-
公开(公告)号：CN117955752A
公开(公告)日：2024-04-30
申请号：CN202410356612.8
申请日：2024-03-27
Applicant: 暨南大学
Abstract: 本发明涉及数据安全技术领域，提出一种计算可控的数据隐私保护方法、系统及存储介质，其中，本发明结合加密算法、秘密分享技术和可信执行环境，实现了计算可控的隐私计算和结果发布；基于解密服务器的可信执行环境来实现对指定计算策略和用户访问策略下的结果密文的解密，能够有效保护计算策略和用户访问策略的隐私，确保只有密文解密方知道某一被解密的结果密文对应的计算策略和用户访问策略；利用秘密分享技术对解密私钥进行多份解密密钥份额的划分，从而抵御一定数量数据授权方合谋情况下也不能获取关于数据、计算结果、计算策略和访问策略的隐私，对各方数据隐私、计算策略和访问策略进行同时保护。
-
公开(公告)号：CN116894672B
公开(公告)日：2024-04-16
申请号：CN202310858396.2
申请日：2023-07-12
Applicant: 暨南大学
Abstract: 本发明公开了一种基于区块链与支付通道网络的数据交易平台实现方法,包括：数据购买者和数据拥有者进行交易初始化,获取初始交易锁；数据购买者获得初始交易锁后，基于数据购买者和中介方依次获取待使用交易锁和预签名交易，直至数据拥有者获取目标交易信息；数据拥有者确认目标交易信息无误后，数据拥有者和中介方依次生成合法签名并进行上链交易，直至第一位中介方获取数据购买者提供的货币,完成数据交易。本发明在链上没有直接链接的支付通道的两个用户可以通过一系列的中介方帮助完成交易，减少了用户进行数据交易时需要提交上链的交易费，同时还可以降低用户需要等待交易确认的时间，提升用户体验。
-
公开(公告)号：CN117408891B
公开(公告)日：2024-03-15
申请号：CN202311714540.1
申请日：2023-12-14
Applicant: 暨南大学
IPC: G06T5/00 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82
Abstract: 本发明涉及计算机视觉的图像分析技术领域，特别是涉及一种基于Cycle‑GAN的图像加雾方法，包括：获取待加雾图像；将所述待加雾图像输入预设的图像生成模型中，输出加雾后的目标图像，其中，所述图像生成模型由训练集训练获得，所述训练集包括无雾的图像数据和文本数据、有雾的图像数据和文本数据，所述图像生成模型采用Cycle‑GAN网络构建。本发明通过输入待处理的图像，将图像与文本信息特征融合，输入在多模态扩散文本语义约束下的Cycle‑GAN网络中生成目标图像，提升图像雾气效果，生成更符合实际效果和目标需求的图像。
-
公开(公告)号：CN117237680B
公开(公告)日：2024-03-12
申请号：CN202311050564.1
申请日：2023-08-18
Applicant: 暨南大学
Abstract: 本发明公开了一种基于异质模型拟合的多源图像匹配方法及系统，该方法包括下述步骤：构建多方向相位一致性模型，融合相位一致性、图像幅度和方向检测特征点，利用子区域网格和方向直方图构建具有可变大小箱体的对数极坐标描述符，通过异质模型拟合有效估计模型的参数，累加来自不同异质模型的满足预设联合位置偏移变换误差的匹配对，输出最终匹配对，完成多源图像匹配。本发明通过构建多方向相位一致性模型，降低了非线性辐射失真的影响，利用子区域网格和方向直方图构建具有可变大小箱体的对数极坐标描述符，使用异质模型拟合方法去除多源图像中的异常匹配关系，输出最终匹配关系，从而提高特征检测的准确性和鲁棒性，提高多源图像匹配性能。
-
公开(公告)号：CN117556277A
公开(公告)日：2024-02-13
申请号：CN202410044818.7
申请日：2024-01-12
Applicant: 暨南大学
IPC: G06F18/22 , G06F40/216 , G06F40/295 , G06N5/022
Abstract: 本发明公开了一种用于知识图谱实体对齐的初始对齐种子生成方法，属于知识融合和人工智能领域，包括：利用实体名称中每个令牌对应的字符级独热向量计算字符级全局特征矩阵，利用TF‑IDF技术分别计算字符级局部特征矩阵和令牌级局部特征矩阵，根据字符级局部特征矩阵和令牌级局部特征矩阵构造令牌级全局特征矩阵，根据上述特征矩阵计算对齐矩阵并从中选取初始对齐种子。本发明仅利用实体名称的非语义信息，在不使用预训练模型的情况下生成初始对齐种子，驱动基于图结构的有监督深度学习模型将实体编码成向量，使得实体向量之间的距离能更加反应实体之间的相似性，使得基于图结构的有监督深度学习模型不再需要标签数据。
-
Patent Agency Ranking
公开(公告)号：CN117240429A
公开(公告)日：2023-12-15
申请号：CN202311058830.5
申请日：2023-08-21
Applicant: 暨南大学
IPC: H04L9/00 , H04L9/32 , H04L41/00 , H04L67/1095
Abstract: 本发明公开了一种支持跨链交易的高速跨链验证方法及主链，方法包括：交易发起链利用可编辑区块并根据交易发起者的需求对区块中的数据进行删减；采用间隔分叉模式并结合动态调整间隔分叉算法以每隔预设数量的块产生一个分叉；对交易发起链中的跨链区块集合进行跨链验证，通过跨链验证算法对所述跨链区块集合中的当前块到倒数第二个分叉点之间的区块D进行跨链验证；在跨链验证过程中引入对称加密算法和解密算法对区块D进行跨链数据加密；引入跨链智能合约，实现所述跨链验证算法以及跨链数据加密的智能处理和自动执行；利用跨链共识算法进行数据同步，将跨链验证的结果同步到其他区块链上，确保共识。本发明实现了跨链交易的高速跨链验证。
-
公开(公告)号：CN117220882A
公开(公告)日：2023-12-12
申请号：CN202311009010.7
申请日：2023-08-10
Applicant: 暨南大学
Abstract: 本发明涉及区块链技术领域，公开了一种基于国密SM2多重签名的数据验证方法，采用了国密SM2多重签名技术，可以分散公证人节点的职能，提高系统稳定性，签名和验证工作由多个节点共同完成，有效地防止单点故障，提高系统的健壮性，通过采用多重签名，可以并行处理多个交易，提高了处理速度，同时，也降低了单个节点的工作负担，使整个系统能在高效率的同时保持稳定运行。
-
公开(公告)号：CN116340936A
公开(公告)日：2023-06-27
申请号：CN202310283388.X
申请日：2023-03-22
Applicant: 暨南大学
IPC: G06F21/55 , G06F18/2111 , G06F18/2411 , G06F18/214 , G06N20/10
Abstract: 本发明公开了一种融合强化学习和特征选择优化的ICS入侵检测系统及方法，将工业控制系统(ICS)历史数据集的数据特征选择进行二进制编码和种群初始化，通过SVM‑强化学习进行离线训练，将在验证集上得到的准确率作为适应度函数，设计基于累计概率的交叉操作和变异操作对种群进行更新，经过迭代优化后从而获得最优特征集合；基于最优特征集合对ICS实时数据集进行特征选择，通过支持向量机(SVM)‑强化学习对实时数据集进行在线入侵检测测试，从而获得入侵检测性能指标。本发明采用了基于SVM‑强化学习新模式，并在此基础上融合了最优特征选择的智能优化，提升了ICS入侵检测系统的智能化设计水平和入侵检测的精度。
-
公开(公告)号：CN112001424B
公开(公告)日：2023-05-23
申请号：CN202010741391.8
申请日：2020-07-29
Applicant: 暨南大学
IPC: G06F21/56 , G06N3/0464 , G06N3/084 , G06V10/764 , G06V10/774 , G06V10/82 , G06F18/24 , G06F18/214
Abstract: 本发明公开了基于对抗训练的恶意软件开放集家族分类方法和装置，首先获取训练样本的特征图像；通过生成对抗网络、第一分类器网络和第二分类器网络组成联合训练网络，由训练样本对生成对抗网络、第一分类器网络和第二分类器网络进行联合训练，将最后训练完成的第二分类器，作为恶意软件开放集分类器；针对待分类的测试样本，获取测试样本的特征图像；将测试样本的特征图像输入到恶意软件开放集分类器中，由恶意软件开放集分类器得到测试样本的家族分类结果。本发明能够训练出准确率和稳定性高的恶意软件开放集分类器，该分类器能对开放环境下的恶意软件样本进行家族分类，即不仅能对属于训练集旧家族的样本进行正确分类，而且能区分新旧家族样本。
-
公开(公告)号：CN116015752A
公开(公告)日：2023-04-25
申请号：CN202211569035.8
申请日：2022-12-08
Applicant: 暨南大学
IPC: H04L9/40 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于多目标变长CNN离散优化的电力CPS入侵检测系统及方法。将经过预处理的电力信息物理系统历史监控数据作为输入数据集，对构建卷积神经网络模型的卷积模块数量、模型拓扑结构、每一个卷积模块的架构参数和批大小、学习率、优化器类型、权重正则化等超参数进行变长离散编码，将CNN模型在验证集上的指标和模型浮点运算次数作为优化目标，设计一种多目标离散优化方法对基于变长卷积模块的CNN模型架构与参数进行多目标并行优化，从而获得兼顾模型性能和模型复杂度的Pareto最优CNN模型。针对电力CPS实时监控数据，在线部署最优CNN模型，从而实现电力CPS的在线入侵检测。本发明在保证模型高精度性能指标的同时还降低了模型的复杂度。
-
-
-
-
-
-
-
-
-
Search Results
273
records
(took 0.022 seconds)
