一种隐私保护的图像数据安全存储方法

    公开(公告)号:CN118057766A

    公开(公告)日:2024-05-21

    申请号:CN202211462946.0

    申请日:2022-11-21

    摘要: 本发明公开了一种隐私保护的图像数据安全存储方法,该方法包括步骤:(1)初始化加密参数;(2)初始化云存储口令;(3)执行加密算法;(4)上传至云存储。本方法建立了一个隐私保护的图像数据安全存储系统,用户在本地设备中加密图像数据并将图像信息秘密共享至基于多服务器分布式架构的云存储系统中存储和协同计算。基于多服务器分布式架构包含来自不同地域、不同提供商等的服务器,每个服务器仅持有一份原图像信息秘密。本方法允许n个云存储服务器中n‑1个服务器的信息泄露后仍不泄露任何原图片信息,具有极高的安全性,同时仍保障了图像信息的高可用性。解决了现有解决方案的密文图像数据不可用、损失图片质量和计算复杂度高而难以投入实际应用的问题。

    一种采用联邦学习的隐私保护船名识别模型训练方法

    公开(公告)号:CN114337987A

    公开(公告)日:2022-04-12

    申请号:CN202111680336.3

    申请日:2021-12-30

    摘要: 本发明公开了一种采用联邦学习的隐私保护船名识别模型训练方法,该方法包括步骤:S1.发起联合训练船名识别模型任务;S2.参与者训练本地模型并进行加密;S3.聚合参与者的加密模型并执行联邦平均算法;S4.聚合服务器部分解密聚合模型和S5.参与者部分解密聚合模型;其通过参与者本地训练模型并加密训练模型,将本地训练好的加密模型上传至聚合服务器,聚合服务器在加密的模型上执行联邦平均算法;采用加密的方法以防止攻击者根据模型参数获得训练数据。另外,还采用将私钥分割成部分私钥的方式,由服务器执行一次部分解密,参与者执行一次部分解密,可以在不泄露参与者训练数据的情况下,使得多个参与者能够有效的共同训练一个船名识别模型。

    智能合约漏洞检测方法、系统、计算机设备和存储介质

    公开(公告)号:CN113886832A

    公开(公告)日:2022-01-04

    申请号:CN202111072310.0

    申请日:2021-09-14

    摘要: 本发明公开了一种智能合约漏洞检测方法、系统、计算机设备和存储介质,所述方法包括:根据智能合约漏洞类型,获取智能合约数据集;将智能合约数据集中的智能合约转化为操作码序列,将操作码序列作为训练样本;利用训练样本对智能合约漏洞检测模型进行训练,得到训练好的智能合约漏洞检测模型;其中,智能合约漏洞检测模型为基于平均随机梯度下降权重长短期记忆网络的智能合约漏洞检测模型;将待检测智能合约转化为操作码序列,并输入训练好的智能合约漏洞检测模型,得到相应的检测结果。本发明构建的检测模型,可以实现对多种漏洞类型的检测;本发明公开的方法具有简单高效、扩展性高的优点。

    一种采用联邦学习的隐私保护船名识别模型训练方法

    公开(公告)号:CN114337987B

    公开(公告)日:2024-09-10

    申请号:CN202111680336.3

    申请日:2021-12-30

    摘要: 本发明公开了一种采用联邦学习的隐私保护船名识别模型训练方法,该方法包括步骤:S1.发起联合训练船名识别模型任务;S2.参与者训练本地模型并进行加密;S3.聚合参与者的加密模型并执行联邦平均算法;S4.聚合服务器部分解密聚合模型和S5.参与者部分解密聚合模型;其通过参与者本地训练模型并加密训练模型,将本地训练好的加密模型上传至聚合服务器,聚合服务器在加密的模型上执行联邦平均算法;采用加密的方法以防止攻击者根据模型参数获得训练数据。另外,还采用将私钥分割成部分私钥的方式,由服务器执行一次部分解密,参与者执行一次部分解密,可以在不泄露参与者训练数据的情况下,使得多个参与者能够有效的共同训练一个船名识别模型。

    文本生成图像的方法、装置、计算机设备和存储介质

    公开(公告)号:CN113961736B

    公开(公告)日:2024-07-23

    申请号:CN202111072292.6

    申请日:2021-09-14

    摘要: 本发明公开了一种文本生成图像的方法、装置、计算机设备和存储介质,所述方法包括:获取数据库中的文本图像对;文本图像对中的文本作为原始文本;将原始文本输入多级生成对抗网络,得到对应的图像;将对应的图像输入训练好的图像标注网络,生成预测文本;将预测文本与原始文本输入训练好的孪生神经网络,得到预测文本与原始文本间的相似度;根据相似度,训练多级生成对抗网络,得到训练好的多级生成对抗网络;将用户输入的文本,输入训练好的多级生成对抗网络,生成与文本对应的图像。本发明通过采用多级生成对抗网络,逐步提高生成图像的像素及质量,同时通过加入注意力机制,提升了生成图像的真实性,从而提升了生成图像与文本的语义一致性。

    基于区块链的海运服务平台实现方法、系统、装置和介质

    公开(公告)号:CN115660519A

    公开(公告)日:2023-01-31

    申请号:CN202211431614.6

    申请日:2022-11-15

    摘要: 本发明公开了一种基于区块链的海运服务平台实现方法、系统、装置和介质,涉及区块链技术领域,方法包括:预先使用区块链将海运服务平台的参与端的船舶航运数据、海运物流数据、及气象水文数据进行分布式存储;接收发起端的任务需求数据;若任务需求为海运客户发布的海运需求或船舶端的空仓发布及航行路径任务需求,则将发布海运需求的海运客户及船舶端进行自动匹配,并规划船舶端的航行路径;若任务需求为海运客户或船舶端的查询需求,根据查询需求进行查询,并将查询到的信息反馈至查询需求的发起端;本发明充分融合了船舶航运数据、海运物流数据、气象水文数据,提供了可信服务,使得各方利益也较为平衡。

    一种加密图像数据缩略图的快速计算方法

    公开(公告)号:CN118138600A

    公开(公告)日:2024-06-04

    申请号:CN202211540681.1

    申请日:2022-12-02

    摘要: 本发明公开了一种加密图像数据缩略图的快速计算方法,该方法包括步骤:初始化云存储口令、从云端下载目标图片缩略图、压缩溢出数组、计算缩略图。本方法建立了一个加密图像数据缩略图快速计算系统,通过本地客户端与分布式多服务器图像云存储协同,用户可通过本地客户端下载并快速计算缩略图。通过创新性的引入加密算法执行过程中产生的溢出信息辅助计算,攻克了仅由密文图片的缩略图难以计算原图的缩略图的难题。基于同态加密算法的结果具有密文可计算特点,设计了加密图像数据缩略图的快速计算算法。本发明拥有近似线性时间复杂度的特点,开创了加密图像数据缩略图的计算方法,克服现有方法缺陷,且具有很高的使用价值,有着广阔的应用前景。

    船舶名称识别方法、系统、计算机设备及存储介质

    公开(公告)号:CN111582182B

    公开(公告)日:2023-08-11

    申请号:CN202010390510.X

    申请日:2020-05-11

    发明人: 毛茹 林嘉应

    摘要: 本发明公开了一种船舶名称识别方法、系统、计算机设备及存储介质,所述方法包括:获取待识别船舶图像;将待识别船舶图像输入到训练好的船舶名称定位神经网络中进行检测;当检测到船舶名称区域时,通过船舶名称定位神经网络对船舶名称区域进行定位,输出得到船舶名称区域对应的第一坐标位置;根据第一坐标位置,对待识别船舶图像进行分割,得到第一船舶名称区域图像;将第一船舶名称区域图像输入到训练好的船舶名称识别神经网络中进行识别,输出得到船舶名称识别结果。本发明相对于目前在海事领域的现有技术在效率、成本、准确率上具有明显的优势,为进一步对航行船舶的身份识别的自动化监控提供了技术基础。

    基于人体关键点检测和Transformer模型的老人吃药检测方法和系统

    公开(公告)号:CN115690874A

    公开(公告)日:2023-02-03

    申请号:CN202211277554.7

    申请日:2022-10-19

    摘要: 本发明涉及机器学习领域和智慧养老服务领域,为基于人体关键点检测和Transformer模型的老人吃药检测方法和系统,该方法包括:通过视频设备分别采集空间数据整体数据和人体面部区域数据,得到视频集合检测提取得到人体关键点特征、面部关键点特征、药品特征;根据人体关键点特征、面部关键点特征、药品特征做逻辑判断,得到是否完成正确服药的第一结果R1;通过Transformer时序模型对人体关键点特征进行逐帧建模,将包含视频每一帧动作全局信息特征集合的输入动作分类器进行分类,得到是否为服药动作的第二结果R2;根据结果R1和结果R2判断并输出是否完成正确服药的结果。本发明可以提高对吃药、喝水等相似动作的区分度,准确检测老年人是否按量正确地完成吃药。

    篡改图像的检测方法、系统、计算机设备和存储介质

    公开(公告)号:CN113673568B

    公开(公告)日:2023-08-22

    申请号:CN202110817515.0

    申请日:2021-07-19

    IPC分类号: G06F18/214 G06N3/02 G06N3/084

    摘要: 本发明公开了一种篡改图像的检测方法、系统、计算机设备和存储介质,所述方法包括:构建篡改图像数据集;其中,所述篡改图像数据集包括带标签的篡改图像和无标签的篡改图像;构建残差增强的循环生成对抗神经网络模型;利用所述篡改图像数据集对所述残差增强的循环生成对抗神经网络模型进行训练,并生成伪标签和假图像;根据所述伪标签和所述假图像,设计所述残差增强的循环生成对抗神经网络模型的损失函数;将待测图像输入所述残差增强的循环生成对抗神经网络模型,确定待测图像的篡改区域。本发明利用构建的生成器的模型结构,提高了篡改区域定位准确度;利用设计的损失函数,通过生成器和判别器的博弈学习,使模型具有较好的鲁棒性和泛化能力。