“潘丽敏”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224个，建议您升级VIP下载更多相关专利

[发明专利]融合影响因子的二进制函数相似性检测方法-CN202110607066.7有效
发明人：罗森林;邢继媛;潘丽敏;闫晗;吴舟婷 -专利权人：北京理工大学
申请日： 2021-05-28 - 公布日： 2022-11-08 - 主分类号： G06K9/62 文献下载
摘要：本发明涉及融合影响因子的二进制函数相似性检测方法，属于网络安全技术领域。主要为了解决基于图嵌入的二进制函数相似性检测方法中由于忽略后继结点和邻居结点对于顶点的不同影响而导致的信息损失问题。本发明首先对两个二进制函数进行预处理，得到两个二进制函数的控制流程图(CFG1，CFG2)；然后对CFG中的每个基本块进行特征提取，将其表示成特征向量，生成对应的属性控制流图(ACFG1，ACFG2)；接下来将两个函数的属性控制流程图ACFG1，ACFG2输入到两个完全相同的图嵌入网络中，转换成对应的高维向量。通过最小化目标函数训练图嵌入网络中的参数，计算两个高维向量的余弦距离，输出两个二进制函数的相似度。提高了二进制函数相似性检测的准确率。
融合影响因子二进制函数相似性检测方法

[发明专利]构建API关联置信度的抗老化高效恶意APP检测方法-CN202210536022.4在审
发明人：罗森林;张钊;郝靖伟;潘丽敏 -专利权人：北京理工大学
申请日： 2022-05-17 - 公布日： 2022-10-18 - 主分类号： G06F21/55 文献下载
摘要：本发明涉及一种构建API关联置信度的抗老化高效恶意APP检测方法，属于网络空间安全技术领域。首先，该方法通过对APK文件内的API包名按层抽象，应对Android系统的不断升级对恶意软件分析带来的偏差；其次，通过计算API之间的关联置信度，提取软件的高层级行为语义；最后，通过对不同发布时段的APK分别构建分类器，选择代表性分类器学习API组合间的行为模式，完成对恶意软件的检测。当前恶意软件检测方法软件意图表征和抗老化能力弱，难以检测持续进化和变异的恶意软件。本发明建立高层级行为意图表征模式，提出恶意软件分类器抗老化策略，能够有效检测持续进化的恶意软件，具备较高的检测效率和抗老化性。
构建 api 关联置信老化高效恶意 app 检测方法

[发明专利]cache侧信道攻击的双源信息检测与局部重映射防御方法-CN202210528117.1在审
发明人：罗森林;鲁川;潘丽敏;郝靖伟 -专利权人：北京理工大学
申请日： 2022-05-16 - 公布日： 2022-10-04 - 主分类号： G06K9/62 文献下载
摘要：本发明涉及cache侧信道攻击的双源信息检测与局部重映射防御方法，属于计算机与信息科学技术领域。本发明首先为每个申请保护的进程分配一个大于0的标签；当存在受保护进程时，调用双源信息检测模块，分为性能特征检测和访问行为检测两个子模块，前者通过系统时序运行性能特征判断是否存在攻击，后者通过每个cache组内的访问行为检测是否存在攻击；当两个子模块同时检测到攻击时，对发生攻击的cache组进行局部重映射防御，将受保护进程的数据映射到未发生攻击的cache组。本发明相比于单源信息检测方法，构建双源信息检测模块挖掘实时攻击信息，提高了被攻击cache组的检测准确率，相比于全局重映射方法，仅对受保护进程及数据开展精准映射，有效提升系统运行效率。
cache 信道攻击信息检测局部映射防御方法

[发明专利]多语种终身学习的语音识别方法-CN202210533041.1在审
发明人： 潘丽敏;万韵伟;罗森林 -专利权人：北京理工大学
申请日： 2022-05-16 - 公布日： 2022-10-04 - 主分类号： G10L15/06 文献下载
摘要：本发明涉及多语种终身学习的语音识别方法，属于计算机与信息科学技术领域。本发明首先结合连续时序分类和Transformer算法对单一语种的语音训练语音识别模型；其次，当有新语种识别任务加入时，衡量该语种和已识别语种的相似度；然后，使用基于相似度的正交权重修正算法对模型的梯度下降方向进行修正；最后，使用新语种训练多语种语音识别模型，实现多语种的语音识别。本发明能够在保证已学习语种识别能力的同时，在线学习新语种并更新模型，加快了新语种的学习速度，提升了模型对于多个语种的识别性能。
语种终身学习语音识别方法

[发明专利]引入互联网设备流量的迁移学习IoT设备分类方法-CN202210535456.2在审
发明人：罗森林;吴泽瀚;张笈;门元昊;潘丽敏 -专利权人：北京理工大学
申请日： 2022-05-17 - 公布日： 2022-09-30 - 主分类号： G06N20/00 文献下载
摘要：本发明涉及引入互联网设备流量的迁移学习IoT设备分类方法，属于物联网安全与机器学习领域。本发明首先对数据包进行数据流层面的特征提取和表达，得到原始特征向量；然后针对原始特征向量进行特征构建，并使用过滤器进行特征选择；利用TrAdaboost算法在互联网流量(源域)和IoT流量(目标域)的联合域上构建多个决策树分类器；最后通过集成学习的Boosting结合策略将各决策树的分类结果进行结合，输出设备分类结果。针对新建的IoT网络中新型物联网设备繁多，有标注流量数据稀少，现有的机器学习分类模型分类效果差的问题，本发明有效学习了互联网设备分类的“先验知识”，并将其应用于IoT设备分类模型的构建，有效提高了分类模型的准确率。
引入互联网设备流量迁移学习 iot 分类方法

[发明专利]融合多级特征的增量式动态权值集成学习入侵检测方法-CN202210534998.8在审
发明人：罗森林;陆永鑫;潘丽敏;吴杭颐;王沛冉 -专利权人：北京理工大学
申请日： 2022-05-17 - 公布日： 2022-09-27 - 主分类号： H04L9/40 文献下载
摘要：本发明涉及融合多级特征的增量式动态权值集成学习入侵检测方法，属于计算机与信息科学技术网络空间安全领域。本发明首先通过混合时间窗重建流量的拓扑特征，同时为时间窗内的流量建立敏感数据流向特征；其次基于注意力机制融合拓扑特征，生成特征向量；然后训练初级分类器和深度置信网络，并在深度置信网络训练过程中加入历史知识；最后利用深度置信网络生成动态权值构建训练集并训练次级分类器。本发明有效缓解了集成学习入侵检测方法中单一级别特征无法检测出高隐蔽性攻击和动态权值生成不精确且不具有可持续性导致检测性能下降的问题，有效提升了入侵检测模型的分类准确率。
融合多级特征增量动态集成学习入侵检测方法

[发明专利]模型状态差分的深度神经网络测试用例生成方法-CN202210534831.1在审
发明人：罗森林;沈宇辉;潘丽敏;郝靖伟;王逸洲 -专利权人：北京理工大学
申请日： 2022-05-17 - 公布日： 2022-09-20 - 主分类号： G06F11/36 文献下载
摘要：本发明涉及一种模型状态差分的深度神经网络测试用例生成方法，属于计算机与信息科学技术领域。本发明首先利用特征热力图表征现有测试用例所触发的模型状态；然后对模型状态聚类分析，选取能够触发新神经元状态的用例作为生成新测试用例的模板；之后利用特征热力图差分结果确定用例特征的高覆盖率变换方向，以此为指导对差分结果进行像素级或区域级变换，构建新测试用例；最后利用新用例进行缺陷检测并计算其覆盖率，保留有助于覆盖率提升的用例用于后续迭代。本发明针对现有方法缺乏高覆盖率变换方向指导，运行效率和生成的测试用例质量低的问题提供了一种解决方案，生成的测试用例能够有效提升测试全面性，触发模型潜在缺陷。
模型状态深度神经网络测试生成方法

[发明专利]一种基于操作码序列的恶意软件家族分类方法-CN202011090679.X有效
发明人：罗森林;杨若晗;潘丽敏;李玉 -专利权人：北京理工大学
申请日： 2020-10-13 - 公布日： 2022-09-20 - 主分类号： G06F21/56 文献下载
摘要：本发明涉及一种基于操作码序列的恶意软件家族分类方法，属于恶意软件家族分类与机器学习领域。主要为了解决在对恶意软件进行静态分析时，因忽视恶意软件反汇编后提取的操作码的顺序而导致误分类的问题。本发明首先对恶意软件进行反汇编并提取操作码，得到操作码序列；然后计算每个操作码的256位hash值，并将hash值顺序排列成矩阵；接下来将矩阵转化为灰度图像，并采用双线性插值法对该图像进行比例为256*3000的缩放；最后，经过卷积神经网络得到恶意软件家族分类结果。在BIG 2015上实验，结果表明本发明能达到较好的分类效果，进一步提升了恶意软件家族分类的正确率。
一种基于操作序列恶意软件家族分类方法

[发明专利]生成对抗网络与多模态融合的假新闻检测方法-CN202110607067.1有效
发明人：罗森林;侯钰斌;潘丽敏;秦枭喃;吴舟婷 -专利权人：北京理工大学
申请日： 2021-05-28 - 公布日： 2022-09-20 - 主分类号： G06V30/40 文献下载
摘要：本发明涉及生成对抗网络与多模态融合的假新闻检测方法，属于机器学习领域。主要为了解决单模态假新闻检测特征不足，多模态假新闻检测中不同模态特征之间异质性较大且拼接方式简单，模型训练过程局限于单一数据集，导致假新闻检测准确率和模型泛化性低下的问题。本发明首先需要训练条件生成对抗网络，该网络可以根据输入图片输出描述图片的文本特征；然后提取新闻的文本特征和图片特征，使用条件生成对抗网络将新闻图片特征转化为文本特征，将新闻文本特征、描述新闻图片的文本特征和新闻的图片特征进行张量融合；最后，将融合的特征输入神经网络得到新闻真实性的分类结果。
生成对抗网络多模态融合新闻检测方法

[发明专利]少样本元提升学习的列车运动状态估计方法-CN202110617467.0有效
发明人：罗森林;崔成钢;刘晓双;潘丽敏 -专利权人：北京理工大学
申请日： 2021-05-28 - 公布日： 2022-09-20 - 主分类号： G06F30/27 文献下载
摘要：本发明涉及少样本元提升学习的列车运动状态估计方法，属于计算机与信息科学技术领域。主要为解决现有的列车运动状态建模方法无论是物理模型或是机器学习模型，均存在高成本建模问题，难以针对特定列车实现模型在线持续自适应以精确仿真，存在系统性仿真误差，而且难以满足列车自动驾驶系统的实时仿真等应用需求问题。本发明首先基于元数据采用元梯度提升学习算法建立模型，然后面向新任务，基于少量数据采用任务梯度提升学习算法，完成任务模型学习，实现对新列车的快速低成本精确仿真。结果表明本发明能较为准确的估计的列车运动状态，既减少了模型的训练成本，又提高了列车运动状态估计的精确度。
样本提升学习列车运动状态估计方法

[发明专利]虚拟化平台操作系统内核数据攻击行为检测方法-CN201910864463.5有效
发明人：罗森林;张毅飞;潘丽敏;刘望桐 -专利权人：北京理工大学
申请日： 2019-09-12 - 公布日： 2022-09-20 - 主分类号： G06F21/55 文献下载
摘要：本发明涉及操作系统内核数据攻击行为的检测方法，属于计算机与信息科学技术领域。本发明目的是解决现有操作系统内核数据攻击行为检测方法存在的检测全面性不足、无法拦截攻击行为、依赖内核源代码等问题。本发明首先利用同步检测机制和语义重构技术定位并劫持特定内核函数，从而准确获取内核运行状态，计算当前内核进程的合法数据访问范围；然后利用虚拟化影子页表权限管理机制设置内存页的读写访问权限，将合法访问范围外的内核数据设置为只读或不可读写，对内核进程的数据访问范围进行强约束；最后使用“内存页异常”机制实现对攻击行为的同步检测从而对抗瞬态攻击，并利用虚拟机监视器拦截检测到的内核数据攻击行为。
虚拟平台操作系统内核数据攻击行为检测方法

[发明专利]多车型连续学习的列车运动状态估计方法-CN202210533015.9在审
发明人： 潘丽敏;杨得山;罗森林;刘晓双 -专利权人：北京理工大学
申请日： 2022-05-16 - 公布日： 2022-09-16 - 主分类号： B61L27/60 文献下载
摘要：本发明涉及多车型连续学习的列车运动状态估计方法，属于计算机与人工智能技术领域。首先通过特征抽取方法确定列车运行数据的基础特征集合，针对每一特征的样本关系构建单层图结构，根据特征关联关系组合单层图为多重图；其次，基于神经气体网络学习多重图的拓扑结构，并使用多车型运行数据对拓扑结构迭代更新；然后，对多重图的层内与层间关系进行数据聚合，并根据多车型知识拓扑结构生成样本的关系编码；最后，通过非线性变换组合基础特征，并与样本的关系编码结合，用于预测列车的运动状态。本发明将单一车型运行数据与多车型知识拓扑相结合，实现在真实运行数据有限的条件下多车型运行数据的连续建模与运动状态估计。
车型连续学习列车运动状态估计方法

[发明专利]指令与系统调用序列关联重构的可进化恶意软件识别方法-CN202210536061.4在审
发明人：罗森林;张毅飞;潘丽敏 -专利权人：北京理工大学
申请日： 2022-05-17 - 公布日： 2022-09-16 - 主分类号： G06F21/56 文献下载
摘要：本发明涉及一种指令与系统调用序列关联重构的可进化恶意软件识别方法，属于计算机与信息科学技术领域。本发明在虚拟机环境中同时获取目标程序运行时产生的系统调用和指令序列，根据时间戳关联两种序列，并按照执行时间顺序重构为混合序列；通过嵌入模型将重构序列转换为表征矩阵；利用卷积神经网络处理表征矩阵生成特征向量；计算该特征向量与已构建应用程序聚类簇质心之间的相似度，判定特征向量对应目标程序的类别；最后，将该特征向量加入所属聚类簇，更新该聚类簇质心。本发明能够同时关注指令和系统调用行为，提取和利用它们之间的交叉关联特征，避免忽视指令级操作，同时无需高成本模型重训练过程即可实现对未知类型恶意软件的识别。
指令系统调用序列关联进化恶意软件识别方法

[发明专利]数据驱动的列车级位加速度提取方法-CN202210536133.5在审
发明人：罗森林;周瑾洁;潘丽敏;刘晓双 -专利权人：北京理工大学
申请日： 2022-05-17 - 公布日： 2022-09-16 - 主分类号： G06F30/15 文献下载
摘要：本发明涉及数据驱动的列车级位加速度提取方法，属于计算机与信息科学技术领域。本发明首先利用噪声与正常样本在训练过程中的不同损失变化模式，优化样本学习顺序。然后将自采样学习分别引入AdaBoost和梯度提升学习提出SSAdaBoost和SSGB稳健学习方法，建立目标列车性能估计模型，挖掘含噪运行数据中的专车性能知识，拟合加速度与速度、级位序列(隐含延时特性)、坡度等特征间的映射函数。最后利用“查询样本”控制级位序列、延时等特征影响，建立性能表，实现对目标特征与标签间量化关系抽取。弥补了现有方法推荐速度的跟踪难度大，控车级位频繁切换产生额外能耗问题。抽取性能与实际性能相似，可用于建立与受控列车匹配的性能约束，提升推荐速度优化效果。
数据驱动列车加速度提取方法

[发明专利]自适应性能的列车加速方法-CN202210536855.0在审
发明人： 潘丽敏;谢崇玮;罗森林;刘晓双 -专利权人：北京理工大学
申请日： 2022-05-17 - 公布日： 2022-09-16 - 主分类号： B61L27/04 文献下载
摘要：本发明涉及自适应性能的列车加速方法，属于计算机与信息科学技术领域。本发明首先对含噪的列车运行数据建立目标列车性能估计模型，拟合级位序列和速度与加速度之间的函数关系；然后依次查询不同速度区间下各级位对应加速度值，建立加速度随级位和速度变化的关系表，称为列车专属性能表；最后将加速度范围约束引入专属性能表，逐车生成与目标车辆相适配的推荐速度。本发明利用车辆专属性能表，对推荐加速度范围进行约束，生成与受控列车匹配的自适应性能推荐速度，减少级位切换频率，提高自动驾驶平稳性及节能水平。
自适应性能列车加速方法