策略进行加密,然后打包上传至区块链中;数据成功上链后,数据请求者可以根据地址对想要的数据进行请求,通过验证共享请求是否满足约束条件来限制数据请求者的身份若验证通过,则可以进行数据共享,否则,将拒绝此次访问请求;本发明可以通过该方法来有效解决对完整的供应链物流信息进行保护,从而实现用户的供应链物流数据的隐私性。

    基于核聚类特征选择的Hadoop配置参数选择方法

    公开(公告)号:CN111522632A

    公开(公告)日:2020-08-11

    申请号:CN202010290249.6

    申请日:2020-04-14

    Abstract: 本发明属于分布式处理系统技术领域,特别涉及一种基于核聚类特征选择的Hadoop配置参数选择方法,包括采集Hadoop平台不同配置参数的数据集;建立表示Hadoop平台配置参数的向量模型,用核宽向量表示该向量模型;基于所述核宽向量建立能反应配置参数重要性的核函数;执行核聚类算法形成聚类集合;利用梯度下降算法更新表示聚类集合中样本配置参数的核宽向量v,若v中的元素小于预先设置的阈值则将该元素删除;若相邻两时刻的核宽向量对应的配置参数集合一致则输出此时核宽向量中对应的配置参数的集合;本发明可以选择出系统中较少的重要配置参数,以减少分布式处理系统中平台管理人员的维护工作量。

    一种基于随机数映射的区块链共识方法

    公开(公告)号:CN111078787A

    公开(公告)日:2020-04-28

    申请号:CN201911093335.1

    申请日:2019-11-11

    Abstract: 本发明请求保护一种基于随机数映射的区块链共识方法,用于高效、公正的选取记账节点,算法包含监督节点的选取,均匀分布随机数的产生与计算,记账节点的选取这三个步骤;所述监督节点负责计算链上每个参与记账的节点产生的随机数,然后选出记账节点,随后向其他节点发送广播,公布哪个节点是下一个记账节点;所述均匀分布随机数的计算结果对应参与记账的节点的id,即为下一个记账节点的id;所述记账节点负责链上数据的记录与维护;本发明基于随机数映射,对传统共识算法中记账人的选取方式进行改进,提出一种基于随机数映射的共识机制,能够更加高效、更加公正的选取记账节点,改善现在区块链中的社会分层现象,大幅度提高共识效率,抵制中心化的趋势。

    一种面向混合属性的移动用户动态模糊聚类方法

    公开(公告)号:CN108388911A

    公开(公告)日:2018-08-10

    申请号:CN201810090695.5

    申请日:2018-01-30

    Abstract: 本发明提出一种面向混合属性的移动用户动态模糊聚类方法,该方法分析移动用户行为属性,从而实现用户的动态分群。首先按照用户属性比例初步计算模糊聚类时用户各类属性权重,进一步通过定义用户行为相似度指标来衡量用户间的相似度,通过用户平均隶属度阀值作为指标来确定是否需要增加新的群组。使用本文的方法解决模糊K-Prototypes算法的分类权重属性系数不易确定的问题,且通过采用Jaccard距离度量特殊标型变量之间的距离。通过定义用户行为相似度指标描述用户间的行为相似度,然后计算用户平均隶属度,用户平均隶属度较小说明这些用户不适合划分到现有群组,需要增加新的群组,从而实现用户的动态分群。

    一种基于社会化卷积矩阵分解的文档上下文感知推荐方法

    公开(公告)号:CN108287904A

    公开(公告)日:2018-07-17

    申请号:CN201810076808.6

    申请日:2018-05-09

    Abstract: 本发明公开了一种基于社会化卷积矩阵分解的文档上下文感知推荐方法,该方法首先利用卷积神经网络(CNN)捕获物品描述文档的上下文信息,并将获得的上下文特征向量和高斯噪声一起作为项目的潜在向量;然后利用用户的兴趣爱好更容易受到其所信任的朋友的影响(具有直接链接关系)的特点,通过计算其好友的潜在特征向量的平均值来确定目标用户的潜在特征向量;最后根据用户和项目的联合概率分布函数预测出用户对项目的评分信息。该方法以概率的角度将CNN无缝集成到基于矩阵分解技术的社会化推荐(SocialMF)中,这使得它能在学习过程中进一步识别出与目标用户具有信任关系并且兴趣比较接近的朋友,从而达到优化推荐结果的目的。

    一种使用引导型搜索的网页木马检测系统及方法

    公开(公告)号:CN108229166A

    公开(公告)日:2018-06-29

    申请号:CN201711291684.5

    申请日:2017-12-08

    Abstract: 本发明请求保护一种使用引导型搜索的网页木马(挂马网页)检测方法。该方法主要由两个部分构成,分为外围程序部分和核心组件部分。外围程序使用网络爬虫程序从互联网中下载网页,通过一个弱过滤器程序过滤掉明显无害的网页,并将结果输入网页检测程序。网页检测程序将挂马网页分类出来,存入数据库,形成挂马网页黑名单,并将一部分送至核心组件部分分析。核心组件包括数个特征分析组件和搜索引擎工具。特征分析组件分析出输入的挂马网页的特征,并通过使用这些特征引导搜索引擎搜索并下载相似的网页。通过这种引导搜索下载的方式,所获取的网页中,挂马网页的比例会有显著提高。引导搜索下载的网页直接提交至网页检测程序分析,从而在较短的时间内找到大量挂马网页,提高检测的效率。

    基于移动应用使用行为的用户分群聚类方法

    公开(公告)号:CN107704868A

    公开(公告)日:2018-02-16

    申请号:CN201710756048.9

    申请日:2017-08-29

    Abstract: 本发明提出一种基于移动应用使用行为的用户分群聚类方法,将SOM和Kmeans聚类算法相结合用于移动手机用户分群。该方法首先构建移动用户移动应用适用行为分析体系,将SOM和Kmeans方法相结合,对用户的移动应用上网行为进行分析,从而达到移动手机用户分群的目的。使用SOM-Kmeans两段式聚类分析,综合了SOM算法计算简单且包容性好和Kmeans算法对数据集数量要求不高的优点,同时弥补SOM算法训练时间长,解决Kmeans算法初始值K难以确定的缺点。在以移动手机用户使用偏好矩阵为分析数据的移动手机用户聚类中,能在较短的时间内得到比较好的细分结果。

Patent Agency Ranking