-
公开(公告)号：CN118013201A
公开(公告)日：2024-05-10
申请号：CN202410258967.3
申请日：2024-03-07
Applicant: 暨南大学
IPC: G06F18/10 , G06F18/2433 , G06F18/2415 , G06N3/0455 , G06N3/047 , G06N3/088 , G06N3/084 , G06N3/048
Abstract: 本发明公开了一种基于改进BERT融合对比学习的流量异常检测方法及系统，该方法包括下述步骤：获取流量数据并进行数据预处理；构建改进BERT模型，包括嵌入层和12个Transformer的编码器网络，对前6个Transformer的编码器和后6个Transformer的编码器网络分别进行权值共享操作；构建分类网络；基于交叉熵损失和对比损失构建总损失函数；改进BERT模型进行无监督预训练；改进BERT模型进行微调训练；通过反向传播更新模型参数，得到训练后的改进BERT模型；将待测试的流量数据输入训练后的改进BERT模型，得到流量检测结果。本发明能有效提升模型的泛化能力，同时保持稳定准确率。
-
公开(公告)号：CN118013201B
公开(公告)日：2024-10-01
申请号：CN202410258967.3
申请日：2024-03-07
Applicant: 暨南大学
IPC: G06F18/10 , G06F18/2433 , G06F18/2415 , G06N3/0455 , G06N3/047 , G06N3/088 , G06N3/084 , G06N3/048
Abstract: 本发明公开了一种基于改进BERT融合对比学习的流量异常检测方法及系统，该方法包括下述步骤：获取流量数据并进行数据预处理；构建改进BERT模型，包括嵌入层和12个Transformer的编码器网络，对前6个Transformer的编码器和后6个Transformer的编码器网络分别进行权值共享操作；构建分类网络；基于交叉熵损失和对比损失构建总损失函数；改进BERT模型进行无监督预训练；改进BERT模型进行微调训练；通过反向传播更新模型参数，得到训练后的改进BERT模型；将待测试的流量数据输入训练后的改进BERT模型，得到流量检测结果。本发明能有效提升模型的泛化能力，同时保持稳定准确率。
-
公开(公告)号：CN117768245B
公开(公告)日：2024-05-10
申请号：CN202410194540.1
申请日：2024-02-22
Applicant: 暨南大学
IPC: H04L9/40 , H04L67/1097 , H04L9/08 , H04L9/32
Abstract: 本发明公开了一种全链路数据安全保护方法及系统，该方法包括下述步骤：在数据采集阶段构建数据安全标识，在数据传输存储阶段对密文文件分块并生成密文分量，计算虚拟索引和数据标签，将密文分量发送到DHT网络中，将虚拟索引、数据块和数据标签构成的元组上传至云服务器，在数据处理与数据交换阶段基于重加密密钥生成算法进行重加密，解密后得到标识符和秘密值，获取密文分量关联索引的元组，基于属性代理重加密实现云端存储的细粒度访问控制，在数据销毁阶段使用DHT网络自动更新功能实现数据自毁，本发明能实现数据生命周期全流程安全保护，能有效保障数据的保密性、数据完整性、实现细粒度访问控制，并保障数据的使用、流动和存储安全。
-
公开(公告)号：CN117768245A
公开(公告)日：2024-03-26
申请号：CN202410194540.1
申请日：2024-02-22
Applicant: 暨南大学
IPC: H04L9/40 , H04L67/1097 , H04L9/08 , H04L9/32
Abstract: 本发明公开了一种全链路数据安全保护方法及系统，该方法包括下述步骤：在数据采集阶段构建数据安全标识，在数据传输存储阶段对密文文件分块并生成密文分量，计算虚拟索引和数据标签，将密文分量发送到DHT网络中，将虚拟索引、数据块和数据标签构成的元组上传至云服务器，在数据处理与数据交换阶段基于重加密密钥生成算法进行重加密，解密后得到标识符和秘密值，获取密文分量关联索引的元组，基于属性代理重加密实现云端存储的细粒度访问控制，在数据销毁阶段使用DHT网络自动更新功能实现数据自毁，本发明能实现数据生命周期全流程安全保护，能有效保障数据的保密性、数据完整性、实现细粒度访问控制，并保障数据的使用、流动和存储安全。
-
-
-
Search Results
4
records
(took 0.02 seconds)
