-
公开(公告)号：CN117811843B
公开(公告)日：2024-05-03
申请号：CN202410227507.4
申请日：2024-02-29
Applicant: 暨南大学
IPC: H04L9/40 , G06F18/24 , G06F18/213 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明公开了一种基于大数据分析和自主学习的网络入侵检测方法及系统，包括，获取目标网络流量数据并进行预处理，利用特征重构生成重构数据进行特征提取，获取空间特征及时间特征作为目标网络流量数据对应的流特征；构建网络入侵检测模型，利用大数据手段获取具有完备标签信息的相似数据集，进行所述网络入侵检测模型的迁移对抗训练；根据网络入侵检测模型进行目标网络流量数据的入侵检测分类，获取目标设备对应网络流量数据的历史入侵检测数据，提取入侵流量的隐式特征，进行网络入侵检测模型的自主学习更新。本发明通过迁移对抗训练提高了入侵行为检测的鲁棒性，能够在少样本或者无样本的场景下实现对网络流量的高精度、高效率的检测。
-
公开(公告)号：CN117932606B
公开(公告)日：2024-10-29
申请号：CN202410266168.0
申请日：2024-03-08
Applicant: 暨南大学
IPC: G06F21/56 , G06F18/2135 , G06F18/243 , G08G1/01 , G06N3/096
Abstract: 本发明公开了一种基于迁移学习的智能交通车辆安全检测方法及系统，其中方法包括以下步骤：构建基于Transformer迁移学习的智能交通载体安全攻击检测模型，并分为数据预处理模块和安全检测模块两部分。对于智能交通车辆数据预处理部分，采用主成分分析和决策树方法，进行数据特征降维，剔除数据中大部分不相关特征，保留数据最关键的攻击特征以及时序特征。对于安全检测模型部分，则视其为一种目标检测任务，以判断智能交通车辆是否受到外部攻击。Transformer结合了多头自注意力机制和目标分类技术，多头自注意力机制可以很好的学习智能交通车载网络数据的时序特征，而目标分类技术则可以用于识别不同的入侵攻击数据类型。
-
Patent Agency Ranking
公开(公告)号：CN117932606A
公开(公告)日：2024-04-26
申请号：CN202410266168.0
申请日：2024-03-08
Applicant: 暨南大学
IPC: G06F21/56 , G06F18/2135 , G06F18/243 , G08G1/01 , G06N3/096
Abstract: 本发明公开了一种基于迁移学习的智能交通车辆安全检测方法及系统，其中方法包括以下步骤：构建基于Transformer迁移学习的智能交通载体安全攻击检测模型，并分为数据预处理模块和安全检测模块两部分。对于智能交通车辆数据预处理部分，采用主成分分析和决策树方法，进行数据特征降维，剔除数据中大部分不相关特征，保留数据最关键的攻击特征以及时序特征。对于安全检测模型部分，则视其为一种目标检测任务，以判断智能交通车辆是否受到外部攻击。Transformer结合了多头自注意力机制和目标分类技术，多头自注意力机制可以很好的学习智能交通车载网络数据的时序特征，而目标分类技术则可以用于识别不同的入侵攻击数据类型。
-
公开(公告)号：CN117876799A
公开(公告)日：2024-04-12
申请号：CN202410269658.6
申请日：2024-03-11
Applicant: 暨南大学
IPC: G06V10/764 , G06N3/0464 , G06N3/048 , G06N3/08 , G06T7/00 , G06V10/82 , G01D21/02
Abstract: 本发明公开了一种物流供应链品控缺陷检测方法及系统，其中方法包括：采集有关物流供应链品控的训练数据，并提取训练数据的缺陷特征；基于特征缺陷，构建混合检测模型；优化检测模型，得到最终模型；利用最终模型，完成物流供应链上的品控缺陷检测。本发明通过融合形变检测和穿透性破损检测两个神经网络模块，实现了对物流供应链纸箱包装的综合检测。本发明能够同时兼顾形变检测和穿透性破损检测，解决了目前方法只能单一处理这两个方面的问题。这将会进一步提高物流供应链纸箱包裹运输过程中的安全性和效率，为物流行业带来更大的便利和效益。
-
公开(公告)号：CN101459558A
公开(公告)日：2009-06-17
申请号：CN200810220690.6
申请日：2008-12-31
Applicant: 暨南大学
Abstract: 本发明为一种父实体选择通信机制入侵检测方法，包括以下步骤：主机子实体通过主机父实体表判断主机是否存在合适父实体；若判断结果为是，则所述主机子实体与合适父实体建立连接关系；若判断结果为否，则所述主机子实体向网络发送广播信息；主机外父实体接收到所述广播信息后回馈信息到所述主机子实体；主机子实体分析所述回馈信息，根据分析结果更新主机父实体表并与主机外合适父实体建立连接关系，已建立连接关系父实体检测所述数据包是否存在入侵行为。本发明还提供了一种基于移动代理机制的父实体选择通信机制入侵检测装置及系统。本发明可以减少IDS系统误报率和漏报率，有效解决网络“单点失效”问题，同时有效提高各代理之间的数据共享。
-
公开(公告)号：CN117876799B
公开(公告)日：2024-05-28
申请号：CN202410269658.6
申请日：2024-03-11
Applicant: 暨南大学
IPC: G06V10/764 , G06N3/0464 , G06N3/048 , G06N3/08 , G06T7/00 , G06V10/82 , G01D21/02
Abstract: 本发明公开了一种物流供应链品控缺陷检测方法及系统，其中方法包括：采集有关物流供应链品控的训练数据，并提取训练数据的缺陷特征；基于特征缺陷，构建混合检测模型；优化检测模型，得到最终模型；利用最终模型，完成物流供应链上的品控缺陷检测。本发明通过融合形变检测和穿透性破损检测两个神经网络模块，实现了对物流供应链纸箱包装的综合检测。本发明能够同时兼顾形变检测和穿透性破损检测，解决了目前方法只能单一处理这两个方面的问题。这将会进一步提高物流供应链纸箱包裹运输过程中的安全性和效率，为物流行业带来更大的便利和效益。
-
公开(公告)号：CN117811843A
公开(公告)日：2024-04-02
申请号：CN202410227507.4
申请日：2024-02-29
Applicant: 暨南大学
IPC: H04L9/40 , G06F18/24 , G06F18/213 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明公开了一种基于大数据分析和自主学习的网络入侵检测方法及系统，包括，获取目标网络流量数据并进行预处理，利用特征重构生成重构数据进行特征提取，获取空间特征及时间特征作为目标网络流量数据对应的流特征；构建网络入侵检测模型，利用大数据手段获取具有完备标签信息的相似数据集，进行所述网络入侵检测模型的迁移对抗训练；根据网络入侵检测模型进行目标网络流量数据的入侵检测分类，获取目标设备对应网络流量数据的历史入侵检测数据，提取入侵流量的隐式特征，进行网络入侵检测模型的自主学习更新。本发明通过迁移对抗训练提高了入侵行为检测的鲁棒性，能够在少样本或者无样本的场景下实现对网络流量的高精度、高效率的检测。
-
-
-
-
-
-
Search Results
7
records
(took 0.02 seconds)
