-
公开(公告)号：CN118433120A
公开(公告)日：2024-08-02
申请号：CN202410508801.2
申请日：2024-04-26
Applicant: 哈尔滨工程大学
IPC: H04L47/2441 , G06F18/2433 , G06F18/27 , G06F18/15 , G06N5/01 , G06N3/0442 , H04L41/16
Abstract: 本发明属于网络安全技术领域，具体涉及一种面向Tor网络的基于分割点划分和分段检测的多网页流量识别系统、方法、程序、设备及存储介质。本发明通过定位多页面流量的交叉点拆分出干净的单页流量，并通过设置多个分类器对单页面流量的多个区段进行独立识别，实现多网页流量的高效识别。本发明可以识别多页面混合流量中的非重叠部分，并能够基于非重叠的不完整干净流量识别出其原本所属的网页。本发明通过提高分割点的识别准确率增强了Tor复杂背景流量下的网页识别能力，对于缺失头部和尾部的流量均具有较高的识别准确率，可应用于流量测量、应用性能评估及恶意流量检测等领域。
-
公开(公告)号：CN118433119A
公开(公告)日：2024-08-02
申请号：CN202410508794.6
申请日：2024-04-26
Applicant: 哈尔滨工程大学
IPC: H04L47/2441 , H04L41/16 , G06F18/2415 , G06F18/2431 , G06N3/045 , G06N3/0442 , G06N3/0464 , G06N3/084
Abstract: 本发明属于网络流量分类技术领域，具体涉及一种基于卷积神经网络的单向流量分类系统、方法、程序、设备及存储介质。本发明在多威胁模型适应性、基于深度学习的流量分类、模型训练和修正算法以及广泛适用性等方面，通过考虑本地攻击者和远程攻击者的位置差异和数据包收集能力，使得该方法更具适应性。采用卷积神经网络技术，构建基于Softmax的移动应用程序流量分类模型，实现对应用程序流量的有效分类，模型训练和修正算法提高了模型的鲁棒性和准确性。
-
公开(公告)号：CN118349633A
公开(公告)日：2024-07-16
申请号：CN202410508789.5
申请日：2024-04-26
Applicant: 哈尔滨工程大学
IPC: G06F16/33 , G06F16/35 , G06F40/30 , G06F40/289 , G06F18/24 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明提供的是一种多约束引导的中文谣言对抗样本生成方法、系统及存储介质。本发明通过通过对中文文本的视觉相似度和语义相似度进行约束从而获得具有良好可读性的对抗样本。本发明在对深度神经网络的攻击中不但拥有极高的攻击成功率，且保留了对抗样本的语义信息，保证了对抗样本阅读的流畅性。约束对抗样本的语义相似度可以保证人类在阅读对抗样本时能获取到原始样本的语义信息。约束对抗样本的视觉相似度，可以降低人们在快速阅读中发现原始样本被篡改的几率。这些都是在对抗样本生成时不能被忽略的关键要素。本发明生成的对抗样本在定向和非定向攻击中均有较高的攻击成功率，广泛应用于自然语言处理、文本分类、文本审查、文本翻译等领域。
-
公开(公告)号：CN118296597A
公开(公告)日：2024-07-05
申请号：CN202410508819.2
申请日：2024-04-26
Applicant: 哈尔滨工程大学
IPC: G06F21/55 , G06V10/764 , G06N20/00
Abstract: 本发明属于联邦学习技术领域，具体涉及一种基于可学习触发器的联邦学习后门攻击方法、程序、设备及存储介质。本发明包括创建恶意客户端本地训练任务；根据全局模型副本和目标类小样本集生成可学习的触发器；可学习触发器注入本地数据，在训练过程中将后门植入本地模型；通过聚合器平均模型更新，将后门信息转递至全局模型中，使全局模型在正常工作的同时具有后门效应；在推理阶段，增强触发器触发强度，提高攻击性能的同时不影响攻击的隐蔽性。本发明提出的后门攻击方法具有良好的隐蔽性，生成用于触发后门攻击的可学习触发器具有良好的不可见性，使后门攻击在联邦学习范式中拥有较高的攻击成功率，并长时间维持。
-
公开(公告)号：CN118296248A
公开(公告)日：2024-07-05
申请号：CN202410508781.9
申请日：2024-04-26
Applicant: 哈尔滨工程大学
IPC: G06F16/9536 , G06Q50/00 , G06N5/02 , G06N5/04
Abstract: 本发明公开了一种基于反事实推理的社交网络知识感知推荐方法、系统及存储介质。本发明所述的系统包括反事实数据生成装置、数据筛选装置、奖赏反馈装置、推荐装置。所述的方法将反事实推理引入到基于知识图谱的知识感知推荐系统中，利用知识图谱中的项目特征信息生成更多元化的反事实数据，将反事实推理从顺序推荐任务推广到更广泛的应用场景中，通过减轻知识感知推荐系统中虚假相关性的影响，同时作为一种数据增强方法缓解数据稀疏问题，使模型达到更优的效果，可广泛应用于社交网络场景下数据推荐等应用领域。
-
Patent Agency Ranking
公开(公告)号：CN118233080A
公开(公告)日：2024-06-21
申请号：CN202410508785.7
申请日：2024-04-26
Applicant: 哈尔滨工程大学
Abstract: 本发明提供的是一种面向社交网络安全外包的数据隐私加密保护方法、系统及存储介质。本发明所述的系统包括密钥转发与数据处理装置、密钥生成装置、任务加密装置与结果解密装置。所述的方法通过一种多素数CRT加速的Paillier同态加密的安全外包计算方案，能够有效将数据加密外包至具备高计算能力的云计算中心进行计算分析，解决了采用本地入侵检测服务器由于计算性能低导致无法应对大量数据计算以及现有外包加密方案效率较低的问题。本发明相比原始Paillier加密算法以及基于其他加密算法的外包计算方案有着更高的安全性和加解密效率，尤其是当素数为4时，本协议相对于传统Paillier加密算法能够提升60％的加解密效率，有效的解决了对数据加解密而产生的额外时间开销。
-
公开(公告)号：CN111898039B
公开(公告)日：2023-12-19
申请号：CN202010636070.1
申请日：2020-07-03
Applicant: 哈尔滨工程大学
IPC: G06F16/9536 , G06Q50/00
Abstract: 本发明属于信息检索技术领域，具体涉及一种融合隐藏关系的属性社区搜索方法。本发明提供了一个能够提取社交网络结构和属性信息的堆栈式自编码器模型，主要针对现有的社区搜索算法没有考虑结点之间隐藏关系的问题，提出了新的优化方法。本发明能够有效地发现社区中的隐藏关系，通过预测社区中心增大了搜索社区的准确率，使得搜索的社区具有更好的鲁棒性和扩展性。
-
公开(公告)号：CN112101996B
公开(公告)日：2023-10-17
申请号：CN202010959783.1
申请日：2020-09-14
Applicant: 哈尔滨工程大学
IPC: G06Q30/0242 , G06Q50/00 , G06F16/29
Abstract: 本发明属于社交网络动态影响力最大化技术领域，具体涉及一种基于区域的社交网络动态影响力最大化方法。本发明具有NP难特性和单调子模性。本发明首先采用了四叉树保存节点位置信息，在选取目标区域后，通过四叉树中的存储信息对节点进行筛选。然后，对相应区域的节点生成相应的元组，元组中包含目标节点，目标节点的坐标，目标节点与其他节点之间的传播关系函数，以及生成的草图，草图中的每一个节点都能到达目标节点。当目标区域中节点的位置信息发生改变时，可以实时更新元组。最后，计算出目标区域中的种子节点，并进行影响力的扩散。本发明提出的一种基于区域的社交网络动态影响力最大化方法在运行效率和准确率上高于现有的影响力算法。
-
公开(公告)号：CN112100241B
公开(公告)日：2023-07-25
申请号：CN202010959772.3
申请日：2020-09-14
Applicant: 哈尔滨工程大学
Abstract: 本发明属于社交网络影响力最大化技术领域，具体涉及一种基于主题的社交网络动态影响力最大化方法。本发明在基于主题的传播模型下具有NP难特性以及函数的单调子模性。本发明首先根据目标主题对数据集进行筛选，然后使用元组对节点的主题信息，主题向量进行存储，选取出种子节点，并通过主题传播模型进行影响力传播。当筛选后的集合内的节点以及节点的主题发生变化时，实时更新元组，确保能够选出最具有代表性的种子节点。本发明提出的一种基于主题的社交网络动态影响力最大化方法在效率性和准确性优势明显。
-
公开(公告)号：CN109918947B
公开(公告)日：2023-06-09
申请号：CN201910194194.6
申请日：2019-03-14
Applicant: 哈尔滨工程大学
IPC: G06F21/62 , G06F16/901
Abstract: 本发明属于社交网络信息发布的安全领域，具体涉及一种基于社交网络组合度‑邻域标签匹配攻击的敏感标签保护方法。包括输入图G(A,B)＝(GA,GB,Γ)；广度优先遍历构建组图标签泛化树，生成携带二级敏感泛化标签的中间量；求取相似性对所有顶点进行聚类；将顶点v1,...,vl的标签邻域同化，主要同化步骤有边连接、标签合并、添加噪声点；根据组图标签匹配结果对敏感标签进行高级别泛化；返回匿名组图本发明使在单社交网络数据中针对组合度‑邻域标签产生的敏感标签具有L多样性的组图中，避免了通过组图候选结果集合再匹配对目标顶点敏感标签进行唯一性识别，使得根据任意组合度‑邻域标签匹配获得的顶点所携带的敏感标签的多样性不小于L，应用前景广泛。
-
-
-
-
-
-
-
-
-
Search Results
264
records
(took 0.043 seconds)
