“何康健”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果7个，建议您升级VIP下载更多相关专利

[发明专利]基于协变量的Kubernetes资源调度优化方法、存储介质及设备-CN202211272717.2有效
发明人：刘兰;何康健;惠占发;胡峻涵;杨迪瑾;林子萌 -专利权人：广东技术师范大学
申请日： 2022-10-18 - 公布日： 2023-08-04 - 主分类号： G06F9/48 文献下载
摘要：本申请涉及一种基于协变量的Kubernetes资源调度优化方法、存储介质及设备，方法包括：选用预选策略对节点过滤；采集过滤出的节点的指标时序数据，分析容器任务的通用卷积神经网络，得到分析数据，将分析数据输入CNN执行时间及性能消耗预测模型，得到待调度任务的预计执行时间、预计性能；将得到的指标时序数据、预计执行时间、预计性能输入给预测模型进行训练；根据预测模型得出结果对节点打分，将容器任务调度到得分最高的Node节点上完成任务调度。本申请通过将集群节点性能指标时序数据、待调度任务的预计执行时间、预计性能消耗传入预测模型进行训练，预测未来一段时间内最适合的调度目标节点，实现对节点进行动态分析，提高了Kubernetes集群的资源利用率。
基于变量 kubernetes 资源调度优化方法存储介质设备

[发明专利]一种基于机器学习的安全数据处理方法、介质及设备-CN202211644911.9在审
发明人：刘兰;何康健;惠占发;胡峻涵;陈子力 -专利权人：广东技术师范大学
申请日： 2022-12-16 - 公布日： 2023-05-30 - 主分类号： G06F21/56 文献下载
摘要：本发明公开了一种基于机器学习的安全数据处理方法、介质及设备，所述方法包括如下步骤：描述各个安全场景的问题；获取各个安全场景对应的安全数据；对安全数据进行数据处理；调用各个安全场景下的算法模型，将处理后的数据作为算法模型的输入；输出算法结果，即为各个安全场景下的输出结果。本发明可用于处理不同安全场景的安全数据，使得各种安全数据能够形成统一的范式输入到算法模型中，减少为每种安全场景开发独立数据处理技术的成本。
一种基于机器学习安全数据处理方法介质设备

[发明专利]基于扩散模型数据增强的异常检测方法、存储介质及设备-CN202211510886.5在审
发明人：刘兰;黄志豪;何康健;陈桂铭;杨迪瑾 -专利权人：广东技术师范大学
申请日： 2022-11-29 - 公布日： 2023-04-07 - 主分类号： G06F11/34 文献下载
摘要：本发明公开了一种基于扩散模型数据增强的异常检测方法、存储介质及设备，所述方法包括步骤：对原始日志数据预处理得到一维模板日志；根据格拉姆角场将一维模板日志转换为二维图像数据；采用扩散模型对日志数据处理得到增广二维图像数据；更新数据检测模型权重；将当前系统的日志数据输入检测模型中，根据检测模型的输出结果判定当前系统的状态。本申请将日志数据进行处理，得到对应的一维模板日志和二维图像日志，又基于扩散模型根据对应日志序列进行数据增广得到增广二维图像数据，通过所述一维模板日志、二维图像日志及增广二维图像数据训练检测模型，将当前日志输入到训练好的检测模型实现基于日志数据的系统状态的异常检测和诊断。
基于扩散模型数据增强异常检测方法存储介质设备

[发明专利]一种基于序列模型的智能合约可重入漏洞检测方法及系统-CN202210356151.5有效
发明人：刘兰;余永杰;吴亚峰;何康健;黄志豪;张宝莹 -专利权人：广东技术师范大学
申请日： 2022-04-06 - 公布日： 2022-11-25 - 主分类号： G06F21/57 文献下载
摘要：本发明提出一种基于序列模型的智能合约可重入漏洞检测方法及系统，包括以下步骤：获取智能合约源代码；将所述智能合约源代码转换为向量形式，得到智能合约片段向量；构建基于双向循环神经网络与注意力机制融合的可重入漏洞检测序列模型；将所述智能合约片段向量输入可重入漏洞检测序列模型进行重入检测，可重入漏洞检测序列模型输出可重入漏洞检测结果。使用双向循环神经网络对智能合约进行特征提取并利用多注意力机制对重要特征进行捕捉，赋予权重，使得可重入漏洞检测序列模型具有更强的鲁棒性，提高了智能合约可重入漏洞的检测准确率。
一种基于序列模型智能合约可重入漏洞检测方法系统

[发明专利]一种基于深度学习的系统状态诊断方法-CN202111112825.9有效
发明人：刘兰;黄志豪;何康健;伍文煌;柯诗维 -专利权人：广东技术师范大学
申请日： 2021-09-18 - 公布日： 2022-09-13 - 主分类号： G06F11/34 文献下载
摘要：本发明公开了一种基于深度学习的系统状态诊断方法，涉及信息处理和人工智能的技术领域，包括：获取系统的历史日志信息作为训练数据；利用训练数据训练对抗生成网络中的判别器和生成器；混合训练数据和噪声数据后输入训练好的生成器中生成日志序列；对日志序列预处理后分类，获得类型特征，并添加进预处理后的日志序列中；对标注类型特征的日志序列学习时空特征，获得系统正常状态下日志信息的类别出现的顺序，并预测下一时间出现的日志信息的类型分布概率，划分置信区间；获取系统的实时日志信息，比较实时日志信息的真实类型特征和置信区间，获得系统的当前状态。本发明对系统状态进行诊断时，可以实时获取系统的当前状态，实时性高，结果准确。
一种基于深度学习系统状态诊断方法

[发明专利]一种基于行为平衡度的垂直类网络爬虫检测识别方法-CN202011306830.9有效
发明人：刘兰;刘浪洲;何康健 -专利权人：广东技术师范大学
申请日： 2020-11-19 - 公布日： 2022-08-30 - 主分类号： H04L9/40 文献下载
摘要：一种基于行为平衡度的垂直类网络爬虫检测识别方法，属于计算机软件的技术领域。垂直类网络爬虫是一种针对网站数据进行定点定向爬取的网络程序，相比于传统的网络爬虫，这种爬虫的行为模式更加隐秘，对网站服务器资源占用较低，但是其行为会严重危害到网站的信息安全，造成极大的数字资产损失。现有的网络爬虫检测方式对高频恶意爬虫流量检测效果明显，对垂直类爬虫检测效果不佳，识别准确率较低。因此，本发明提出一种基于行为平衡度的垂直类网络爬虫检测识别方法，具体包括：（1）基于网站页面信息量的合理停滞时间建模；（2）基于不同跃迁深度访问的行为平衡度建模。
一种基于行为平衡垂直网络爬虫检测识别方法

[发明专利]一种基于深度学习的多数据源人物画像构建方法-CN202110569379.8在审
发明人： 何康健;刘兰;黄志豪;王鹏铖;刘浪洲 -专利权人：广东技术师范大学
申请日： 2021-05-25 - 公布日： 2021-08-17 - 主分类号： G06K9/62 文献下载
摘要：本发明提供一种基于深度学习的多数据源人物画像构建方法，包括以下步骤：S1：构建多源数据采集引擎，利用多源数据采集引擎从多个数据源中采集用户信息；S2：对用户信息进行由浅层语义解析直至深层关联解析的逐步解析；S3：为解析完成的用户信息匹配对应的标签，得到人物标签数据；S4：从互联网招聘网站上采集招聘岗位数据集，并采用机器学习算法进行岗位模型训练，得到训练好的岗位模型；S5：通过深度学习算法结合人物标签数据和岗位模型构建人物画像，得到贴合用户真实行为、且不失去个体性差异的人物画像。本发明提供一种基于深度学习的多数据源人物画像构建方法，解决了现有的人物画像技术无法有效地反应用户的真实情况的问题。
一种基于深度学习多数人物画像构建方法

1
共 7 条