“李青茹”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22个，建议您升级VIP下载更多相关专利

[发明专利]一种基于小样本学习的三元CCT网络的入侵检测方法-CN202210521946.7有效
发明人：王长广;刘嘉静;王方伟;李青茹;赵冬梅 -专利权人：河北师范大学
申请日： 2022-05-13 - 公布日： 2023-09-19 - 主分类号： H04L9/40 文献下载
摘要：本发明涉及一种基于小样本学习的三元CCT网络的入侵检测方法，采用的步骤如下：构建小样本学习的数据集；将数据集中的网络流量存储在二维数组中，将二维数组转换为灰度图像；搭建基于小样本学习的三元CCT网络的入侵检测模型；训练入侵检测网络模型；检测网络流量并确定入侵类型；本发明对transformer编码器进行了改进，在每个残差连接之前加入了可学习的通道加权，由此来优化更深层次的CCT网络，使之收敛更快，精度更高；条件位置编码以输入为条件，使位置编码更灵活，在图像分类任务中保持所需的平移不变性，从而提高分类精度；本发明基于三元损失函数度量方法，能够获得比单点损失和成对的损失更高检测入侵的准确率。
一种基于样本学习三元 cct 网络入侵检测方法

[发明专利]一种图像特征提取后再融合的图像隐写方法-CN202310687343.9在审
发明人：王长广;石浩佚;王方伟;李青茹;赵冬梅 -专利权人：河北师范大学
申请日： 2023-06-12 - 公布日： 2023-09-08 - 主分类号： H04N19/172 文献下载
摘要：本发明涉及一种图像特征提取后再融合的图像隐写方法，采用：步骤S1.分别提取秘密图像Isecret和载体图像Icover的特征；步骤S2.将秘密图像Isecret和载体图像Icover的特征送入特征融合模块，进行正交融合，生成正交融合特征f；步骤S3.使用正交融合特征f，经过残差模块和VIT模块生成含密图像Istego；步骤S4.将含密图像Istego输入提取模块，经过卷积模块和VIT模块输出提取图像Iextract；本发明使载体图像Icover和含密图像Istego在视觉感官上保持一致，具有良好的不可检测性；本发明使用包含特征感知损失的损失函数，将网络模型训练过程中的特征抽取出来对比，作为感知损失用于模型的训练，可以让图像的相似性更符合人类视觉感知，整体设计融合了图像特征，增强了抵抗隐写分析的能力，提高了图像质量。
一种图像特征提取融合方法

[发明专利]基于轻量化卷积神经网络和多教师知识蒸馏的物联网恶意软件家族分类方法-CN202310283116.X在审
发明人：王长广;袁艺洲;王方伟;李青茹;赵冬梅 -专利权人：河北师范大学
申请日： 2023-03-22 - 公布日： 2023-08-04 - 主分类号： G06F21/56 文献下载
摘要：本发明涉及一种基于轻量化卷积神经网络和多教师知识蒸馏的物联网恶意软件家族分类方法，采用如下步骤：一.构建物联网恶意软件数据库；二.数据预处理，将物联网软件数据库中的恶意软件做可视化处理，制作为物联网恶意软件图像数据集；三.构建两个以上教师模型并使用预处理后的数据集训练；四.构建一个轻量化卷积神经网络作为学生模型；五.使用数据集、教师模型的蒸馏损失来共同训练学生模型；六.将测试集中的数据放入训练好的学生模型进行识别；本发明模型小，同时准确率高，能够胜任恶意软件家族分类工作，实现了物联网环境下恶意软件家族分类任务中模型大小和准确率的良好平衡。
基于量化卷积神经网络教师知识蒸馏联网恶意软件家族分类方法

[发明专利]一种基于元路径嵌入的图神经网络安卓恶意软件检测方法-CN202310040605.2在审
发明人： 李青茹;张羽飞;王方伟;王长广;赵冬梅 -专利权人：河北师范大学
申请日： 2023-01-13 - 公布日： 2023-06-23 - 主分类号： G06F21/56 文献下载
摘要：本发明涉及一种基于元路径嵌入的图神经网络安卓恶意软件检测方法，采用提取静态特征，得到API和Permission的步骤；构造异质图的步骤；定义元路径，对每个APP节点进行嵌入的步骤；计算每种元路径的权重的步骤；得到APP的分类结果的的步骤；本发明方法通过使用RotatE编码器对每一条元路径进行嵌入，聚合了元路径上中间节点的特征，并将目的节点本身的特征也考虑在内，获取了更多利于恶意软件检测的信息，因此本发明的方法使用少量样本就能超过其他方法使用大量样本训练达到的准确率；同时本发明通过定义λ参数，限制了元路径的数量，减少了系统资源消耗。
一种基于路径嵌入神经网络恶意软件检测方法

[发明专利]一种基于多裁剪策略和深度卷积生成对抗网络的恶意软件检测和家族分类方法-CN202211304675.6在审
发明人：王方伟;史锡朋;李青茹;王长广;黄文艳 -专利权人：河北师范大学
申请日： 2022-10-24 - 公布日： 2023-01-13 - 主分类号： G06F21/56 文献下载
摘要：本发明涉及一种基于多裁剪策略和深度卷积生成对抗网络的恶意软件检测和家族分类方法，采用：将恶意软件彩色图像x放入多裁剪模块中生成恶意软件局部图像xj的步骤；搭建基于深度卷积生成对抗网络的恶意软件检测和家族分类模型的步骤；训练恶意软件检测和家族分类模型；所述恶意软件检测和家族分类模型包括生成器G、打分判别器D1和分类判别器D2的步骤；利用保存的分类判别器D2对恶意软件进行检测和分类的步骤；本发明方法有效解决了恶意软件检测和家族分类中样本不足和样本不平衡的问题，提高了恶意软件检测和家族分类模型参数的利用率，提高了恶意软件变体的检测和分类的准确率，更好的保证网络的安全。
一种基于裁剪策略深度卷积生成对抗网络恶意软件检测家族分类方法

[发明专利]基于无数据知识蒸馏的文本验证码识别方法-CN202211003447.5在审
发明人： 李青茹;于瑞涛;王方伟;王长广 -专利权人：河北师范大学
申请日： 2022-08-19 - 公布日： 2022-12-02 - 主分类号： G06F21/36 文献下载
摘要：本发明涉及一种基于无数据知识蒸馏的文本验证码识别方法，采用如下步骤：构建验证码数据集；图像预处理；构建教师模型并使用预处理后的程序验证码训练；构建一个生成器，将训练好的教师模型作为鉴别器，生成器与鉴别器对抗生成训练样本，使生成器生成的伪验证码教师模型无法判别；生成器生成的伪验证码作为训练集与教师模型的蒸馏损失来共同训练学生模型；将真实验证码预处理之后放入训练好的学生模型识别；本发明解决了真实验证码难以大量获取以及打标签所耗费成本过于巨大的问题；降低了采集大量真实数据的困难，而且性能也能保持在很高的水平。
基于数据知识蒸馏文本验证识别方法

[发明专利]一种基于区块链技术的车联网跨域认证隐私保护模型-CN202210393351.8在审
发明人：王长广;王梦凡;王方伟;李青茹 -专利权人：河北师范大学
申请日： 2022-04-14 - 公布日： 2022-09-02 - 主分类号： H04W4/40 文献下载
摘要：本发明涉及一种基于区块链技术的车联网跨域认证隐私保护模型，其包括若干个域以及由各个域的根CA节点组成的生成证书并负责颁发的区块链认证中心BCCA；每个域均包括车载终端、路侧单元RSU以及负责身份认证和本域与联盟链之间的信息交互代理认证服务器AS，联盟链上的智能合约可以对节点注册和跨域认证进行处理；车辆用户初使注册后才能与其他节点进行跨域身份验证或通信；通过各个域的认证服务器在区块链账本中查询已经记载好的车辆的数字证书的哈希值来确认身份，模型基于联盟链设计，在保证车辆网隐私安全的前提下，开销小可扩展性强。
一种基于区块技术联网认证隐私保护模型

[发明专利]一种基于生成式对抗网络的图片对抗样本生成方法-CN202210430129.0在审
发明人：王方伟;马泽柔;李青茹;王长广;黄文艳;李军 -专利权人：河北师范大学
申请日： 2022-04-22 - 公布日： 2022-08-30 - 主分类号： G06N3/04 文献下载
摘要：本发明涉及一种基于生成式对抗网络的图片对抗样本生成方法，其采用以下步骤：对收集到的图片进行预处理；随机初始化生成器G和鉴别器D1，D2；将处理后的图片x输入到生成式对抗网络GAN的生成器G中，得到初始的扰动向量ε＝G(x；θg)；得到关于图片x的对抗样本；训练鉴别器D1，D2和生成器G；保存生成器G；经步骤1预处理后的图片输入到生成器G，得到该图片的扰动向量，经步骤4后生成该图片的对抗样本；本发明可以针对任何黑盒模型高效产生对抗样本；采用双鉴别器的结构，训练好的鉴别器D1可以成功作为目标模型T的代理模型，从一定程度上减小了对目标模型T的查询次数；用鉴别器D2对生成的扰动进行约束，保证了对抗样本的视觉质量。
一种基于生成对抗网络图片样本方法

[发明专利]一种面向Pareto多目标遗传算法对抗样本自动生成方法-CN202210430618.6在审
发明人：王长广;张晓涵;王方伟;李青茹 -专利权人：河北师范大学
申请日： 2022-04-22 - 公布日： 2022-08-30 - 主分类号： G06N3/12 文献下载
摘要：本发明涉及一种面向Pareto多目标遗传算法对抗样本自动生成方法，采用以下步骤：构建动作策略库；设计适应度目标函数；选择分类器模型；以恶意可执行PE文件作为样本输入，生成随机动作序列根据动作策略库中进行动作映射，修改输入样本，修改后的样本经过选择的分类器模型检测，保留检测为良性的样本即对抗样本，对保留的对抗样本的对应的动作序列构造种群初始化集合进化得到Pareto最优对抗样本；本发明提供的方法属于黑盒攻击，旨在能够自动生成原始恶意功能存在、与输入样本相似度高且添加动作个数最少的对抗样本；针对一个恶意可执行PE文件输入最终可自动高效获得多个Pareto最优对抗样本，无须人工干预筛选，具有更高的攻击效率。
一种面向 pareto 多目标遗传算法对抗样本自动生成方法

[发明专利]一种基于微服务的社交网络数据差分隐私保护方法-CN202210713687.8在审
发明人： 李青茹;王亚红;王方伟;王长广;赵冬梅 -专利权人：河北师范大学
申请日： 2022-06-22 - 公布日： 2022-08-26 - 主分类号： G06F21/62 文献下载
摘要：本发明涉及一种基于微服务的社交网络图数据差分隐私保护方法，采用了用户输入网络数据集以及初始参数的步骤；调用数据处理微服务模块，生成图序列的步骤；生成的图序列获取参数微服务模块的步骤；采用图序列差分化微服务模块的步骤；对处理后的二阶差分序列采用差分隐私化微服务模块的步骤；生成以隐私预算为横坐标、以相对L1误差为纵坐标的折线统计图的步骤；本发明结合微服务和差分序列对社交网络数据序列进行二重处理，生成了二阶差分序列，在二阶差分序列上添加了拉普拉斯噪声，提高了差分隐私保护，为社交网络数据的隐私保护提供了强有力的技术支撑。
一种基于微服社交网络数据隐私保护方法

[发明专利]一种面向机器学习模型的标签翻转攻击及其防御方法-CN202210394873.X在审
发明人： 李青茹;王欣茹;王方伟;王长广 -专利权人：河北师范大学
申请日： 2022-04-14 - 公布日： 2022-08-19 - 主分类号： G06F21/56 文献下载
摘要：本发明公开了一种面向机器学习模型的标签翻转攻击及其防御方法，在标签翻转攻击方法中，首先通过对训练数据进行凝聚层次聚类来选定要攻击的训练数据，对选定的训练数据进行标签翻转攻击，然后用得到的污染数据集训练分类模型实现攻击；针对以上攻击进行防御，利用污染训练数据和一个小的纯净集，使用TrAdaBoost方法更新污染数据的权重，根据更新后的权重识别被攻击的数据，再去重新标记无标签或标签错误的数据，得到一个新的包括污染训练集和小的纯净集的训练集，用新的训练集重新训练分类模型来提升模型性能；可以快速准确地对易受污染的训练数据进行标签翻转攻击，并能找到可疑的受污染数据，通过对被污染的数据进行消毒处理来防御标签翻转攻击。
一种面向机器学习模型标签翻转攻击及其防御方法

[发明专利]一种基于特征区域分割的差分隐私深度学习方法-CN202210144230.X在审
发明人：王方伟;谢美云;李青茹;王长广;白永雷;李军;黄文艳 -专利权人：河北师范大学
申请日： 2022-02-17 - 公布日： 2022-05-27 - 主分类号： G06N3/04 文献下载
摘要：本发明涉及一种基于特征区域分割的差分隐私深度学习方法，首先通过逐层相关性传播算法获取不同训练数据的输入特征对于模型输出的贡献度，计算差分隐私贡献度，由凝聚层次聚类算法依据差分隐私贡献度将输入特征自适应地分割为重要性不同的区域，根据每个区域的重要程度，分区域对输入特征添加拉普拉斯噪声，为了避免攻击者通过数据的标签获取敏感数据信息，将损失函数转化为多项式的形式，再对多项式的系数添加拉普拉斯噪声，深度学习模型使用差分隐私的数据训练模型，通过噪声损失函数计算梯度，更新模型参数用于后续的训练过程；本发明可以在保证深度学习模型隐私性的同时，维持模型良好的可用性。
一种基于特征区域分割隐私深度学习方法

[发明专利]一种基于生成式对抗网络的恶意代码对抗样本自动生成方法-CN202110486050.5有效
发明人：王方伟;卢园园;王长广;李青茹;赵冬梅;黄文艳 -专利权人：河北师范大学
申请日： 2021-04-30 - 公布日： 2022-03-29 - 主分类号： G06F21/56 文献下载
摘要：本发明公开了一种基于生成式对抗网络的恶意代码对抗样本自动生成方法，属于机器学习和网络安全技术领域。本发明首先选定训练用PE文件进行特征提取，得到初始特征映射向量，利用生成式对抗网络GAN对初始特征映射向量进行训练，得到对抗特征向量及对抗特征库，再使用进化算法对恶意PE文件进行对抗修改，最后经过筛选和恶意验证得到恶意代码对抗样本文件。本发明可以快速自动的生成含有恶意功能且能使分类器误分类的恶意对抗样本，且能够实现人工调整训练参数、调控系统训练方式，有效提升了生成对抗样本的真实性、高效性以及模型对抗评估的准确性。
一种基于生成对抗网络恶意代码样本自动方法

[发明专利]一种基于MAAM和CliqueNet的恶意软件检测和家族分类方法-CN202111103031.6在审
发明人：王长广;赵子秋;王方伟;李青茹;黄文艳 -专利权人：河北师范大学
申请日： 2021-09-18 - 公布日： 2021-12-24 - 主分类号： G06F21/56 文献下载
摘要：本发明涉及一种基于MAAM和CliqueNet的恶意软件检测和家族分类方法，恶意软件检测方法包括：将PE软件转换成灰度图像的步骤、搭建基于MAAM和CliqueNet的检测模型的步骤、训练恶意软件检测网络的步骤和预测PE软件是否为恶意软件的步骤，家族分类方法包括构建训练数据集的步骤、家族分类网络训练的步骤以及家族分类预测的步骤；本发明可在空间域上结合局部和全局的多尺度关键信息，并能自适应地选择通道和空间注意力模块的排列方式，以强化对恶意软件特征的关注，在减少特征工程的同时改善了恶意软件家族分类样本不平衡的问题，对于混淆攻击可靠有效。
一种基于 maam cliquenet 恶意软件检测家族分类方法

[发明专利]一种基于参数优化元学习的恶意软件家族分类方法-CN202110259214.0在审
发明人：王方伟;柴国芳;王长广;李青茹;赵冬梅;曾水光 -专利权人：河北师范大学
申请日： 2021-03-10 - 公布日： 2021-06-01 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于参数优化元学习的恶意软件家族分类方法，包括恶意软件文件预处理、神经网络模型训练、模型测试和模型微调步骤。本发明将原始恶意软件转化为可视化的灰度图像，将灰度图像进行特征提取并使用基于参数优化的元学习方法加以训练；在训练过程中，对于类精度低的恶意软件家族的灰度图像样本作为困难样本，加入下一轮训练任务继续训练分类器，以便实现所有恶意软件的准确分类。本发明可以在网络模型简单、样本少的情况下实现恶意软件的高精度分类，且具有较高的泛化能力。
一种基于参数优化学习恶意软件家族分类方法

1
2
下一页»
尾页
共 22 条