-
公开(公告)号：CN118296581A
公开(公告)日：2024-07-05
申请号：CN202410726027.2
申请日：2024-06-06
Applicant: 暨南大学
IPC: G06F21/31 , G06F21/32 , G06F21/45 , G06F3/01 , G06N3/045 , G06N3/0464 , G06N20/10 , G06F18/213 , G06F18/23 , G06F18/2411 , A63F13/79 , G06F123/02
Abstract: 本发明公开了一种基于VR肢体交互的连续身份认证方法及其系统，包括：获取用户选择的一种肢体移动方式；基于虚拟移动技术，获取用户一种肢体移动的虚拟视点；基于所述虚拟视点的移动，采集用户的移动行为特征；将所述移动行为特征作为用户的个人签名，基于所述移动行为特征训练时间序列模型，得到训练好的时间序列模型；获取用户的待认证移动行为特征，将所述待认证移动行为特征输入至训练好的时间序列模型中，得到用户身份预测的置信度；对所述置信度进行阈值判断，得到用户身份认证结果。本发明可以持续的监控用户的身份，防止用户登录后被冒名顶替，或者用户故意将凭证泄露给其他人。
-
公开(公告)号：CN118093442B
公开(公告)日：2024-06-25
申请号：CN202410497607.9
申请日：2024-04-24
Applicant: 暨南大学
Abstract: 本发明涉及数据安全技术领域，提出一种基于零知识证明的神经网络模型可验证测试方法及系统，其中包括：测试数据持有方生成关于其测试数据的基于多项式的承诺#imgabs0#，将承诺#imgabs1#和测试数据上传；模型持有方生成关于其模型参数的基于多项式的承诺#imgabs2#，并将承诺#imgabs3#上传；模型持有方获取测试数据和承诺#imgabs4#后，验证每一测试数据持有方的测试数据与其相应的承诺#imgabs5#是否一致，若是，则模型持有方使用测试数据进行模型测试，输出统计性测试结果，并对测试过程生成关于模型正确运行的公开可验证证明；模型持有方将统计性测试结果和公开可验证证明发送至测试数据持有方或任意第三方进行有效性验证，输出验证结果。
-
公开(公告)号：CN117808470B
公开(公告)日：2024-06-18
申请号：CN202311764812.9
申请日：2023-12-21
Applicant: 暨南大学
Abstract: 本发明公开了一种基于门限签名的高效匿名原子交换的跨链方法及系统。该方法包括：服务提供方SP接受原子交换参与方的注册申请；原子交换参与方完成质押金的锁定；跨链参与方通过证明提取模块中的零知识证明算法生成未确认交易的证明；SP通过证明校验合约验证原子交换交易的有效性，最后通过资产锁定合约对偏离协议参与者与质询方分别进行事后惩罚和补偿。本发明通过门限签名技术提供了更加安全和高效的跨链服务，并通过资产锁定合约以及事后质询的惩罚机制使得偏离协议的任一参与方都没有违反交易内容的动机，且无需额外花费同步等待开销，在保证跨链交易匿名性的前提下，提高了跨链资产交换服务的效率和实用性。
-
公开(公告)号：CN118093442A
公开(公告)日：2024-05-28
申请号：CN202410497607.9
申请日：2024-04-24
Applicant: 暨南大学
Abstract: 本发明涉及数据安全技术领域，提出一种基于零知识证明的神经网络模型可验证测试方法及系统，其中包括：测试数据持有方生成关于其测试数据的基于多项式的承诺#imgabs0#，将承诺#imgabs1#和测试数据上传；模型持有方生成关于其模型参数的基于多项式的承诺#imgabs2#，并将承诺#imgabs3#上传；模型持有方获取测试数据和承诺#imgabs4#后，验证每一测试数据持有方的测试数据与其相应的承诺#imgabs5#是否一致，若是，则模型持有方使用测试数据进行模型测试，输出统计性测试结果，并对测试过程生成关于模型正确运行的公开可验证证明；模型持有方将统计性测试结果和公开可验证证明发送至测试数据持有方或任意第三方进行有效性验证，输出验证结果。
-
公开(公告)号：CN117995198A
公开(公告)日：2024-05-07
申请号：CN202410389359.6
申请日：2024-04-02
Applicant: 暨南大学
IPC: G10L17/18 , G10L15/06 , G10L17/04 , G10L25/51 , G06F18/213 , G06F18/24 , G06N3/045 , G06N3/0455 , G06N3/0464 , G06N3/0475 , G06N3/048 , G06N3/094
Abstract: 本发明公开了一种基于多任务对抗解耦学习的语音隐私保护方法及系统，该方法包括下述步骤：对语音信号提取声学特征得到特征编码结果，基于三个并行的通道注意力计算模块构建信息解耦模块，将特征编码结果进行多任务解耦特征学习，进行年龄段分类、自动语音解码和身份识别，并基于年龄段分类、自动语音解码和身份识别对应的损失函数进行监督训练，计算解耦特征信息的整体相似度并构建最小‑最大目标，HiFi‑GAN生成器将相加后的特征信息进行隐秘音频重建，输出隐秘音频。本发明在维护隐私的同时避免丢失其中的年龄属性，并确保下游的年龄估计任务具有良好的预测精度，并且从隐私保护的角度出发添加相似度约束，实现高精度的年龄识别。
-
Patent Agency Ranking
公开(公告)号：CN117975971A
公开(公告)日：2024-05-03
申请号：CN202410389361.3
申请日：2024-04-02
Applicant: 暨南大学
IPC: G10L17/18 , G10L17/04 , G10L25/51 , G06F18/213 , G06F18/24 , G06N3/0464 , G06N3/048 , G06N3/0499 , G06N3/08
Abstract: 本发明公开了一种基于隐私保护的声纹年龄段估计方法及系统，该方法包括下述步骤：获取原始声纹并进行分帧处理，识别并标记原始声纹的敏感信息，进行脱敏处理并输出具有差分隐私噪声的声纹数据，基于多重编码器进行编码并进行维度叠加及卷积操作，将增强后的特征向量进行维度特征交互，得到维度扩展的特征向量，融合时域和空域信息得到融合特征向量，进行维度变换和非线性映射得到低维特征表示，利用残差链接整合低维特征表示和维度扩展的特征向量，得到用于年龄估计的特征表示，用于年龄估计的特征表示输入Softmax分类器得到声纹年龄段估计结果。本发明更精准地捕捉声音数据中的年龄相关特征，提高隐私条件下年龄段估计的鲁棒性和准确性。
-
公开(公告)号：CN115129978B
公开(公告)日：2024-03-29
申请号：CN202210597197.6
申请日：2022-05-27
Applicant: 暨南大学
IPC: G06F16/9535 , G06F16/2457 , G06F21/62
Abstract: 本发明公开了一种偏好查询方法、用户终端、服务器及存储介质，偏好查询方法应用于用户终端，偏好查询方法包括以下步骤：获取用户的初始偏好向量，以及获取标准数集；对标准数集中的各个标准数进行排列得到扰动偏好向量；将扰动偏好向量发送至服务器，以供服务器采用扰动偏好向量对数据库中各个存储对象的属性进行加权求和处理得到存储对象对应的偏好分数，根据偏好分数确定查询结果，将查询结果发送至用户终端。本发明实现了在偏好查询的过程中，保护用户的隐私信息不被泄露。
-
公开(公告)号：CN113220651B
公开(公告)日：2024-02-09
申请号：CN202110452028.9
申请日：2021-04-25
Applicant: 暨南大学
IPC: G06F16/174
Abstract: 本发明公开一种运行数据压缩方法，所述方法包括以下步骤：在目标运行数据中筛选满足预设条件的选定运行数据；利用预设压缩算法对所述选定运行数据进行数据结构的修改，以获得预处理数据，其中，一条选定运行数据对应一条预处理数据，所述预设压缩算法是利用冗余比特位数对Snappy算法进行修改获得，所述冗余比特位数基于所述目标运行数据中的参考运行数据的数据大小值获得；利用所述预设压缩算法，对所述预处理数据进行压缩，以获得压缩后的结果数据。本发明还公开一种运行数据压缩装置、终端设备以及计算机可读存储介质。利用本发明的运行数据压缩方法，提高了满足预设条件的运行数据的压缩效率。
-
公开(公告)号：CN117424690A
公开(公告)日：2024-01-19
申请号：CN202311289568.5
申请日：2023-10-08
Applicant: 暨南大学
Abstract: 本发明公开了基于支持一次重加密的同态代理重加密数据共享系统，系统包括：数据拥有方终端、数据请求方终端以及云服务器；数据拥有方终端利用自己的公钥和数据请求方的公钥及DH密钥对数据进行加密，生成第一密文和代理密钥并上传至云服务器；数据拥有方终端可以请求云服务器进行数据处理，并利用自己的私钥解密云服务器返回的计算结果得到明文；数据请求方终端可以向云服务器请求使用存储在云服务器上的数据，并利用自己的私钥解密返回的重新加密后的第二密文得到共享数据明文。本发明加入了代理重加密的功能，利用了云服务器强大的存储和计算能力，解决了数据共享过程中敏感数据和隐私泄露的问题。
-
公开(公告)号：CN112613601B
公开(公告)日：2024-01-16
申请号：CN202011557239.0
申请日：2020-12-24
Applicant: 暨南大学
IPC: G06N3/0464 , G06N3/08 , G06F21/64
Abstract: 本发明公开一种神经网络模型更新方法、设备及计算机存储介质，该方法包括：基于骨架神经网络，随机生成预设数量个子神经网络作为区块链中的节点；节点使用环签名将本地数据集分享到区块链中，并对区块链中的数据集进行统一划分，生成训练集和测试集；利用所述训练集对各个节点分别进行训练，生成训练好的模型，并将训练好的模型打包为模型事务分享到区块链中；使用投票所选测试集对模型事务进行测试，生成测试结果；当测试结果优于基准评价，则测试结果对应的子神经网络模型作为有效选票；对有效选票对应的上一个区块进行投票，选出一致区块并对所有节点进行更新；本发明解决神经网络不能适应用户动态变化问题，实现不依赖于第三方的模型更新。
-
-
-
-
-
-
-
-
-
Search Results
273
records
(took 0.027 seconds)
