-
公开(公告)号：CN119254433A
公开(公告)日：2025-01-03
申请号：CN202411484526.1
申请日：2024-10-23
Applicant: 南京信息工程大学
Abstract: 本发明公开了通信安全技术领域的一种基于量子音频隐写的信息安全传输方法，应用于相互通信的发送端和接收端，包括：获取音频数据，对所述音频数据采用QRDA模型进行处理，得到量子音频数据；在所述发送端接收到秘密信息后，将所述秘密信息通过密钥加密并隐写嵌入所述量子音频数据中，生成传输数据并发送至所述接收端；在所述接收端接收到所述传输数据后，对所述传输数据进行隐写提取和解密，得到所述秘密信息。本发明采用QRDA模型将秘密信息转换为适合隐写的量子态。利用EMD算法在量子音频中嵌入交通信息，然后利用随机生成的密钥进行加密解密，在保证稳定传输交通信息前提下，利用量子优势，提高传输的安全性和效率。
-
公开(公告)号：CN119167330A
公开(公告)日：2024-12-20
申请号：CN202411668532.2
申请日：2024-11-21
Applicant: 南京信息工程大学
Abstract: 本发明公开一种量子区块链技术领域的用于消费电子中图像数字版权保护的量子区块链系统，包括数据初始化模块，初始化节点和量子密钥；发布交易模块，发起交易并广播给其他节点；身份认证模块，验证发起交易的节点的身份；交易验证模块，验证交易信息的有效性以及需要数字版权保护的图像的原创性，并将有效交易信息添加到待打包交易池；选取代表节点模块，选出代表节点；创建区块模块，将有效交易信息打包成区块广播给其他节点；添加区块模块，存储区块。本发明不仅具有良好的安全性，还有效地抵御了截获‑重发攻击、纠缠测量攻击、第三方攻击和冒充攻击，同时存储完整的版权信息的，还有效地防止了外部窃听，提高了区块认证和上链效率。
-
公开(公告)号：CN118898086B
公开(公告)日：2024-12-13
申请号：CN202411400505.7
申请日：2024-10-09
Applicant: 南京信息工程大学
Abstract: 本发明提供了一种医疗数据的联合预测方法、系统及介质，其方法包括：获取医疗数据中心的数据集；将所述医疗数据中心的数据集输入预先训练的数据预测模型，得到医疗数据中心的数据集的本地预测结果；利用所述量子本地数据训练量子节点权值，根据所述权值和医疗数据中心的数据集的本地预测结果，进行量子联合推理计算，得到所述医疗数据中心的数据集的联合预测结果。本发明对医疗数据中心的数据集进行本地预测，避免了训练阶段量子本地数据和数据预测模型的参数对外的传输，不会发生数据隐私泄露，更不会面临着梯度攻击的风险；不进行任何的数据传输，只在联合推理阶段进行一次量子联合推理，在非独立同分布数据集上的不会有性能的损失。
-
公开(公告)号：CN118762349B
公开(公告)日：2024-11-19
申请号：CN202411245459.8
申请日：2024-09-06
Applicant: 南京信息工程大学
IPC: G06V20/58 , G06V10/82 , G06V10/764 , G06N3/0464 , G06N3/0442 , G06N3/084 , G06N3/09
Abstract: 本发明公开了一种基于量子卷积神经网络的交通标志识别方法，具体包括如下步骤：步骤1：采集交通标志图像，并为每个图像进行标签处理；将采集的交通标志图像和对应的标签作为样本数据；步骤2：建立量子卷积神经网络，所述量子卷积神经网络包括预处理层，量子计算层和分类层；步骤3：对量子卷积神经网络进行训练，并采用训练好的量子卷积神经网络进行交通标志识别。本发明提高了交通标志分类性能，降低复杂性，能够应对大规模图像数据，具有较好的抗量子噪声性能，拥有很好的可应用性和可扩展性。
-
公开(公告)号：CN118644765B
公开(公告)日：2024-11-08
申请号：CN202411104260.3
申请日：2024-08-13
Applicant: 南京信息工程大学
Abstract: 本发明公开了图像识别领域的一种基于异构和长尾数据的联邦学习方法及系统，方法包括：客户端接收全局模型和重训练模型，以及获取异构和长尾数据集，并对全局模型进行本地训练，以及利用重训练模型计算真实特征的梯度；客户端将本地模型和真实特征的梯度发送到服务器端聚合，得到聚合后的全局模型和类C的聚合特征梯度；服务器端构建类C的虚拟特征，并计算虚拟特征梯度，通过比较两个特征梯度之间的差异，选择一个最优的虚拟特征梯度，并获得对应的最新虚拟特征；服务器端将聚合后的全局模型和最新的重训练模型发送至客户端，完成当前迭代轮次的训练；本发明能够解决因异构和长尾数据导致联邦学习准确率低问题，从而有效保护数据的隐私。
-
Patent Agency Ranking
公开(公告)号：CN118505983A
公开(公告)日：2024-08-16
申请号：CN202410964537.3
申请日：2024-07-18
Applicant: 南京信息工程大学
IPC: G06V10/25 , G06V10/82 , G06V10/80 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于改进YOLOv8的唐卡目标检测方法，包括以下步骤：（1）获取需要检测的唐卡图片或视频并放入test文件并进行预处理；（2）构建改进YOLOv8网络模型，将深度可分离‑分组卷积‑SE注意力模块DGST替换特征金字塔层C2f中的瓶颈层Bottleneck；其中，DGST模块包括：SE注意力机制层、分组卷积以及神经网络ConvFFN模块；将需要检测的图片或视频输入改进YOLOv8网络进行训练；（3）将得到的模型输出数据进行处理，得到预测结果；本发明通过对YOLOv8模型的改进，提高检测的精确度，模型参数在一定程度上减少，实现模型轻量化。
-
公开(公告)号：CN117793928A
公开(公告)日：2024-03-29
申请号：CN202311815616.X
申请日：2023-12-27
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于联邦学习和优化理论的无线通信资源分配方法，构建联邦学习模型和基于高斯过程回归的客户端选择优化策略，获得参与全局通信的客户端集合；从参与全局通信的客户端集合中选取m个客户端进行聚合，得到集成模型；训练辅助生成器，生成合成数据，利用无数据联邦蒸馏训练全局模型；将全局模型广播发送给客户端，用于替换本地模型，重新进行客户端选择；将本地模型参数和逻辑值上传到服务器，对选中客户端进行全局模型分配。本发明改善了系统的资源利用效率并提升系统的分类准确率和收敛速度，减轻了使用代理数据集可能导致敏感信息泄露的风险。
-
公开(公告)号：CN117454330A
公开(公告)日：2024-01-26
申请号：CN202311487763.9
申请日：2023-11-09
Applicant: 南京信息工程大学
IPC: G06F21/10 , G06F18/241 , G06N3/098 , G06N3/0464 , G06N3/0499 , G06N3/0495
Abstract: 本发明公开了一种对抗模型中毒攻击的个性化联邦学习方法，其特征是，包括：获取由服务器与其选取的多个客户端联合训练好的全局模型；其中，良性客户端在模型训练过程中设置中毒防御机制；建立客户端本地的数据存储区域；基于给定的有标签的数据，计算全局模型的推理结果Pg(y|x)，使用KNN方法计算出客户端的局部模型的推理结果Pj(y|x)；将Pj(y|x)和Pg(y|x)结合得到最终的个性化模型的推理结果y。本发明在模型训练过程中在良性客户端设置中毒防御机制，缓解了模型中毒攻击对全局模型的影响，提高了模型的鲁棒性，在训练完成后的推理阶段解决了模型数据异构性带来的问题，提升了客户端上局部模型的个性化表现。
-
公开(公告)号：CN115982624A
公开(公告)日：2023-04-18
申请号：CN202211740943.9
申请日：2022-12-30
Applicant: 南京信息工程大学
IPC: G06F18/24 , A61B5/0245 , A61B5/346 , A61B5/00 , G06N3/0464 , G06N3/048 , G06N3/0475 , G06N3/0455 , G06N3/094 , G06N3/084
Abstract: 本发明公开了一种基于持续测试时间域适应的ECG数据分类方法，可以在不修改源模型的训练过程，不需要访问源数据以及不需要目标域数据标签的情况下，在测试时使用持续测试时间适应提高模型的泛化性，使得模型能够适应不断变化的测试环境。本发明提出的持续测试时间域适应的ECG数据分类方法通过在测试时间适应过程中将一部分的模型参数恢复成源模型参数能缓解模型出现灾难性遗忘，且不影响模型的性能。本发明使用的ECG数据预处理方法很简单，不需要做噪音滤波和特征提取的预处理。传统的ECG数据预处理方法非常依赖于研究人员的经验且效果不佳，由于提取到的特征不理想，在训练模型时模型对噪音信号非常敏感。
-
公开(公告)号：CN115067964A
公开(公告)日：2022-09-20
申请号：CN202210690447.0
申请日：2022-06-17
Applicant: 南京信息工程大学
Abstract: 本申请提供了一种心电图分类方法、装置、电子设备及存储介质；所述方法包括：获取心电图数据库中的心电信号；对所述心电信号进行心拍定位，得到心拍信号集合；构建第一残差网络模型；改进所述第一残差网络模型的第一批量归一化层，得到第二残差网络模型；基于所述心拍信号集合训练所述第二残差网络模型，得到心电图分类器；通过心电图分类器对待处理的心电图进行分类。通过本申请，能够降低心电图分类的成本和提高心电图分类准确度。
-
-
-
-
-
-
-
-
-
Search Results
71
records
(took 0.033 seconds)
