-
公开(公告)号：CN110781406A
公开(公告)日：2020-02-11
申请号：CN201910971152.9
申请日：2019-10-14
Applicant: 西安交通大学
IPC: G06F16/9536 , G06N3/08
Abstract: 一种基于变分自动编码器的社交网络用户多属性推断方法，包括：预处理在线社交网络数据，构建用户属性网络；构建属性推断模型，包括用户变分自动编码器，属性变分自动编码器和判别器，模型将输入数据编码得到用户和属性信息的潜在表示，并通过用户潜在表示重建出补全后的用户属性矩阵；通过对抗训练方式训练模型，使得得到的用户潜在表示中包含更完整属性信息；将待补全的用户属性数据以及用户间好友关系输入模型，输出的用户属性矩阵表示用户拥有不同属性的概率。本发明可用于补全在线社交网络中用户属性数据，从而获得完整的用户画像，所需数据易于获取，计算复杂度低，可在复杂网络中快速推断属性，同时在多数属性预测中准确率非常高。
-
公开(公告)号：CN104966011B
公开(公告)日：2018-07-17
申请号：CN201510324917.1
申请日：2015-06-12
Applicant: 西安交通大学
IPC: G06F21/32
Abstract: 本发明公开了一种移动终端儿童用户的非协作式判断及限制操作权限的方法，利用用户在触摸屏上进行点击或者滑动操作时产生的触控事件序列，分析计算触摸手指宽度和指尖面积、触摸接触面宽度和长度、触摸压力信息，进而判断用户是否为儿童，并限制或恢复相应操作权限。本发明方法的优点在于：操作简单，无需增加任何额外设备；不用使用摄像头，避免了图像信息处理技术会受到环境和生理因素干扰的问题。使用场景更加自然，可在后台自动对当前用户是否为儿童进行识别、而且识别精度高。同时，可以根据判断结果自动限制或恢复用户的部分权限，使用方便、用户体验好。
-
公开(公告)号：CN107065838A
公开(公告)日：2017-08-18
申请号：CN201710415118.4
申请日：2017-06-05
Applicant: 广东顺德西安交通大学研究院
IPC: G05B23/02
CPC classification number: G05B23/0262 , G05B2219/24065
Abstract: 本发明实施例提供的一种基于指令感知和模型响应分析的工控系统攻击检测方法，通过对控制中心发出的控制指令与终端设备收到的控制指令进行一致性检测以及将控制中心发出的控制指令输入预构建的工业控制系统的物理响应模型进行仿真分析获得预期响应结果，将终端设备收到的控制指令输入预构建的工业控制系统的物理响应模型进行仿真分析获得实际响应结果，进行实际响应与预期响应的结果比较与稳定性分析，能快速、有效地检测控制指令是否遭到了恶意篡改，感知终端设备的响应状态的正确性，解决了现有的技术不能有效地检测出工业控制系统网络的安全性的技术问题。此外，本发明还提供了一种基于指令感知和模型响应分析的工控系统攻击检测装置。
-
公开(公告)号：CN104915585A
公开(公告)日：2015-09-16
申请号：CN201510374939.9
申请日：2015-06-30
Applicant: 西安交通大学
IPC: G06F21/31
CPC classification number: G06F21/316
Abstract: 本发明公开了一种基于传感器特征分区建模的触屏设备用户身份监控方法，可利用用户在触屏设备上进行点击操作时产生的传感器数据对用户身份合法性进行静默式的监控，包括：1)触屏设备新、旧判断，如为新设备，进入2)构建身份监控模型；如为旧设备，进入3)身份监控模式；其中，构建身份监控模型是将屏幕区域划分成PxQ个触屏区域块，提取每个触屏区域块内的运动传感器数据特征，建立每个触屏区域块下的身份监控子模型。身份监控模式是在用户触屏过程中，基于观测窗口捕获点击操作产生的运动传感器数据，提取其特征作为该触屏区域块下的身份监控子模型的输入，由阈值比较来实现用户身份的实时监控。
-
公开(公告)号：CN104408341A
公开(公告)日：2015-03-11
申请号：CN201410641806.9
申请日：2014-11-13
Applicant: 西安交通大学
CPC classification number: G06F21/316
Abstract: 本发明公开了一种基于陀螺仪行为特征的智能手机用户身份认证方法，通过分析智能手机用户在触屏操作时所产生的陀螺仪行为数据，根据触屏操作的时间信息提取不同操作事件对应的传感器行为数据，生成传感器行为特征，并基于行为特征建立用户的身份认证模型，对智能手机用户进行身份认证。本发明方法的优点在于：操作简单，无需增加任何额外设备；在不改变用户习惯的基础上使用陀螺仪操作行为描述手机用户在认证过程中体现出的行为特性，以此作为用户身份判定的依据，能够有效防止污迹攻击和观察攻击，具有广泛的安全性和适用性。
-
Patent Agency Ranking
公开(公告)号：CN104331436A
公开(公告)日：2015-02-04
申请号：CN201410571621.5
申请日：2014-10-23
Applicant: 西安交通大学
CPC classification number: G06F21/562 , G06F17/30861
Abstract: 本发明公开了一种基于家族基因码的恶意代码快速归类方法，在多个行为层面上采用行为出现频数对恶意代码行为进行特征表示，基于海量恶意代码样本间的聚集性和差异性生成家族基因码，利用家族基因码与新增恶意代码特征向量的直接匹配实现恶意代码的准确和快速归类。本发明方法的优点在于：从多个行为层面刻画恶意代码的行为信息，利用相似恶意代码间的聚集性和差异性生成家族基因码，显著地提高了对恶意代码家族进行表示的准确性及普适性；同时，采用将恶意代码特征向量与家族基因码直接匹配的方法能够有效地提高恶意代码比对和归类的速度；此外，整个过程的算法均高度自动化，无需人为干预，增加了本方法的稳定性及准确性。
-
公开(公告)号：CN103530540A
公开(公告)日：2014-01-22
申请号：CN201310454565.2
申请日：2013-09-27
Applicant: 西安交通大学
CPC classification number: G06F21/32 , G06F2221/2133
Abstract: 本发明公开了一种基于人机交互行为特征的用户身份属性检测方法，通过分析用户与智能计算系统交互过程中操作人机交互设备（例如鼠标、键盘、触摸屏等）所产生的人机交互行为，提取人机交互行为特征，并基于人机交互特征建立用户的身份属性模板，对用户的身份属性（性别、年龄、种族等）进行检测和判别。本发明方法的优点在于：人机交互行为填补了在智能计算系统中对操作者身份属性进行分析的空白,为计算机及移动网络用户信息感知分析提供了一种全新的思路。此外，本发明可以在用户与智能计算系统交互过程中对用户进行持续的分析，且不会对用户的正常行为产生干扰。
-
公开(公告)号：CN114841316B
公开(公告)日：2025-03-14
申请号：CN202210439506.7
申请日：2022-04-25
Applicant: 西安交通大学
IPC: G06N5/04 , G06N3/0455 , G06N3/044 , G06N3/0475 , G01S19/39
Abstract: 本发明公开了一种基于循环神经网络和差分自编码器的异常轨迹检测方法及系统，包括：对采集到的原始轨迹数据进行分段，获取分段后的轨迹数据；将目标地图划分为若干个网格，对分段后的轨迹数据进行离散化处理，获取离散化轨迹数据；对离散化轨迹数据进行划分，获取训练集和测试集；基于循环神经网络和差分自编码器，构建异常轨迹检测模型；将训练集输入到异常轨迹检测模型中进行训练，获取最优化的异常轨迹检测模型；将测试集输入到最优化的异常轨迹检测模型中，获取轨迹的异常分数；基于异常分数，判断轨迹是否异常。本发明能够通过生成模型对车辆的轨迹信息进行编码，探索轨迹异常在潜在空间中的表现形式，并对异常进行判别，提高检测的准确性。
-
公开(公告)号：CN118761451A
公开(公告)日：2024-10-11
申请号：CN202410880410.3
申请日：2024-07-02
Applicant: 西安交通大学
IPC: G06N3/084 , G06V10/774 , G06V10/82
Abstract: 本发明属于机器学习领域，公开了一种深度神经网络模型增量学习方法、图像处理方法及装置，包括获取深度神经网络模型和训练数据，并采用训练数据对深度神经网络模型进行过程增量学习训练，得到过程增量学习模型；其中，训练数据包括原始训练数据和增量训练数据；获取增量训练数据在深度神经网络模型和过程增量学习模型上的预测相似度，并根据预测相似度将增量训练数据中预测相似度小于预测相似度阈值的增量训练数据划分为重要样本，其余增量训练数据划分为常规样本；遍历增量训练数据，采用重要样本对过程增量学习模型进行Dropout训练，并采用常规样本对过程增量学习模型进行正常训练，得到增量学习模型。克服了现有的增量学习方法导致深度神经网络模型公平性性能下降较为严重，从而很难应用到实际场景中的缺陷，提升增量学习模型的公平性和准确性。
-
公开(公告)号：CN118502941A
公开(公告)日：2024-08-16
申请号：CN202410640872.8
申请日：2024-05-22
Applicant: 西安交通大学
IPC: G06F9/50 , G06N20/20 , G06N3/096 , G06N3/045 , G06F18/214
Abstract: 本发明涉及云际计算管理领域，具体涉及一种基于联邦学习的云际资源需求负载预测方法、系统、设备及存储介质。包括：根据不同云服务商的真实资源需求负载数据，通过时域感知特征校准方法生成各自对应的虚拟资源需求负载数据集；根据不同云服务商的虚拟资源需求负载数据集，生成对应的公共本地模型，将所有公共模型参与全局模型联邦学习训练，完成全局模型聚合；本发明利用基于真实资源需求负载数据生成的虚拟资源需求负载数据集进行联邦学习训练，在确保各个云服务商原始数据隐私安全的同时，解决了不同云服务商之间资源需求负载数据异构的问题。
-
-
-
-
-
-
-
-
-
Search Results
131
records
(took 0.028 seconds)
