-
公开(公告)号：CN110611567A
公开(公告)日：2019-12-24
申请号：CN201910891804.8
申请日：2019-09-20
Applicant: 福州大学
Abstract: 本发明涉及一种基于非确定性有限自动机的隐私保护医学诊疗系统。包括密钥生成中心，负责生成系统公共参数，分发服务器的私钥、用户的公/私钥，并执行远程医疗授权操作；医院，针对不同的疾病设计不同的医疗模型，并将其加密的医疗模型外包给云平台以提供远程诊疗服务；患者，将加密的医疗数据发送给云平台以请求获得诊疗服务，并使用自己的密钥来解密云服务器返回的诊疗结果；云平台，为医院提供加密医疗模型的存储服务；计算服务器，当接收到患者的远程诊疗请求后，计算服务器和云平台交互执行安全外包计算协议，并计算出最佳的加密治疗过程。本发明可以为患者推荐最佳的加密治疗建议，并且不会泄露患者的隐私。
-
公开(公告)号：CN110598438A
公开(公告)日：2019-12-20
申请号：CN201910653448.6
申请日：2019-07-19
Applicant: 福州大学
Abstract: 本发明涉及一种基于深度卷积神经网络的云中保护外包数据隐私保护系统，其特征在于：所述系统由密钥生成中心、云平台、数据用户和CNN服务提供单元组成；所述密钥生成中心是系统中所有其他实体信任的实体，负责分发和管理数据用户或CNN服务提供商的所有密钥，以及云平台的所有引导密钥；所述云平台存储和管理从系统中注册方外包的加密数据，并提供计算能力对加密数据执行同态操作；所述CNN服务提供商为数据用户提供了所需的深度 分类模型，决策结果反映数据用户的现状。本发明在没有隐私泄露的前提下，实现对数据的安全计算以及分类。
-
公开(公告)号：CN110336837A
公开(公告)日：2019-10-15
申请号：CN201910723361.1
申请日：2019-08-06
Applicant: 福州大学
Abstract: 本发明涉及一种实用性的云端隐私保护外包计算系统（ATOM）及其计算方法，用户可以在单个云端服务器上安全获取外包存储数据以及快速地进行安全的数据处理操作。具体来说，本发明首次提出了下云服务器具备多个可信任单元（TPU）的前提下的ATOM计算系统，然而TPU面临侧通道攻击的危害。在ATOM系统下，本发明设计了两个特殊的快速处理工具包，其允许用户获取进行安全整数计算以及安全浮点型计算以此来抵御TPU的侧通道攻击的危害。另外，本发明的ATOM系统在数据处理以及获取用户私人信息的同时也保证了访问模式不被泄露。
-
公开(公告)号：CN107240107B
公开(公告)日：2019-08-09
申请号：CN201710522580.4
申请日：2017-06-30
Applicant: 福州大学
Abstract: 本发明涉及一种基于图像检索的显著性检测元评估方法，包括以下步骤：分别以用户标注的显著性图和T种显著性检测算法生成的显著性图作为权重计算输入图像的加权颜色直方图，并利用基于内容的图像检索方法获取检索图像，分别得到检索序列和；分别计算检索序列和的相似性值，排序得到图像检索应用对T种显著性检测算法的评估排序序列；分别计算显著性检测评估方法对T种显著性检测算法的评估值，排序得到显著性检测评估方法对T种显著性检测算法的评估排序序列；计算序列与的相关性；取图像集中所有输入图像的相关性的平均值作为显著性检测评估方法的评估值。该方法有利于为实际应用选出合适有效的显著性检测评估方法。
-
公开(公告)号：CN110033002A
公开(公告)日：2019-07-19
申请号：CN201910316667.5
申请日：2019-04-19
Applicant: 福州大学
Abstract: 本发明涉及一种基于多任务级联卷积神经网络的车牌检测方法。针对传统的车牌检测方法可扩展性差，泛化能力差，车牌检测效果不佳造成的车牌识别率下降等问题提出了一种多任务级联卷积神经网络的车牌检测方法。为了获得复杂图像中车牌精确定位，该方法通过搭建一种新的多任务级联卷积神经网络模型再CCPD车辆数据上进行大规模训练，其中本发明的网络模型的卷积层采用和BN层相结合的方法来提高对车牌的特征提取能力，加快模型训练速度，使用Relu激活函数增加模型的非线性能力，采用多任务损失函数来提高网络对车牌的分类和回归框准确性，并且回归反馈出车牌的四个关键点信息。最后将训练好的模型应用于车牌检测中。该方法简单灵活，具有较强的实际应用性。
-
Patent Agency Ranking
公开(公告)号：CN109960879A
公开(公告)日：2019-07-02
申请号：CN201910229349.5
申请日：2019-03-25
Applicant: 福州大学
Abstract: 本发明涉及一种基于不可信IP核的系统级芯片安全设计方法，首先采用高阶合成技术完成RTL的安全设计；然后将芯片的RTL文件通过一系列的逻辑综合转换成门级网表；接着分析门级网表的逻辑结构，提取标准网表特征；将收集的门级电路的标准网表特征样本分为训练数据集与测试数据集，并采用训练数据集对梯度提升算法进行训练，得到基于梯度提升的硬件木马分类器；最后通过交叉验证法，将测试数据集输入到训练好的梯度提升木马分类器中，得到基于该模型的硬件木马预测结果。本发明从IP供应链源头设计一条自适应性强，复用性高，扩展性广，快速且智能的SoC安全设计架构。
-
公开(公告)号：CN109685934A
公开(公告)日：2019-04-26
申请号：CN201811551841.6
申请日：2018-12-18
Applicant: 福州大学
CPC classification number: G07C5/008 , H04L63/0428
Abstract: 本发明涉及一种基于车辆数据隐私保护与压缩感知的交通估计方法，首先设计基于车辆行驶数据的密文的外包以及安全传输机制；接着基于Secure 2-party computation思想，根据最终期望得到的运算结果，利用两个云平台之间的交互运算设计出数据加密执行协议；最后将压缩感知理论融入到步骤S2所设计加密执行协议中，通过对少量加密数据的解密实现城市交通状态的估计。本发明能够显著地增强车辆数据隐私保护的能力，并且极大地减少了密文数据的传输量，降低了为实现城市交通估计所需的能耗，降低了交通估计所需时间。
-
公开(公告)号：CN109684834A
公开(公告)日：2019-04-26
申请号：CN201811567722.X
申请日：2018-12-21
Applicant: 福州大学
CPC classification number: G06F21/554 , G06F21/561
Abstract: 本发明涉及一种基于XGBoost的门级硬件木马识别方法。对集成电路门级网表进行解析，采集不同门级网表中各net的特征数据集；采用留一法，将门级网表特征数据集分为训练数据集和测试数据集；利用训练数据集对XGBoost分类器进行训练，得到初始的门级网表硬件木马检测模型，并对测试数据集进行硬件木马的检测，依据混淆矩阵进行测试结果的统计；根据检测结果的混淆矩阵，可计算得到Recall（R）、F-measure、Precision（P）和Accuracy指标；若4个指标的平均结果偏低，则对门级网表硬件木马检测模型进行参数调整优化；将待检测的门级网表进行特征数据集的提取，并将数据集输入到训练优化后的门级网表硬件木马检测模型中，即可判定该门级网表中是含有硬件木马。
-
公开(公告)号：CN109583133A
公开(公告)日：2019-04-05
申请号：CN201811561635.3
申请日：2018-12-20
Applicant: 福州大学
Abstract: 本发明涉及一种X结构下基于多阶段转换和遗传操作的粒子群优化斯坦纳最小树构造方法，为了能够同时处理两种SMT问题，本发明提出了一种有效的边-点编码策略。本发明给出了一种既能扩大算法的搜索空间又可以确保有效收敛的多阶段转换策略。通过测试从两阶段到四阶段三种方案以及每种方案的不同组合，本发明给出了一种最佳的组合。同时本发明使用与并查集分割相结合的遗传操作构建用于离散VLSI布线的离散粒子更新操作。此外，为了引入不确定性和多样性，本发明给出了一种改进边转换策略的变异操作。本发明的方法在全局角度上可得到质量最好的布线方案。
-
公开(公告)号：CN109215028A
公开(公告)日：2019-01-15
申请号：CN201811314639.1
申请日：2018-11-06
Applicant: 福州大学
Abstract: 本发明涉及一种基于卷积神经网络的多目标优化图像质量评估方法，首先将待训练的图像有重叠地划分为图块，并进行数据增强；然后设计多任务卷积神经网络的结构，同时学习图像的质量评估分数和失真类型；接着训练基于多任务卷积神经网络的图像质量评估模型；最后利用训练好的图像质量评估模型预测待预测图像的所有图块的质量评估分数和失真类别，分别通过多数表决方法和选择性加权计算方法计算图像最终的失真类型和质量评估分数。本发明有利于提高无参照图像质量评估性能。
-
-
-
-
-
-
-
-
-
Search Results
417
records
(took 0.031 seconds)
