-
公开(公告)号：CN113645187B
公开(公告)日：2023-04-11
申请号：CN202110761477.1
申请日：2021-07-06
Applicant: 暨南大学
IPC: H04L9/40
Abstract: 本发明公开了一种隐私度量和保护策略选择方法、装置、服务器和存储介质，应用于服务器，所述方法包括：接收用户客户端发送的隐私因素集和用户id；根据所述隐私因素集和用户id，将所述隐私因素集里的因素进行大类划分，获取对应的隐私策略参数；根据所述用户id，将所述隐私策略参数发送给对应的用户客户端；接收用户客户端根据所述隐私策略参数发送的新隐私策略参数；确认所述新的隐私策略参数后，将所述新隐私策略参数、所述隐私因素集和所述用户id绑定存储，作为隐私策略。本发明提出对隐私因素集里的因素进行大类划分，对影响环境的因素具有较高的可扩展性和容错性。
-
公开(公告)号：CN109685501B
公开(公告)日：2023-04-07
申请号：CN201811471842.X
申请日：2018-12-04
Applicant: 暨南大学
Abstract: 本发明公开了一种基于区块链激励机制下可审计的隐私保护深度学习平台建设方法，解决了深度学习模型训练中的参数缺乏的问题，使得多个相似模型的训练者可以在保护隐私同时可审计共享参数正确性的情况下合作进行深度学习模型的训练。该发明取得的技术效果如下：首先，模型训练者使用的加密方法保证了参数的隐私性，且解密更新后参数的过程需要所有参与者协同，从而更进一步降低参数泄露的可能性；其次，加密后的参数以状态的形式存放于区块链中，只有参与者及授权的矿工才能访问；第三，基于区块链的激励机制的存在，保证了参数的有效性；参与者在提交参数时需要缴纳抵押金，如果参数无效，则抵押金会被没收，从而保证了共享参数的可审计性。
-
公开(公告)号：CN115861804A
公开(公告)日：2023-03-28
申请号：CN202211504977.8
申请日：2022-11-28
Applicant: 暨南大学
IPC: G06V20/10 , G06V10/774 , G06V10/766 , G06N3/006 , G06N3/0475 , G06N3/086
Abstract: 本发明公开了一种基于多目标最优特征归因选择的合成孔径雷达图像对抗样本检测系统与方法。从SAR系统监控数据库中采集历史SAR图像，经过数据规范化与归一化后作为输入数据集，将基于滑动扫描的特征分析过程产生的子样本数量和逻辑回归模型的受试者工作特征曲线下面积作为优化目标，设计基于多目标优化方法的特征扫描块参数优化平台，获得最优的特征归因扫描块和最优回归模型。使用该最优回归模型对SAR系统实时数据库中的实时SAR图像数据进行对抗样本在线检测。本发明技术能根据不同的场景自动获得最佳的特征分析粒度，高效实现了SAR图像识别领域中的多种对抗样本检测，并提升了SAR图像对抗检测的计算效率和AUC性能指标。
-
公开(公告)号：CN112416948B
公开(公告)日：2022-11-01
申请号：CN202011473367.7
申请日：2020-12-15
Applicant: 暨南大学
IPC: G06F16/22 , G16B20/20 , G06F16/242 , G06F21/62 , G06F16/23
Abstract: 本发明公开了一种可验证的基因数据外包查询方法及系统，包括基因数据拥有者先将其持有的基因变异数据集进行排序，并在本地计算基因变异数据集的验证值和加密基因变异数据，将加密数据和验证值上传至云服务器；云服务器计算基因变异数据集的验证值；接着查询用户向云服务器的基因变异数据集发起查询，查询某染色体上的变异是否存在于基因数据拥有者的基因变异数据集中；云服务器根据查询用户的查询需求进行搜索，然后将查询结果以及对应的验证值发送给查询用户；查询用户判断云服务器返回的验证值是否与查询用户保存在本地的验证值相等，相等则代表验证通过，查询结果正确；否则验证失败，重新查询。本发明可以高效安全地实现基因数据外包查询。
-
公开(公告)号：CN115237506A
公开(公告)日：2022-10-25
申请号：CN202211146704.0
申请日：2022-09-21
Applicant: 暨南大学
Abstract: 本发明公开一种CPS系统中可靠性驱动的分层任务卸载方法和装置，包括：获取由大规模信息物理融合系统中每个终端设备的应用任务参数和处理器参数；根据所述应用任务参数对任务队列里存储的任务进行分组，得到应用任务列表；根据所述处理器参数和应用任务参数对所述应用任务列表里计算密集型应用任务生成第一可行卸载方案；对所述应用任务列表里通讯密集型应用任务进行转换并生成第二可行卸载方案。采用本发明的技术方案，在满足任务可靠性、定时性和可调度性要求的前提下，通过为任务区分不同的能源需求，分析动态能源最优性，最小化终端设备的整体能耗。
-
Patent Agency Ranking
公开(公告)号：CN112532580B
公开(公告)日：2022-09-06
申请号：CN202011145558.0
申请日：2020-10-23
Applicant: 暨南大学
Abstract: 本发明公开了一种基于区块链及代理重加密的数据传输方法及系统，该系统包括数据拥有者终端、数据代理终端和数据请求者终端；数据请求者终端发起数据传输请求，数据拥有者终端生成代理密钥，然后将代理密钥发送至数据代理终端中，由代理终端将第一密文重新加密，生成可以由数据请求者的密钥进行解密的第二密文，然后传输至数据请求者终端，由数据请求者终端进行解密即可得到明文。通过本发明数据拥有者终端在接收数据传输请求时，就不需要将已上传的待传输数据重新下载，然后重新加密后，再上传，极大的减少了数据传输过程中的通信代价。
-
公开(公告)号：CN110737899B
公开(公告)日：2022-09-06
申请号：CN201910904539.2
申请日：2019-09-24
Applicant: 暨南大学
Abstract: 本发明公开了一种基于机器学习的智能合约安全漏洞检测方法，首先收集智能合约源代码数据，并进行数据预处理，构建机器学习的样本集；然后通过公开的智能合约漏洞检测器为样本集数据确定漏洞标签，将智能合约源代码转译成XML结构化文本，在此基础上对数据集中智能合约源代码进行特征抽取，针对智能合约不同漏洞类型，考虑当前Solidity智能合约样本数据有限，因此本发明依据标签样本数量，采用两种不同的机器学习算法来进行分析。其中，针对多数据样本采用随机森林算法构建模型、针对少数据样本利用迁移学习构建检测模型，本发明可以更加高效、自动化地得到检测出Solidity智能合约漏洞。
-
公开(公告)号：CN114461370A
公开(公告)日：2022-05-10
申请号：CN202210381235.4
申请日：2022-04-13
Applicant: 暨南大学
Abstract: 本发明公开一种面向物联网的安全关键任务调度方法及系统，包括，获取任务参数、处理器参数及任务集合，基于任务集合生成初始解集合，基于所述任务参数及处理器参数对初始解集合进行约束，生成优化解集合，通过迭代计算对所述优化解集合进行优化，得到静态调度表，基于静态调度表及任务集合生成动态调度表，以实现物联网的安全关键任务调度。本发明在满足系统生命周期、任务的安全性需求和时间约束的条件下，通过为实时任务选择最优的处理器和工作频率，来最小化系统的总能耗。
-
公开(公告)号：CN112115771B
公开(公告)日：2022-04-01
申请号：CN202010780459.3
申请日：2020-08-05
Applicant: 暨南大学
IPC: G06V40/20 , G06V10/774 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于星形生成对抗网络的步态图像合成方法，属于计算机视觉与模式识别领域。首先，将不同干扰类型下的步态假样本视为不同的域，训练星形生成对抗网络，进而自动生成不同干扰类型下的步态假样本；再将自动生成的步态假样本与真实样本进行基于预计最大平均差的分布对齐，使得步态假样本和真实样本的分布更加有效地融合在一起，最后，将对齐后的步态假样本和真实样本合并到一起以实现步态数据库中样本的扩充。本发明充分利用现有的图像数据合成不同干扰类型下的步态假样本，降低了人工采集不同干扰类型下的步态假样本的成本，解决了难以收集到同一个目标在所有干扰类型下样本的难题，对步态识别的产业化进程起到重要的推动作用。
-
公开(公告)号：CN113300836B
公开(公告)日：2022-02-22
申请号：CN202110440956.3
申请日：2021-04-23
Applicant: 暨南大学
Abstract: 本发明公开了一种基于区块链和ECC的车载网络报文认证方法及系统，该方法包括以下步骤：建立车载区块链网络并完成ECU连接区块链；车载ECU基于ECC初始化公、私钥对，并将公钥作为共享信息存储至区块链；通信双方ECU通过区块链中共享信息进行Diffie‑Hellman密钥交换，协商出共享密钥；利用共享密钥以及ECIES加密方案，发送方对车载网络报文进行签名，接收方对报文进行验签。考虑与现有ECU的兼容性，本发明利用联盟链完成ECU的身份认证，实现在不安全的车内总线上快速协商出共享密钥，对报文进行实时认证。
-
-
-
-
-
-
-
-
-
Search Results
273
records
(took 0.027 seconds)
