一种电力物联网业务数据的隐私保护装置及方法

    公开(公告)号:CN114671122A

    公开(公告)日:2022-06-28

    申请号:CN202210150817.1

    申请日:2022-02-18

    Abstract: 本发明公开了一种电力物联网业务数据的隐私保护装置及方法,涉及隐私保护装置技术领域,包括保护箱,所述保护箱的四个侧壁上均开设有取放口,每个所述取放口均适配有密封板,每个所述取放口的两侧均开设有卡接槽条。通过在四个取放口内均设置的密封板,且通过在密封板的顶侧设置的联动杆与上联动绳和下联动绳的连接,通过设置的L形定位杆与斜杆的连接,同时通过将L形定位杆的顶端与斜杆的对接处高度设置在联动杆的中部高度位置,在上联动绳和下联动绳的带动下,可以实现密封板以L形定位杆的顶端与斜杆的对接处为轴心进行旋转,使四个密封板向上侧旋转,实现将保护箱的四个取放口敞开,对保护箱内的服务器进行检修维护。

    一种基于物质点法的多尺度泥石流现象模拟方法

    公开(公告)号:CN108520549B

    公开(公告)日:2021-10-22

    申请号:CN201810311430.3

    申请日:2018-04-09

    Abstract: 本发明公开了一种基于物质点法的多尺度泥石流现象模拟方法,涉及计算机物理动画技术领域,该方法包括以下步骤:S1:基于自适应物质点方法模拟泥石流液相浆体的多尺度特征;S2:基于自适应物质点有限元方法模拟泥石流固相物体的多尺度特征;S3:基于物质点法模拟多尺度液固耦合;S4:对泥石流动画进行多尺度真实感渲染。本发明解决了在泥石流动画模拟过程中,如何构造描述泥石流灾害场景多种尺度特征的有效物理模型,并建立不同模型间一致性约束以实现多尺度数值求解和渲染的问题。本发明能够真实感模拟泥石流现象多尺度特征,生成具有照片级逼真度的泥石流动画,为防灾救灾、数字娱乐、影视特效等应用提供泥石流现象的影像数据。

    一种面向OCR识别水印对抗攻击的方法和系统

    公开(公告)号:CN119251038A

    公开(公告)日:2025-01-03

    申请号:CN202411344200.9

    申请日:2024-09-25

    Abstract: 本发明属于图像字符识别技术领域,尤其为一种面向OCR识别水印对抗攻击的方法和系统,该面向OCR识别水印对抗攻击的方法通过采用图像处理技术、自然语言处理、机器学习技术,旨在向印刷的文本图像上添加水印,有效地抵御恶意识别攻击,实现知识产权的保护。其中,通过训练一个关键词识别模型,利用关键词识别模型确定文本句子中关键词的位置;然后通过形态学操作的方法,进一步确定了关键词在文本图像上的位置,确保水印添加到最显著的区域;然后使用强化学习方法来优化水印的添加位置、旋转角度以及灰度值,确保水印的稳健性和隐藏性。该方法不仅可以向印刷文本上添加水印,有效地抵御恶意识别攻击,而且可以以攻促防,加强OCR系统的防御能力。

    一种隐藏图像的自然语言水印方法及系统

    公开(公告)号:CN118211197A

    公开(公告)日:2024-06-18

    申请号:CN202410053825.3

    申请日:2024-01-13

    Abstract: 本发明属于自然语言水印领域,提出了一种隐藏图像的自然语言水方法及系统。该方法能够有效解决文本版权滥用问题和真实性验证问题。系统主要由端到端水印神经网络构成,包括水印嵌入模块、水印提取模块和鉴别器三部分。水印嵌入网络以水印图像和载体文本片段为输入,生成带有图像水印的文本,并在语义上与原始文本相似,并能保持语法正确,利用通过在载体文本上叠加图像作为噪声来保留信息,解决了文本容量小,隐藏信息量有限的问题;水印提取网络可以快速识别并准确提取文本中的图像信息,从而有效解决将噪声还原为水印图像的问题;判别器在模型训练过程中形成生成对抗网络结构,以增强水印的保密性,使其不易被攻击者发现。

    一种基于恶意扰动的文本深度学习对抗训练方法及系统

    公开(公告)号:CN117829260A

    公开(公告)日:2024-04-05

    申请号:CN202410053859.2

    申请日:2024-01-13

    Abstract: 本发明属于深度学习神经网络模型的安全技术领域,尤其为一种基于恶意扰动的文本深度学习对抗训练方法及系统,该方法以用于训练深度学习神经网络模型的原始样本为基础构建恶意扰动样本集,然后从恶意扰动样本集中随机选取一个恶意扰动样本作为训练输入,替代原始样本,并在深度学习神经网络模型的嵌入层引入微小的良性扰动样本,生成最终的同时包含恶意扰动样本和良性扰动样本的对抗性实例,提高深度学习神经网络模型的鲁棒性,大幅度提升了深度学习神经网络模型对抗恶意扰动攻击的能力,降低了模型被对抗性实例误导的风险;另外,该方法保持深度学习神经网络模型原始任务性能,保持或甚至提升了模型在原任务上的表现。

    一种基于双图推理的变电设备渗漏油分割方法

    公开(公告)号:CN116630625A

    公开(公告)日:2023-08-22

    申请号:CN202310642125.3

    申请日:2023-06-01

    Abstract: 本发明提供了一种基于双图推理的变电设备渗漏油分割方法,该方法包括构建数据集,以人工采集变电设备巡检图片为数据源,选出含渗漏油缺陷的变电设备巡检图像构建数据集,使用标注软件对数据集进行标注,并划分训练集及测试集,搭建渗漏油分割模型,基于训练集完成模型的迭代训练,利用在测试集完成模型分割效果的可视化和评价指标的计算。本发明提供的基于双图推理的变电设备渗漏油分割方法,利用了渗漏油的纹理和边缘特性,解决了渗漏油部件强相关、形态多变及扩散变化特性导致其缺陷特征提取困难、分割精度低与分割效果差的问题。

    一种基于物质点法的多尺度泥石流现象模拟方法

    公开(公告)号:CN108520549A

    公开(公告)日:2018-09-11

    申请号:CN201810311430.3

    申请日:2018-04-09

    Abstract: 本发明公开了一种基于物质点法的多尺度泥石流现象模拟方法,涉及计算机物理动画技术领域,该方法包括以下步骤:S1:基于自适应物质点方法模拟泥石流液相浆体的多尺度特征;S2:基于自适应物质点有限元方法模拟泥石流固相物体的多尺度特征;S3:基于物质点法模拟多尺度液固耦合;S4:对泥石流动画进行多尺度真实感渲染。本发明解决了在泥石流动画模拟过程中,如何构造描述泥石流灾害场景多种尺度特征的有效物理模型,并建立不同模型间一致性约束以实现多尺度数值求解和渲染的问题。本发明能够真实感模拟泥石流现象多尺度特征,生成具有照片级逼真度的泥石流动画,为防灾救灾、数字娱乐、影视特效等应用提供泥石流现象的影像数据。

Patent Agency Ranking