一种基于多模态生物特征的医疗图像安全传输方法

    公开(公告)号:CN119583726A

    公开(公告)日:2025-03-07

    申请号:CN202411653408.9

    申请日:2024-11-19

    Abstract: 本发明涉及一种基于多模态生物特征的医疗图像安全传输方法,属于图像安全保护技术领域。该方法首先通过深度神经网络将医疗图像分割为病灶像素和非病灶像素,随后采用时间戳和最低有效位替换方法将病灶像素嵌入到非病灶像素中。进一步地,该方法将标记后的非病灶部分与病灶部分结合,生成标记图像。其次,通过深度神经网络提取用户的多模态生物特征,采用用户自定义密钥和设备MAC地址编码提取后的特征作为密钥。最后,使用编码后的密钥和混沌系统对标记图像进行加密,增强了医疗图像数据的安全保护水平。

    一种基于双对抗神经网络的医疗图像加密系统及方法

    公开(公告)号:CN119583725A

    公开(公告)日:2025-03-07

    申请号:CN202411653407.4

    申请日:2024-11-19

    Abstract: 本发明涉及一种基于双对抗神经网络的医疗图像加密系统及方法,属于图像安全保护技术领域。该方法利用深度神经网络的非线性和不稳定性设计图像加密系统,首先采用两对相互对抗的神经网络作为加密系统的主要框架,随后构建具有理想特性的随机类噪声图像监督加密网络训练,并使用原始医疗图像数据指导解密网络训练。本发明提出的加密系统通过对抗训练动态生成强随机性和高灵敏度的密钥,最后结合加密网络架构和密钥参数对输入医疗图像数据加密。

    一种任务感知的服务动态部署方法

    公开(公告)号:CN119545432A

    公开(公告)日:2025-02-28

    申请号:CN202411644132.8

    申请日:2024-11-18

    Abstract: 本发明涉及一种任务感知的服务动态部署方法,属于无线通信技术领域。该方法通过构建多功能时间扩展图模型,并在该模型上构建任务的服务请求模型、时延模型和能量成本模型,从而实现网络资源的有效管理和控制。同时,采用基于动态挥发自适应蚁群优化算法,根据任务的服务质量要求实时调整启发式权重,使路径选择和虚拟网络功能部署更加贴合任务需求,提升网络资源的利用率与服务完成率,有效减少系统能耗,满足不同任务流的多样化需求。

    一种基于监督判别学习的抗噪语义通信方法

    公开(公告)号:CN119544097A

    公开(公告)日:2025-02-28

    申请号:CN202411653402.1

    申请日:2024-11-19

    Abstract: 本发明涉及一种基于监督判别学习的抗噪语义通信方法,属于通信技术领域。针对图像传输中的语义噪声和信道噪声问题,在语义任务执行端引入深度监督网络,通过在隐藏层后增设监督层,提取高质量中间层特征,从而学习语义特征表示;设计一种包含终端损失和伴随损失的复合损失函数,其中伴随损失引入原型一致型损失函数,通过最大分离约束降低语义噪声影响;该方法还根据SNR值调整任务执行与数据恢复的优先级,以适应不同通信条件;此外,采用白盒攻击方法生成语义噪声,并在不改变原深度学习模型结构的前提下,利用监督层输出结果增强抗噪性能;从语义特征层面出发,设计一种损失函数,进一步增强了抗噪性能,兼顾了数据恢复和任务执行。

    一种轻量化强化学习方法
    10.
    发明公开

    公开(公告)号:CN118536547A

    公开(公告)日:2024-08-23

    申请号:CN202410498390.3

    申请日:2024-04-24

    Abstract: 本发明涉及一种轻量化强化学习算法,属于计算机强化学习领域。该方法包括:S1:构建基于序贯交替多智能体机制的强化学习模型;S2:对该模型的状态、动作、奖励、策略以及价值函数书写进行定义;S3:对所提的模型进行理论分析,结合多智能体中合作与竞争的关系以及强化学习中确定性策略以及随机性策略进行理论分析该方式可以获得理论最优值。S4:构建具体的仿真模型,以进行性能比对。本发明在不降低系统性能的前提条件下,实现了算法轻量化。

Patent Agency Ranking