一种智能交通系统异常预测方法、装置及存储介质

    公开(公告)号:CN116307033A

    公开(公告)日:2023-06-23

    申请号:CN202211535501.0

    申请日:2022-11-30

    摘要: 本发明涉及一种基于对比图神经网络的智能交通系统异常预测方法、装置及存储介质,其中方法包括:获取原始数据,所述原始数据包括交通事故数据集和道路数据集;提取道路数据集的信息,得到道路的交通拓扑图、空间特征、时空特征和额外特征,并结合交通事故数据集得到图数据集;建立基于对比图神经网络的智能交通系统异常预测模型,所述智能交通系统异常预测模型采用对比学习损失函数进行模型预训练;针对图数据集进行数据增广,并基于增广后的图数据集对模型进行预训练;将图数据作为输入,基于智能交通系统异常预测模型预测图中每个节点的异常情况。与现有技术相比,本发明具有解决了异常数据失衡问题、预测精度高等优点。

    一种内嵌授权式深度学习模型版权主动保护方法

    公开(公告)号:CN116089917A

    公开(公告)日:2023-05-09

    申请号:CN202310181842.0

    申请日:2023-02-27

    摘要: 本发明涉及一种内嵌授权式深度学习模型版权主动保护方法,包括以下步骤:生成混合图像数据集并划分训练集和测试集;在训练集的授权图像样例中插入令牌图样,并进行视觉特征提取和数据投毒训练,得到授权特征向量;以授权特征向量作为深度学习模型的输入进行训练,使得深度学习模型对授权输入实现正常预测;对训练集中的未授权图像样例的标签按照数据投毒策略进行修改,得到未授权图像训练集;基于未授权图像训练集对深度学习模型进行更新训练,使得模型对未授权输入实现低精度的错误预测;基于测试集测试深度学习模型的版权主动保护效果。与现有技术相比,本发明能够防止恶意攻击者非法使用模型或复制一个盗版深度学习模型。

    一种资源高效的安全数据分享方法及系统

    公开(公告)号:CN108540280B

    公开(公告)日:2020-09-15

    申请号:CN201810136222.4

    申请日:2018-02-09

    IPC分类号: H04L9/06 H04L9/08 H04L9/32

    摘要: 本发明提供了一种资源高效的安全数据分享方法及系统,包括:发布者端对原始数据进行预处理得到元数据M,元数据M通过雾节点对称加密方案加密,对称密钥由设定的访问结构保护,只有当订阅者端的属性集合S满足目标密文对应的访问结构时,通过解密服务端解密得到正确的对称密钥,进而恢复出元数据M;所述对称密钥以及所述属性由属性授权端管理;所述访问结构为由发布者端构建的访问树Γ,访问树Γ的非叶子节点是阈值门,叶子节点与所述属性的值关联,访问树Γ包括左子树Γu和右子树tc;所述左子树Γu由发布者端确定,对应于一条密文;所述右子树tc是用来描述时间戳的叶子节点。本发明能够在实现不同安全需求的同时,显著降低计算开销,实现高效的用户撤销。

    智能传感器网络中的轻量级安全同步方法

    公开(公告)号:CN105245305A

    公开(公告)日:2016-01-13

    申请号:CN201510703427.2

    申请日:2015-10-26

    IPC分类号: H04J3/06 H04L29/06

    摘要: 本发明提供了一种智能传感器网络中的轻量级安全同步方法,包括如下步骤:步骤S1,认证阶段:在传感器节点和应用程序两者之间广播认证消息;步骤S2,时间戳传递阶段:时间戳信息通过轻量的加密算法进行传递以保证通信的安全性;步骤S3,时间同步阶段:考虑认证阶段和时间戳传递阶段的脉冲传播时延,从而进行时间同步调整。本发明可以被运用到ISO/IEC/IEEE 21451中;充分满足了同步机制中的安全需求,提高了安全性,一些虚假和无效的信息将在传输过程中被丢弃;在只有微小延迟的代价下提高了时间同步的安全性能,同时可以运用于基于ISO/IEC/IEEE 21451的传感器网络中。

    一种低存储容量的Turbo码译码器及其设计方法

    公开(公告)号:CN103957016A

    公开(公告)日:2014-07-30

    申请号:CN201410199648.6

    申请日:2014-05-12

    发明人: 詹明 伍军 文红

    IPC分类号: H03M13/29

    摘要: 本发明提供一种低存储容量的Turbo码译码器及其设计方法,包括BMUα和BMUβ,所述BMUβ与LIFO SMC存储器相连,所述BMUα与LIFO SMC存储器均连接至后验概率LLR计算单元,所述BMUβ和LIFO SMC存储器之间通过一个压缩计算单元相连,所述LIFO SMC存储器和后验概率LLR计算单元之间通过一个再生计算单元相连,所述压缩计算单元对后向度量进行排序构造序号数组并计算增量值,所述序号数组与增量值存储于所述LIFO SMC存储器中,所述再生计算单元访问所述LIFO SMC存储器中的序号数组与增量值,估算后向度量。本发明所提供的Turbo译码器,LIFO SMC容量降低效果更好,不仅适用于单比特Turbo码,也适用于双二元的Turbo码,使低LIFO SMC容量译码器结构设计方案得到了统一。