-
公开(公告)号：CN115412332B
公开(公告)日：2024-06-07
申请号：CN202211026383.0
申请日：2022-08-25
Applicant: 暨南大学
IPC: H04L9/40 , H04L67/12 , G16Y40/50 , G16Y40/20 , G16Y40/10 , G16Y30/10 , G06N3/045 , G06N3/006 , G06N3/084 , G06F18/24
Abstract: 本发明公开了一种基于混合神经网络模型优化的物联网入侵检测系统及方法。从物联网系统历史数据库中采集生成过程的历史监控数据，经过数据解析和归一化后作为物联网入侵检测离线优化模块的输入数据集，设计基于离散粒子群优化技术的混合神经网络模型优化平台，获得物联网入侵检测特征库和混合神经网络最优模型，针对物联网系统实时数据库中的实时监控数据，从而实现物联网入侵检测的在线检测。本发明不仅可实现用于物联网入侵检测系统的混合神经网络模型的自动生成和优化设计，提高了物联网入侵检测系统的智能化设计水平和设计效率，还提升了物联网系统入侵检测的精准率、召回率和F1评分等性能指标。
-
公开(公告)号：CN113591078B
公开(公告)日：2024-06-07
申请号：CN202110886083.9
申请日：2021-08-03
Applicant: 暨南大学
IPC: G06F21/55 , G06N3/0464 , G06N3/084 , G06N3/082
Abstract: 本发明公开了一种基于卷积神经网络架构优化的工控入侵检测系统及方法。从工控系统历史数据库中采集生成过程的历史监控数据，经过数据解析和归一化后作为工控入侵检测离线训练模块的输入数据集，设计基于离散群体演化方法的卷积神经网络架构优化平台，获得工控入侵检测特征库和最优架构的卷积神经网络模型，针对工控系统实时数据库中的实时监控数据，从而实现工控入侵检测的在线检测。本发明不仅可实现用于工控入侵检测系统的卷积神经网络架构的自动生成和优化设计，提高了工控入侵检测系统的智能化设计水平和设计效率，还提升了工控系统入侵检测的精准率、召回率和F1评分等性能指标。
-
公开(公告)号：CN116524291A
公开(公告)日：2023-08-01
申请号：CN202310283389.4
申请日：2023-03-22
Applicant: 暨南大学
IPC: G06V10/774 , G06V10/776 , G06V10/764 , G06V10/82 , G06V20/10 , G06N3/086
Abstract: 本发明公开了一种SAR图像DNN分类器的后门攻击设计及评估系统与方法，获取来自SAR历史数据库的图像数据集，对其进行数据解析和归一化，得到干净数据集，并对DNN模型进行训练，得到干净模型；基于后门攻击触发器的多目标离线优化设计模块获取最优后门触发器，将其注入到待中毒干净数据集生成后门攻击数据集，并对干净模型进行训练，得到嵌入后门的中毒模型，并评估测试精度、后门隐蔽性和攻击成功率。本发明首次实现了针对SAR图像DNN分类器的后门嵌入触发器的多目标自动优化，在保持后门触发器具有较高隐蔽性的同时，仅使用少量后门样本便能达到极高的攻击成功率，且对遭遇后门攻击后的安全风险和性能进行了量化评估。
-
公开(公告)号：CN117574294A
公开(公告)日：2024-02-20
申请号：CN202311553733.3
申请日：2023-11-20
Applicant: 暨南大学
IPC: G06F18/2433 , G06F18/25 , G06F18/213 , G06F16/958 , G06V10/764 , G06N3/0464 , G06N3/0455 , G06N3/084
Abstract: 本发明公开了一种融合文本识别与图像识别的有害网页检测方法及系统，涉及网页检测领域。所述方法包括：获取目标网页的网页截图，并基于网页截图得到网页文本信息；将网页截图映射为第一图像向量矩阵，将网页文本信息映射为第一文本向量序列；分别对第一图像向量矩阵与第一文本向量序列进行特征提取，分别得到图像特征向量与文本特征向量；将图像特征向量与文本特征向量进行特征组合，得到组合特征向量；根据组合特征向量进行识别分类，生成关于目标网页是否为有害网页的预测标签。相较于现有技术，从多维度更为深入地探索有害网页的内在特征，更准确地对目标网页进行评价，提高了检测精度。
-
公开(公告)号：CN116340936A
公开(公告)日：2023-06-27
申请号：CN202310283388.X
申请日：2023-03-22
Applicant: 暨南大学
IPC: G06F21/55 , G06F18/2111 , G06F18/2411 , G06F18/214 , G06N20/10
Abstract: 本发明公开了一种融合强化学习和特征选择优化的ICS入侵检测系统及方法，将工业控制系统(ICS)历史数据集的数据特征选择进行二进制编码和种群初始化，通过SVM‑强化学习进行离线训练，将在验证集上得到的准确率作为适应度函数，设计基于累计概率的交叉操作和变异操作对种群进行更新，经过迭代优化后从而获得最优特征集合；基于最优特征集合对ICS实时数据集进行特征选择，通过支持向量机(SVM)‑强化学习对实时数据集进行在线入侵检测测试，从而获得入侵检测性能指标。本发明采用了基于SVM‑强化学习新模式，并在此基础上融合了最优特征选择的智能优化，提升了ICS入侵检测系统的智能化设计水平和入侵检测的精度。
-
Patent Agency Ranking
公开(公告)号：CN116015752A
公开(公告)日：2023-04-25
申请号：CN202211569035.8
申请日：2022-12-08
Applicant: 暨南大学
IPC: H04L9/40 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于多目标变长CNN离散优化的电力CPS入侵检测系统及方法。将经过预处理的电力信息物理系统历史监控数据作为输入数据集，对构建卷积神经网络模型的卷积模块数量、模型拓扑结构、每一个卷积模块的架构参数和批大小、学习率、优化器类型、权重正则化等超参数进行变长离散编码，将CNN模型在验证集上的指标和模型浮点运算次数作为优化目标，设计一种多目标离散优化方法对基于变长卷积模块的CNN模型架构与参数进行多目标并行优化，从而获得兼顾模型性能和模型复杂度的Pareto最优CNN模型。针对电力CPS实时监控数据，在线部署最优CNN模型，从而实现电力CPS的在线入侵检测。本发明在保证模型高精度性能指标的同时还降低了模型的复杂度。
-
公开(公告)号：CN115396198A
公开(公告)日：2022-11-25
申请号：CN202211025573.0
申请日：2022-08-25
Applicant: 暨南大学
Abstract: 本发明公开了一种基于CNN架构与参数并行优化的电网入侵检测系统及方法，从智能电网的量测数据管理系统中采集电网运行状态的历史监控数据，解析数据获取各传感器的读数信息并进行基于标准分数的标准化处理，作为智能电网入侵检测离线优化训练模块的输入数据集，将CNN模型拓扑架构、卷积模块参数和训练参数进行编码，设计基于遗传算法的CNN模型架构与参数并行优化平台，获得最优CNN模型的架构与参数信息。针对智能电网的量测数据管理系统采集到的电网实时监控数据，在线部署最优CNN模型，从而实现智能电网入侵检测的在线检测。本发明不仅提升了智能电网入侵检测系统的智能化设计水平和设计效率，还提升了智能电网入侵检测的准确率和F1评分等性能指标。
-
公开(公告)号：CN118587553A
公开(公告)日：2024-09-03
申请号：CN202410623748.0
申请日：2024-05-20
Applicant: 暨南大学
IPC: G06V10/82 , G06V10/764 , G06V10/774 , G06N3/006 , G06N3/082 , G06N3/0985
Abstract: 本发明公开了一种基于后门特征提取优化的SAR图像抗后门分类方法与系统，该方法包括：构建基于网络块的后门特征提取子网络和分类子网络，对由上述两个子网络组成的SAR图像抗后门分类模型的神经网络架构参数、后门特征选择参数及剪枝位置参数进行粒子位置和速度编码，将SAR图像抗后门分类模型的参数量、后门攻击成功率和对正常样本的分类精度作为优化目标，设计基于三目标粒子群优化方法的离线优化平台，获得兼顾轻量化、高精度和强后门鲁棒性的SAR图像分类在线部署模型。本发明实现了SAR图像抗后门分类模型的自动优化设计，构建的后门特征提取子网络拓展了后门特征的处理方式，提升了模型轻量化、分类精度和后门鲁棒性。
-
公开(公告)号：CN115396198B
公开(公告)日：2024-05-31
申请号：CN202211025573.0
申请日：2022-08-25
Applicant: 暨南大学
IPC: H04L9/40 , H04L43/04 , H04L43/08 , G06F18/2433 , G06F18/214 , G06N3/0464 , G06N3/086 , G06N3/084 , G06N3/0985 , G06N3/12
Abstract: 本发明公开了一种基于CNN架构与参数并行优化的电网入侵检测系统及方法，从智能电网的量测数据管理系统中采集电网运行状态的历史监控数据，解析数据获取各传感器的读数信息并进行基于标准分数的标准化处理，作为智能电网入侵检测离线优化训练模块的输入数据集，将CNN模型拓扑架构、卷积模块参数和训练参数进行编码，设计基于遗传算法的CNN模型架构与参数并行优化平台，获得最优CNN模型的架构与参数信息。针对智能电网的量测数据管理系统采集到的电网实时监控数据，在线部署最优CNN模型，从而实现智能电网入侵检测的在线检测。本发明不仅提升了智能电网入侵检测系统的智能化设计水平和设计效率，还提升了智能电网入侵检测的准确率和F1评分等性能指标。
-
公开(公告)号：CN117395028A
公开(公告)日：2024-01-12
申请号：CN202311208090.9
申请日：2023-09-18
Applicant: 暨南大学
IPC: H04L9/40 , G06N3/0464 , G06N3/094
Abstract: 本发明公开了一种基于神经架构演化的工业互联网对抗攻击系统及方法，在拥有基于深度学习模型(即目标模型)的工业互联网入侵检测系统中训练数据或数据分布的情形下，采用这些数据训练替换模型，设计雅可比显著图攻击方法对工业互联网数据中攻击样本的特定特征添加扰动，从而生成能最大限度逃避替换模型检测的对抗样本；其中替换模型最多由4种神经网络基础模块组合构成，将组合方式进行编码，将目标模型分别对攻击样本和替换模型生成对抗样本的分类准确率的差值作为个体适应度，经过种群演化操作，获得分类准确率下降值最大的最优替换模型。本发明设计了神经架构演化技术，实现了替换模型的自动优化，提升了替换模型所生成对抗样本的攻击能力。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.031 seconds)
