-
公开(公告)号：CN115544391A
公开(公告)日：2022-12-30
申请号：CN202210770717.9
申请日：2022-06-30
Applicant: 北京邮电大学
IPC: G06F16/9537 , G06F16/29 , G06F17/18 , G06T7/11
Abstract: 本申请提供一种目标用户确定方法、装置、电子设备及存储介质，其中，所述目标用户确定方法包括：确定目标区域，并对目标区域进行栅格化，得到第一栅格根据目标区域内的每一个候选用户的覆盖范围；根据覆盖范围，对候选用户进行筛选，确定目标候选用户；根据目标候选用户的覆盖范围确定每一个候选用户的第一覆盖率，根据第一覆盖率对任意一个候选用户的位置进行模糊化，确定目标位置，并根据确定的第一位置将目标候选用户确定为目标用户。本申请通过对任意一个目标候选用户的位置进行模糊化，从而使得得到的目标用户的位置是受到保护，并不会公开目标位置的实际位置，有效保护了区域内的候选用户的隐私。
-
公开(公告)号：CN115391637A
公开(公告)日：2022-11-25
申请号：CN202210772391.3
申请日：2022-06-30
Applicant: 北京邮电大学
IPC: G06F16/9535 , G06F17/16 , G06F21/62 , G06K9/62
Abstract: 本申请提供了一种众包任务分配方法、设备、电子设备及存储介质，包括：获取服务器端注入噪音后的原始任务分组数据；获取客户终端的偏好集合，根据原始任务分组数据对偏好集合进行分组生成偏好分组，对偏好分组进行调整，生成最优分组；通过最优分组内各个众包任务的位置信息生成模糊代表位置，以此确定模糊距离；获取服务器端根据模糊距离生成的众包任务分配结果。本申请通过分组加噪机制，由于利用每个组内的真实位置来产生模糊位置，这带来较高的概率来使得模糊位置距离真实位置较近，同时由于每个偏好分组内任务的聚集现象，从而每个用户的隐私预算仅仅需要被分割几次，在为每个用户的位置提供隐私保障的同时，得到旅行距离较小的分配结果。
-
公开(公告)号：CN114912571A
公开(公告)日：2022-08-16
申请号：CN202210266453.3
申请日：2022-03-17
Applicant: 北京邮电大学 , 中国人民解放军32802部队
Abstract: 本申请提供一种训练用于清除对抗扰动的生成器模型的方法和电子设备。所述方法包括：利用原始样本图像集对神经网络模型进行训练，以得到神经网络分类模型；基于所述原始样本图像集，利用对抗样本生成算法生成对抗样本图像集；根据所述原始样本图像集、所述对抗样本图像集和所述神经网络分类模型，对生成对抗网络中的判别器模型和所述生成器模型进行迭代训练，直至所述判别器模型的第一损失不大于第一预设阈值为止；将所述迭代训练结束后得到的所述生成器模型作为目标生成器模型。这样训练出的目标生成器模型可以用来清除对图像的对抗扰动，以消除安全隐患。
-
公开(公告)号：CN114187483A
公开(公告)日：2022-03-15
申请号：CN202111244382.9
申请日：2021-10-25
Applicant: 北京邮电大学 , 中国电子科技集团公司第五十四研究所
IPC: G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本申请提供一种生成对抗样本的方法、检测器的训练方法及相关设备。所述生成对抗样本的方法包括：获取干净的训练样本集；对于训练样本集中的每个训练样本，通过对该训练样本进行对抗攻击，得到多个对抗实例；根据多个对抗实例中指示对抗成功的每个目标对抗实例的对抗攻击信息，选择目标标签；基于目标标签生成与该训练样本对应的对抗样本；存储对抗样本。所述检测器训练方法包括：利用生成对抗样本的方法，基于训练样本集生成对抗样本集；利用训练样本集对检测器进行二元分类任务的第一训练；利用对抗样本集对经过第一训练的检测器进行第二训练。经过本训练方法得到的检测器用于检测输入深度神经网络的样本数据是否含有深度神经网络木马。
-
Patent Agency Ranking
公开(公告)号：CN107220368A
公开(公告)日：2017-09-29
申请号：CN201710433928.2
申请日：2017-06-09
Applicant: 北京邮电大学
Abstract: 本发明提供一种图像检索方法及装置，其中，该图像检索方法可包括：采用深度卷积神经网络对输入图像进行处理，得到所述输入图像的图像特征；采用非线性映射函数对所述图像特征进行处理，得到所述输入图像的哈希码；根据所述输入图像的哈希码，和至少一个图像中每个图像的哈希码，确定所述输入图像与所述每个图像的汉明距离；根据所述输入图像与所述每个图像的汉明距离，对所述至少一个图像进行排序，并将所述排序后的图像作为图像检索结果。本发明可提高图像检索的准确度。
-
公开(公告)号：CN106294718A
公开(公告)日：2017-01-04
申请号：CN201610645598.9
申请日：2016-08-08
Applicant: 北京邮电大学
IPC: G06F17/30
CPC classification number: G06F16/35
Abstract: 本发明实施例提供一种信息处理方法及装置。该方法包括：获取多个样本文本；分别对各样本文本进行分词处理，得到所述各样本文本的多个分词；根据所述各样本文本的多个分词，确定所述各样本文本分别对应的词向量；对所述各样本文本分别对应的词向量进行分类处理，获得训练集和测试集；根据所述训练集获得待测分类器；根据所述测试集对所述待测分类器进行测试，获得目标分类器；根据所述目标分类器对目标文本进行分类。该方法用于对目标文本进行分类，克服了现有技术应用场景的局限性。
-
公开(公告)号：CN104537025A
公开(公告)日：2015-04-22
申请号：CN201410802280.8
申请日：2014-12-19
Applicant: 北京邮电大学
IPC: G06F17/30
CPC classification number: G06F17/30548
Abstract: 本发明涉及数据隐私和数据挖掘技术领域，公开了一种频繁序列挖掘方法，包括步骤：S1：从原始数据库中计算序列最大限制长度lmax，并获取β＝{β1,...βi...,βn}，βi表示长度为i的序列的最大支持度；S2：根据所述lmax和β＝{β1,...βi...,βn}，基于抽样的候选集剪枝技术，在满足差分隐私保护范式的条件下从所述原始数据库中查找频繁序列。本发明中的满足差分隐私的基于抽样实现候选集剪枝的频繁序列挖掘方法(PFS2)能够在满足差分隐私保护的同时提供较高的挖掘结果可用性。
-
公开(公告)号：CN104320343A
公开(公告)日：2015-01-28
申请号：CN201410589835.5
申请日：2014-10-28
Applicant: 北京邮电大学
IPC: H04L12/749 , H04L12/721
Abstract: 本发明提供一种电能感知的跨域虚拟网络映射方法及其系统，包括步骤：对每一个物理路由节点计算为映射该虚拟路由节点所产生的电能开销，并结合每一个物理路由节点的度以及带宽资源得出每一个该物理路由节点的NR优先权，并将该虚拟路由节点映射到具有最高NR优先权的该物理路由节点上；对物理宿主节点集合中的每一个物理宿主节点计算其资源利用率的平均分布值，并将虚拟宿主节点映射到具有最小资源利用率的平均分布值的该物理宿主节点上。本发明能在跨域虚拟网络映射的过程中，保持物理网络长期运营收益的同时降低物理网络的电能开销。
-
公开(公告)号：CN102364899A
公开(公告)日：2012-02-29
申请号：CN201110364076.9
申请日：2011-11-16
Applicant: 北京邮电大学
IPC: H04L12/46
Abstract: 本发明提供了一种基于粒子群优化的虚拟网络映射方法及系统，该方法包括：将粒子的位置和速度参数进行初始化；对粒子进行可行性检验，得到可行粒子，并确定初始的全局最优位置和每个粒子的个体最优位置；对可行粒子进行速度和位置更新，对更新后的粒子进行可行性检验，重新得到可行粒子，并重新确定全局最优位置和个体最优位置，当前迭代次数加1，当迭代次数小于最大迭代次数时，重复本步骤；当迭代次数等于最大迭代次数时，将最终确定的全局最优位置作为映射方案进行输出。本发明在底层网络不支持路径分裂情况下，将粒子群的位置参数和速度参数初始化，通过对粒子进行迭代，实现最优化虚拟网络映射方案的选取，提高了底层网络的资源利用效率。
-
-
-
-
-
-
-
-
Search Results
79
records
(took 0.03 seconds)
