-
公开(公告)号:CN115052009B
公开(公告)日:2023-04-07
申请号:CN202210690876.8
申请日:2022-06-17
Applicant: 吉林大学
IPC: H04L67/1097 , H04L67/51 , H04L67/104 , H04L67/10 , H04L41/28 , H04L9/40 , H04L41/40
Abstract: 本发明涉及一种基于双链区块链的网络功能虚拟化数据保护方法及系统。该方法包括构建双链NFV模型;双链NFV模型包括NFV层、链下存储层和区块链层;NFV层用于用户注册、登录、提供NFV服务、加密和签名,并将业务数据发送至链下存储层;链下存储层与区块链层连接;链下存储层存储业务数据,并将索引信息发送至区块链层;区块链层包括工作链和验证链;工作链将索引信息进行上链,并根据索引信息确定摘要值,采用智能合约上传摘要值至验证链;获取摘要值,并根据摘要值验证索引信息是否篡改;当索引信息未篡改时,根据索引信息获取对应的业务数据,并进行审计工作。本发明能够解决NFV业务数据可审计性的问题,并在保持高效率的基础上,提高了安全性。
-
公开(公告)号:CN115052009A
公开(公告)日:2022-09-13
申请号:CN202210690876.8
申请日:2022-06-17
Applicant: 吉林大学
IPC: H04L67/1097 , H04L67/51 , H04L67/104 , H04L67/10 , H04L41/28 , H04L9/40 , H04L41/40
Abstract: 本发明涉及一种基于双链区块链的网络功能虚拟化数据保护方法及系统。该方法包括构建双链NFV模型;双链NFV模型包括NFV层、链下存储层和区块链层;NFV层用于用户注册、登录、提供NFV服务、加密和签名,并将业务数据发送至链下存储层;链下存储层与区块链层连接;链下存储层存储业务数据,并将索引信息发送至区块链层;区块链层包括工作链和验证链;工作链将索引信息进行上链,并根据索引信息确定摘要值,采用智能合约上传摘要值至验证链;获取摘要值,并根据摘要值验证索引信息是否篡改;当索引信息未篡改时,根据索引信息获取对应的业务数据,并进行审计工作。本发明能够解决NFV业务数据可审计性的问题,并在保持高效率的基础上,提高了安全性。
-
公开(公告)号:CN111985217B
公开(公告)日:2022-08-02
申请号:CN202010941205.5
申请日:2020-09-09
Applicant: 吉林大学
IPC: G06F40/247 , G06F40/30 , G06N3/04
Abstract: 本发明公开了一种关键词提取方法,在计算设备中执行,包括以下步骤:获取待提取关键词的文本,该文本中包括多个候选词;对于每一个候选词:分别确定该候选词与其他候选词的相似度,将该候选词与其他候选词的相似度的和作为该候选词的覆盖率;根据该候选词在文本中的位置来确定该候选词的位置特征值:确定该候选词的主题概率分布,将概率的最大值作为该候选词的语义多样性;根据覆盖率、位置特征值、语义多样性来确定该候选词的综合特征值;将综合特征值最大的预设数量个候选词作为文本的关键词。本发明一并公开了相应的计算设备。
-
公开(公告)号:CN111985217A
公开(公告)日:2020-11-24
申请号:CN202010941205.5
申请日:2020-09-09
Applicant: 吉林大学
IPC: G06F40/247 , G06F40/30 , G06N3/04
Abstract: 本发明公开了一种关键词提取方法,在计算设备中执行,包括以下步骤:获取待提取关键词的文本,该文本中包括多个候选词;对于每一个候选词:分别确定该候选词与其他候选词的相似度,将该候选词与其他候选词的相似度的和作为该候选词的覆盖率;根据该候选词在文本中的位置来确定该候选词的位置特征值:确定该候选词的主题概率分布,将概率的最大值作为该候选词的语义多样性;根据覆盖率、位置特征值、语义多样性来确定该候选词的综合特征值;将综合特征值最大的预设数量个候选词作为文本的关键词。本发明一并公开了相应的计算设备。
-
公开(公告)号:CN102195782A
公开(公告)日:2011-09-21
申请号:CN201110151065.2
申请日:2011-06-07
Applicant: 吉林大学
Abstract: 本发明涉及一种身份与口令相融合的邮件系统双向身份认证方法,属于计算机网络安全技术领域。其技术方案可概括为:采用身份的方式,结合动态随机口令,在隐藏用户口令的同时也互相验证了用户与服务器的身份。本发明的有益效果是,解决了现有邮件系统中的双向身份认证问题。把双向认证技术融入其中,使得服务器本身不能得到用户的口令,并达到用户与服务器的双向身份认证。
-
公开(公告)号:CN102004965A
公开(公告)日:2011-04-06
申请号:CN201010577987.5
申请日:2010-12-08
Applicant: 吉林大学
IPC: G06Q10/00
Abstract: 本发明公开了一种商品双重防伪方法及系统,属于防伪技术。其第一重防伪是生成产品查询号,第二重防伪是生成产品防伪码。该方法包括商品防伪标签的批量生成及商品的防伪验证两大步骤;该系统包括主体表示层、业务处理层、数据处理层。本发明适用于各种行业,与传统的防伪方法相比具有以下优点:成本低;产品查询号具有唯一性、永久时效性,支持用户多次查询;商品防伪查询率高;提供多元化信息;防伪网站对产品销售渠道的掌握能够达到销售终端。
-
公开(公告)号:CN119561738A
公开(公告)日:2025-03-04
申请号:CN202411669359.8
申请日:2024-11-21
Applicant: 吉林大学
IPC: H04L9/40 , G06N3/042 , G06N3/0442
Abstract: 本申请公开了一种基于图神经网络的入侵检测方法、设备及介质,涉及计算机网络领域,方法包括:依据当前时间窗口内的网络流量数据构建图结构;图结构包括节点集、边集、节点特征矩阵、边特征矩阵及邻接矩阵;邻接矩阵用于表征节点之间的通信状态;将当前时间窗口对应的图结构输入至网络节点流量类型识别模型以得到各个节点的流量类型;网络节点流量类型识别模型为采用训练样本集对预设图神经网络进行训练得到的;在预设图神经网络中,对于输入的图结构,采用Bi‑LSTM层提取时间特征信息,再结合图卷积层及图注意力机制提取时间维度上的空间特征信息,以得到每个节点的流量类型。本申请实现更准确的网络入侵检测。
-
公开(公告)号:CN114927190B
公开(公告)日:2024-12-24
申请号:CN202210691080.4
申请日:2022-06-17
Applicant: 吉林大学
IPC: G16H10/60 , G16H30/20 , G16H50/20 , G06F21/60 , G06F21/62 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/0895 , G06N3/096
Abstract: 本发明公开了一种基于半监督‑迁移学习的分布式隐私保护方法及系统,涉及医疗大数据技术领域,该方法包括:构建分布式模型;以标注好疾病类别的图像数据集为输入对分布式模型中的教师模型进行训练,得到训练好的教师模型;将未标注疾病类别的图像数据集输入至训练好的教师模型得到疾病类别数据集;对多个训练好的教师模型输出的疾病类别数据集进行加密处理确定参考疾病类别数据集;以未标注疾病类别的图像数据集为输入,以参考疾病类别数据集为输出,对分布式模型中的学生模型进行训练得到训练好的学生模型;将待诊断疾病类别的图像数据输入训练好的学生模型得到待诊断疾病的疾病类别。本发明能够增强分布式技术的隐私保护性能。
-
公开(公告)号:CN118821869A
公开(公告)日:2024-10-22
申请号:CN202410972972.0
申请日:2024-07-19
Applicant: 吉林大学
IPC: G06N3/0475 , G06N3/098 , G06N3/094
Abstract: 本申请公开了一种基于联邦学习的数据增强方法及系统,涉及数据处理技术领域,该方法包括:根据各边缘节点的距离,将与中心服务器连接的所有边缘节点划分为多个边缘组,各边缘组中任意两个边缘节点之间的距离小于设定距离阈值;中心服务器部署有全局模型,各边缘节点均部署有本地模块,全局模型和各本地模块均为生成对抗网络;采用各边缘节点的本地数据对全局模型进行联邦学习,得到各边缘节点训练好的本地模型;联邦学习的每轮全局训练时,随机选择一个边缘组与中心服务器进行全局模型训练;采用各边缘节点的训练好的本地模型进行本地数据增强;训练好的本地模型用于根据输入的原始图像输出新的样本图像。本申请提高了数据增强的有效性。
-
公开(公告)号:CN114927190A
公开(公告)日:2022-08-19
申请号:CN202210691080.4
申请日:2022-06-17
Applicant: 吉林大学
IPC: G16H10/60 , G16H30/20 , G16H50/20 , G06F21/60 , G06F21/62 , G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于半监督‑迁移学习的分布式隐私保护方法及系统,涉及医疗大数据技术领域,该方法包括:构建分布式模型;以标注好疾病类别的图像数据集为输入对分布式模型中的教师模型进行训练,得到训练好的教师模型;将未标注疾病类别的图像数据集输入至训练好的教师模型得到疾病类别数据集;对多个训练好的教师模型输出的疾病类别数据集进行加密处理确定参考疾病类别数据集;以未标注疾病类别的图像数据集为输入,以参考疾病类别数据集为输出,对分布式模型中的学生模型进行训练得到训练好的学生模型;将待诊断疾病类别的图像数据输入训练好的学生模型得到待诊断疾病的疾病类别。本发明能够增强分布式技术的隐私保护性能。
-
-
-
-
-
-
-
-
-