-
公开(公告)号：CN110031798A
公开(公告)日：2019-07-19
申请号：CN201910300089.6
申请日：2019-04-15
Applicant: 哈尔滨工程大学
IPC: G01S5/02
Abstract: 本发明属于室内跟踪领域，具体涉及一种基于简化Sage-Husa自适应滤波的室内目标跟踪方法；包括在普通系统方程的基础上建立本跟踪系统的系统方程；预测阶段：在不利用观测值的前提下，目标估计当前时刻状态；更新阶段：利用观测值更新估计状态；噪声估计阶段：利用Sage-Husa自适应滤波的时变噪声统计估值器对系统噪声统计特征和实时修正；重复步骤2至步骤4，直至结束跟踪。相比于传统卡尔曼滤波，当目标的运动状态不确定或者运动状态发生突变时，本发明提出的基于简化的Sage-Husa自适应滤波的跟踪算法在卡尔曼滤波的基础上引入了时变噪声统计估值器，可以实时校正系统噪声，使得系统方程更加符合实际情况，能提升滤波精度并且抑制滤波发散，应用前景广阔。
-
公开(公告)号：CN109905399A
公开(公告)日：2019-06-18
申请号：CN201910194180.4
申请日：2019-03-14
Applicant: 哈尔滨工程大学
Abstract: 本发明属于社交媒体异常用户检测的安全领域，具体涉及一种基于自我网络结构演化的社交媒体个体异常用户检测方法。包括比较快照GT-1和GT来识别时变分量；基于时变分量构建可疑异常节点集合SAN-Set(T)；对于SAN-Set(T)中的每个节点vi，构建核心网Core-netT-1(vi)和Core-netT(vi)；对于SAN-Set(T)中的每个节点vi，求出异常分数Outlying-Score(vi)，并按照异常分数大小进行排序；输出前n个最大的异常分数。本发明针对社交媒体中个体用户发生异常行为的场景，在现有IcLEOD方法的基础上提出一种改进的基于有向图的增量局部演化异常检测方法Db-IcLEOD，改进后的方法可以用于处理基于有向图的社交媒体用户交互状态网络，将用户交互的方向性考虑在内，通过此改进只有与可疑异常节点进行双向交互的节点才会被划进其核心网，从而避免原方法的异常误报。
-
公开(公告)号：CN109658655A
公开(公告)日：2019-04-19
申请号：CN201910036683.9
申请日：2019-01-15
Applicant: 哈尔滨工程大学
IPC: G08B13/196
Abstract: 本发明提出了一种基于无线信号的室内被动入侵检测方法，属于无线定位技术领域。本发明提出的方法包括数据采集、数据预处理、特征提取、人体检测和结果处理五个模块，接收机获取信道状态信息，通过滑动窗口提取子载波的振幅信息，使用插值方法对其进行采样频率校准，对子载波的振幅信息构成的矩阵降维处理后进行低通滤波，之后进行连续小波变换，并计算小波系数的小波方差，将其作为特征；在人体检测的训练阶段从采集的数据中选取足够的数据作为训练集，对分类器进行训练；在人体检测的检测阶段，使用分类器对经前述步骤处理的数据进行识别，确定是否有人，并进行修正。该方法从频域的角度提取人体移动时的周期性特征，降低了对环境的依赖性。
-
公开(公告)号：CN109067612A
公开(公告)日：2018-12-21
申请号：CN201810769817.3
申请日：2018-07-13
Applicant: 哈尔滨工程大学
CPC classification number: H04L43/026 , G06K9/6223 , H04L43/028 , H04L43/062
Abstract: 本发明属于网络技术领域，具体涉及一种基于增量聚类算法的在线流量识别方法。包括离线识别阶段和在线识别阶段，离线识别阶段将预先准备的训练数据集使用基于改进K均值算法的半监督学习流量算法进行初步的聚类和映射工作，得到初步分类完成的数据集；在线识别阶段基于离线识别阶段所形成的已完成聚类和映射的数据集，对在线新加入的数据流进行增量聚类来判断其网络应用类型，从而达到流量识别的目的。本方法基于机器学习技术，通过构建合适的识别模型对预先准备的数据进行学习，可以实时对在线流量进行增量聚类，结合预先准备的训练集进行初步的半监督分类，可以实现网络流量的在线识别，具有良好的实时性和较高的识别率。
-
公开(公告)号：CN119271905A
公开(公告)日：2025-01-07
申请号：CN202411301431.1
申请日：2024-09-18
Applicant: 哈尔滨工程大学
IPC: G06F16/9536 , G06Q50/00
Abstract: 本发明提供的是一种嵌入偏好增强的社区搜索方法、系统、程序及存储介质。本发明所述的系统包括社交网络节点嵌入装置、社区搜索装置、随机游走序列获取装置、系统控制装置。所述的方法动态通过嵌入学习和社区搜索相结合，利用Check2Vec模型学习节点嵌入，提高了对签入信息的建模能力，并在社区搜索中综合考虑节点属性和签入信息，以获取更准确的用户‑位置二分社区。本发明的优点在于：具有多模态信息整合、适用于多数据域、灵活调节性等优点，为提高社区搜索效果和个性化程度提供了有力手段。
-
Patent Agency Ranking
公开(公告)号：CN119227749A
公开(公告)日：2024-12-31
申请号：CN202411384514.1
申请日：2024-09-30
Applicant: 哈尔滨工程大学
IPC: G06N3/0475 , G06N3/094 , G06N3/098 , G06F21/56 , G06V10/82
Abstract: 本发明属于工业互联网安全技术领域，具体涉及基于标签和特征协同扰动的联邦学习数据中毒攻击方法、程序、设备及存储介质。本发明提供了能同时实现攻击有效性和隐蔽性的联邦学习数据中毒攻击，该攻击在条件生成对抗网络训练过程中对真实数据标签进行翻转来使生成器生成中毒数据；此外，还通过控制条件生成对抗网络的训练轮次来使生成的中毒数据中包含有毒噪声，在破坏标签与数据对应关系的同时扰乱数据的特征分布，生成的中毒数据中同时包含了标签噪声和特征噪声。本发明能够绕过常见的防御方法并大幅降低工业缺陷识别的有效性。
-
公开(公告)号：CN119172133A
公开(公告)日：2024-12-20
申请号：CN202411253887.5
申请日：2024-09-06
Applicant: 哈尔滨工程大学
IPC: H04L9/40 , G06F16/215
Abstract: 本申请公开的加密网站流量抗噪识别方法、系统、设备、介质及产品，涉及数字信息传输领域。该方法包括：获取用户访问网站时产生的加密流量，并按照设定规则将加密流量保存成包含多个数据包的PCAP文件；对PCAP文件中的数据包进行清洗，得到清洗后的加密流量；基于数据包的五元组信息对清洗后的加密流量进行数据流重组，得到多条数据流；分别对每条数据流中的每一数据包进行网站特征提取，得到网站指纹提取结果；基于网站指纹提取结果生成图结构数据；对图结构数据进行图分类任务，并根据分类结果完成对用户访问站点的预测。能够在有背景噪声的前提，有效实施网站流量的识别。本申请能够在有背景噪声的前提，有效实施网站流量的识别。
-
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。
-
-
-
-
-
-
-
-
-
Search Results
159
records
(took 0.031 seconds)
