专利标题 公开号/公告号 公开日期 摘要 专利状态
一种基于多模态模型的汉字易混淆集构建方法 CN202110402126.1 2021-07-30 本发明涉及汉字易混淆集构建领域，公开了一种基于多模态模型的汉字易混淆集构建方法。S1：得到字形编码的相似度，S2：得到字音编码的相似度，S3：构建并训练出一个图像分类的神经网络模型，由图像分类的神经网络模型输出一个M维的向量，S4：构建并训练出一个音频分类的神经网络模型，由音频分类的神经网络模型输出一个M维的向量，S5：将汉字字符Ci的字形编码相似度向量、字音编码相似度向量、字形视觉易混淆向量、字音听觉易混淆向量，加权组合为一个向量，作为音形易混淆向量，从而依据音形易混淆向量中每个维度上的相似度，选择对应的字典Dic中的汉字，构成音形易混淆集。本发明能够模拟人的视觉和听觉构建易混淆集。 专利（申请）权的转移
一种基于多任务学习的社交媒体谣言检测方法 CN202110269307.1 2021-05-25 本发明涉及一种基于多任务学习的社交媒体谣言检测方法，具体包括如下步骤：S1：对语料进行数据提取及格式转换，获取帖子的源、回复及传播路径；S2：提取行文风格的特征；S3：提取用户置信度的特征；S4：对来源帖子及回复帖子中的文本部分做文本预处理,来输入后续任务；S5：将S2和S3提取到的特征与S4的文本表示做向量拼接；S6：将拼接后的向量放入一个共享的BERT层；S7：分别构建神经网络结构；S8：将S5处理后的数据输入神经网络结构中，输出立场分类和谣言分类。本发明能用多任务联合模型联合两个高度相关的任务，改进了谣言检测和立场分类任务，提高了谣言检测性能。 专利（申请）权的转移
一种基于多任务联合训练的机器阅读理解模型的使用方法 CN202011513956.3 2021-03-09 本发明涉及一种基于多任务联合训练的机器阅读理解模型的使用方法，具体包括如下步骤：S1：建立基于多任务学习的阅读理解模型，将阅读理解任务分为多个子任务，设计多个子模块分别进行处理，并进行多任务联合训练，其中子模块包括文本编码模块；答案抽取模块；答案分类模块；支撑句判别模块；S2：将文本及问题输入文本编码模块，由文本编码模块进行编码，然后输入至答案抽取模块与答案分类模块与支撑句判别模块；S3：由答案抽取模块、答案分类模块与支撑句判别模块输出结果。本发明可以避免文本的重复编码，同时将答案抽取，答案分类，支撑句判别三个模块进行多任务联合训练，相互促进，提升最终的模型表现。 专利（申请）权的转移
一种基于假设检验的DDOS攻击检测方法 CN202010412575.X 2022-05-20 本发明公开了一种基于假设检验的DDOS攻击检测方法，用于检测低速率DDoS攻击，方法包括：抓取网络数据包，按照一定时间窗口对网络数据包进行分段；按照一定频率对每段网络数据包进行抽样；计算网络数据流特征值，构建符合正态分布的概率密度特征函数；计算概率密度特征函数的参数；基于假设检验构造检测条件进行DDoS攻击检测。相较于现有技术基于深度学习的DDoS攻击检测方法，本方法计算效率更高，实时性更强，而且无需大量的计算资源和存储资源，更加节省成本。 专利权的授权
一种HTTP请求双层递进式异常检测方法 CN201910681004.3 2021-09-28 本发明公开了一种HTTP请求双层递进式异常检测方法，基于双层递进式异常检测模型进行异常检测，该模型由XGBoost梯度提升树模块和LSTM长短期记忆网络模块组成。在对一定规模的HTTP请求数据集进行训练之后，该模型先用第一层XGBoost梯度提升树模块进行快速判断，存疑的HTTP请求再输入到第二层LSTM模块进行仔细判断，实现HTTP请求异常检测，达到通过正常HTTP请求，拦截恶意HTTP请求的目的。本发明可以有效提高对HTTP请求异常检测的准确度，降低异常检测的假阳性，并使异常检测模型具有一定的长期依赖性。 专利权的授权
基于门控循环单元与注意力机制的注入攻击检测方法 CN201910673024.6 2021-07-23 本发明公开了一种基于门控循环单元与注意力机制的注入攻击检测方法，其特征在于，包括以下步骤：步骤1、提取互联网中与数据库相关的语句作为样本；对各个样本分别进行预处理，并获取其类别标签；步骤2、将样本预处理后的结果输入注入攻击检测模型，预测其对应的类别标签；其中注入攻击检测模型包括依次连接的激活层、门控循环单元层、注意力机制层和输出层；步骤3、基于样本数据训练注入攻击检测模型；步骤4、对于待检测语句，先对其进行预处理，再将预处理后的结果输入训练好的注入攻击检测模型，得到该待检测语句的类别标签，从而判断该待检测语句是否为注入攻击语句。本发明准确率高。 专利权的授权
一种基于Transformer模型的应用层恶意请求检测方法 CN201910629182.1 2021-03-30 本发明提供了一种基于Transformer模型的应用层恶意请求检测方法，首先构建应用层用户请求数据样本集合；接着根据应用层用户请求数据中词元出现频率构建词典并根据词典向量化应用层用户请求数据；然后对向量化的结果进行数据嵌入和位置编码，得到特征矩阵；再基于Transformer模型对特征矩阵预测相应应用层用户请求数据的类别；再根据模型预测类别和真实类别计算损失函数值，优化网络参数；最后对于待检测的应用层用户请求数据进行向量化，并基于优化后的网络对其进行特征提取和类别预测，实现应用层恶意请求检测。本发明效果好，效率高。   专利权的授权
一种应用于SDN网络中DDOS攻击的检测及防御方法和装置 CN201910370747.9 - 本发明公开了一种应用于SDN网络中DDOS攻击的检测及防御方法和装置，其中，所述方法包括收集流、流表以及OpenFlow交换机每端口的统计信息；根据所述统计信息提取数据平面和控制平面的流特征；从流特征中选定检测特征，设定检测比例，根据检测比例选取检测特征排名靠前的相应数量的流，采用在线序贯决策算法对选取的每个流进行计算，分别判定数据平面和控制平面是否发生DDOS攻击；若数据平面和控制平面中的至少一个发生DDOS攻击，对攻击源进行流量清洗，或者相应流进行丢弃和限速处理。本发明计算速度快，能提高SDN网络中DDOS攻击检测的准确性和效率，并能在判定发生DDOS攻击时采取相应的防御措施，提高网络安全性。 专利申请的驳回
一种面向短文本的优化分类方法 CN201910182364.9 2021-07-27 本发明公开了一种面向短文本的优化分类方法，步骤一：获取原始数据集并对其进行预处理；步骤二：对预处理后的数据集进行特征项集的选取；步骤三：利用词向量工具对搜集的大规模语料进行训练得到词向量模型；步骤四：利用词向量模型对特征项集中的每个特征项进行词向量表示，并对特征项的词向量进行一阶段初步聚类得到若干个初步特征簇；步骤五：在每个初步特征簇内部进行二阶段松散聚类得到若干个相似特征簇；步骤六：将步骤四中得到的特征词替换成步骤五中得到的相似特征簇，然后使用分类器进行短文本分类。传统的短文本分类大多缺乏语义表达能力，且特征空间的维度较高，本发明可以更好的表达短文本的语义信息，同时降低特征空间的维度，进而提高短文本分类的精度和效率，可以用于各个领域的短文本分类任务中，例如垃圾短信分类，微博话题分类等。 专利（申请）权的转移
一种DDoS攻击检测方法、装置、设备以及存储介质 CN201910104054.5 2021-12-07 本发明公开了一种DDoS攻击检测方法、装置、设备以及存储介质，包括接收采集的实时网络流量数据，并对所述实时网络流量数据进行预处理；将所述实时网络流量数据传输至数据分析模块，所述数据分析模块包括DDoS攻击检测模型和训练模型；将所述实时网络流量数据与所述DDoS攻击检测模型对比，当存在一个以上相同的入侵特征数据时，启动告警响应操作，并过滤掉所述实时网络流量数据中的入侵特征数据，将所述实时网络流量数据中剩余的特征数据引入所述训练模型进行学习训练，实时更新所述DDoS攻击检测模型。采用对DDoS攻击检测模型不断更新的方法，加强了对未知攻击特征的检测能力，通过优化BP神经网络，改进了传统BP神经网络收敛速度慢、精度低的缺点。 专利权的授权