-
公开(公告)号：CN106056639B
公开(公告)日：2019-05-14
申请号：CN201610346457.7
申请日：2016-05-24
Applicant: 大连理工大学
IPC: G06T9/00
Abstract: 本发明一种基于相机来源反取证的隐密方法属于信号与信息处理技术领域，涉及到基于传感器模式噪声的来源反取证技术以及JPEG图像的隐密技术。该方法是将相机来源反取证算法与隐密算法相结合的隐密方法，利用隐密分析技术在相机模型失配的情况下对隐密图像检测率较低的特点，先对图像的来源进行伪造，使用基于传感器模式噪声的来源反取证方法中的指纹替换算法获得伪造图像，最后，用nsF5隐密算法对图像加密，得到隐密图像。该方法提高了隐密图像的安全性，适用于信息安全领域，有效地帮助秘密信息传递人员安全地传送秘密信息；从而为政治、军事、商业等在网络中传递的重要机密信息提供了技术支持。
-
公开(公告)号：CN102262782A
公开(公告)日：2011-11-30
申请号：CN201110198154.2
申请日：2011-07-05
Applicant: 大连理工大学
IPC: G06T7/00
Abstract: 一种利用CFA重采样插值定位拼接的数字图像取证方法，属于信号与信息处理技术领域。其特征是在仅获得数字图像的情况下，通过对待测图像进行CFA采样和重插值，得到估计的原始图像，计算待测图像和估计图像边缘像素点四个方向相邻像素均值的最大偏差，进而计算待测图像和估计图像这个最大偏差的差异，以此判决该像素点是否为拼接的像素点，进而通过对每个像素点的标定来定位显示数字图像的拼接伪造区域。本发明的效果益处是：通过对数字图像拼接区域的定位，可以为司法取证人员提供数字图像篡改伪造区域的直观鉴别结果，为司法部门的证据鉴定提供有效的技术保障。本发明适用于信息安全领域，可以有效地对一幅数字图像进行拼接区域的定位。
-
公开(公告)号：CN101441720A
公开(公告)日：2009-05-27
申请号：CN200810228965.0
申请日：2008-11-18
Applicant: 大连理工大学
IPC: G06K9/62
Abstract: 本发明属于信号与信息处理技术领域，涉及到一种检测数码照片图像相机来源的数字图像取证方法，其特征是在仅获得数字图像的情况下，利用协方差矩阵估计成像过程中的CFA插值系数，采用SFFS特征选择算法优选出最优特征，并以此作为分类检测的特征，通过预先训练好的模型和参数，使用支持向量机SVM作为分类器，对未知来源的数字图像检测和取证其相机来源。本发明的效果益处是能够在仅获得数字图像的情况下，对其相机来源进行准确的鉴别和取证。本发明适合于信息安全领域。
-
公开(公告)号：CN113821770B
公开(公告)日：2025-04-08
申请号：CN202110769660.6
申请日：2021-07-07
Applicant: 大连理工大学
Abstract: 一种针对共享数据保护的定向对抗下毒攻击方法，属于计算机图像处理技术领域。技术方案：数据所有者采用对抗中毒攻击算法，将混合有毒物质注入训练数据，然后将中毒数据上传到第三方；数据用户通过将下载的中毒数据输入购买的解毒剂中来重建可追溯的水印解毒数据；数据所有者使用通用水印重建模块U‑net从泄漏的数据中恢复特定的身份信息，以保护版权；通过降温优化方法平衡对抗中毒的攻击，排毒重建和水印重建性能；通过边界约束减少中毒数据的可用性。有益效果:本发明通过生成不可用的上载数据应对令人难以置信的第三方的未知威胁，避免网络过度拟合的中毒数据重建以及与多种加密相匹配的单次解密的适用性能来解决恶意数据购买解密密钥的用户共享。
-
公开(公告)号：CN114742239B
公开(公告)日：2024-09-27
申请号：CN202210225096.6
申请日：2022-03-09
Applicant: 大连理工大学
Abstract: 本发明提供一种基于联邦学习的金融保险理赔风险模型训练方法及装置，方法包括：中心节点生成同态加密的公钥，并发送给第一参与方P1和第二参与方Pi；第二参与方Pi计算加密聚合参数并发送至第一参与方P1；第一参与方P1计算聚合参数并发送给各第二参与方Pi；第一参与方P1和第二参与方Pi计算各自的参数梯度更新式并发送给中心节点进行解密并回传；第一参与方P1和第二参与方Pi在预先设定的学习率下进行模型参数更新，各参与方根据更新后的模型参数计算新的传播参数；迭代直至达到模型收敛条件。本发明考虑到金融风险评估应该考虑到用户多方面行为的特点，使用多方数据集联合训练模型，从而能够达到更好的模型训练效果。
-
Patent Agency Ranking
公开(公告)号：CN117494842A
公开(公告)日：2024-02-02
申请号：CN202311683098.0
申请日：2023-12-08
Applicant: 大连理工大学 , 深圳市洞见智慧科技有限公司
IPC: G06N20/00 , G06F18/232 , G06F18/22 , G06F21/64 , G06F21/62
Abstract: 本发明提供一种具有可信锚点客户端的鲁棒性聚类联邦学习方法，包括：可信客户端与服务器协商密钥，获取共享密钥；服务器使用共享密钥从可信模型中移除掩码，并将其聚合以获得可信聚集模型；将可信聚集模型作为锚模型，对具有未知属性的模型执行特征提取，计算多个聚类特征，并应用HDBSCAN聚类；对多个聚类模型进行聚合，考虑不同聚类聚合模型的平均范数和不同聚类间的更新偏离角，计算可信度因子；在每次迭代中，选择信任度最高的簇，并设置容差阈值，信任因子在阈值范围内的群集被添加到聚合列表，阈值范围之外的群集被认为包含恶意更新。本发明能够实现由不同服务提供商提供的锚点模型来检测未知模型，保证多服务商联合训练中获得无污染的全局模型。
-
公开(公告)号：CN117151680A
公开(公告)日：2023-12-01
申请号：CN202310691964.4
申请日：2023-06-13
Applicant: 大连理工大学
Abstract: 本发明提供了一种基于YOLOv6的桥梁病害巡检方法及系统，涉及桥梁病害检测技术领域，方法包括如下步骤：S1、规划无人机的航行路径；S2、采集无人机的训练数据；S3、建立并训练YOLOv6桥梁病害识别模型；S4、进行无人机自动巡检与桥梁病害识别；本发明为了解决传统桥梁检测成本高、效率低、影响交通正常运行等问题，采用基于无人机智能机场的桥梁病害巡检系统，实现桥梁病害检测结果的实时标定和显示，并可用于一定范围桥梁病害的定期巡检。本发明采用基于人工智能的桥梁病害图像自动识别技术YOLOv6模型进行桥梁病害自动检测工作，通过与前述巡检系统的交互，大幅度提高识别效率与识别精度。
-
公开(公告)号：CN110659679A
公开(公告)日：2020-01-07
申请号：CN201910871685.X
申请日：2019-09-16
Applicant: 大连理工大学
Abstract: 一种基于自适应滤波与耦合性编码的图像来源鉴别方法,属于计算机图像处理技术领域。技术方案：提取相机的原始特征，通过多层卷积提取图像的内容特征，从原始特征中适应性移除内容特征得到便于分类的属性信息；采用多任务训练的方式递进回归类别，使用单个模型同时对相机的品牌、型号、设备进行分类；采用耦合式编码方法保证子分类器可以反作用于父类分类器从而提升父类分类器的精确率；通过适当增加编码方法的冗余度，将已分类模型作为对新相机类别进行分类的预训练模型，可以大大减少训练时间。有益效果是:本发明用新的编码方法，引入了相机三种类别之间的耦合性，使得三种类别互相促进，从而提升了相机型号来源鉴别准确率。
-
公开(公告)号：CN106056639A
公开(公告)日：2016-10-26
申请号：CN201610346457.7
申请日：2016-05-24
Applicant: 大连理工大学
IPC: G06T9/00
CPC classification number: G06T9/00
Abstract: 本发明一种基于相机来源反取证的隐密方法属于信号与信息处理技术领域，涉及到基于传感器模式噪声的来源反取证技术以及JPEG图像的隐密技术。该方法是将相机来源反取证算法与隐密算法相结合的隐密方法，利用隐密分析技术在相机模型失配的情况下对隐密图像检测率较低的特点，先对图像的来源进行伪造，使用基于传感器模式噪声的来源反取证方法中的指纹替换算法获得伪造图像，最后，用nsF5隐密算法对图像加密，得到隐密图像。该方法提高了隐密图像的安全性，适用于信息安全领域，有效地帮助秘密信息传递人员安全地传送秘密信息；从而为政治、军事、商业等在网络中传递的重要机密信息提供了技术支持。
-
公开(公告)号：CN114757877B
公开(公告)日：2025-04-04
申请号：CN202210229571.7
申请日：2022-03-09
Applicant: 大连理工大学
IPC: G06V20/00 , G06V20/30 , G06V40/16 , G06V10/44 , G06V10/52 , G06V10/54 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0985
Abstract: 一种基于频域滤波残差的深度伪造检测方法，属于图像分类的技术领域，包括预处理模块和分类模块，包括如下步骤：通过对图像进行哈尔小波变换，得到图像的低频信息图；将原图的灰度图和低频信息图做残差运算，得到原图的中高频信息残差图；分类模块中，将原图和中高频信息残差图拼接之后输入卷积神经网络进行分类处理。通过哈尔小波变换和残差来得到图像的中高频域的特征，从而在频域中挖掘因为图像压缩导致的RGB域中被削弱或者污染的伪造痕迹，提高检测方法在检测压缩图像时的精度。将RGB图像和高频残差图像拼接起来作为卷积神经网络的输入，充分利用RGB域丰富的语义信息和中高频域的细节纹理信息，使检测方法对图像压缩拥有很好的鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
125
records
(took 0.077 seconds)
