公开(公告)号：CN118093442A

公开(公告)日：2024-05-28

申请号：CN202410497607.9

申请日：2024-04-24

Applicant: 暨南大学

Inventor： 翁嘉思 ,  翁健 ,  郭玉旭 ,  陈泯融 ,  李明

IPC: G06F11/36 ,  H04L9/32

Abstract: 本发明涉及数据安全技术领域，提出一种基于零知识证明的神经网络模型可验证测试方法及系统，其中包括：测试数据持有方生成关于其测试数据的基于多项式的承诺#imgabs0#，将承诺#imgabs1#和测试数据上传；模型持有方生成关于其模型参数的基于多项式的承诺#imgabs2#，并将承诺#imgabs3#上传；模型持有方获取测试数据和承诺#imgabs4#后，验证每一测试数据持有方的测试数据与其相应的承诺#imgabs5#是否一致，若是，则模型持有方使用测试数据进行模型测试，输出统计性测试结果，并对测试过程生成关于模型正确运行的公开可验证证明；模型持有方将统计性测试结果和公开可验证证明发送至测试数据持有方或任意第三方进行有效性验证，输出验证结果。

公开(公告)号：CN116015753A

公开(公告)日：2023-04-25

申请号：CN202211569049.X

申请日：2022-12-08

Applicant: 暨南大学

Inventor： 曾国强 ,  邵俊敏 ,  翁健 ,  耿光刚 ,  陈泯融 ,  李理敏 ,  张宇

IPC: H04L9/40 ,  G06F21/55 ,  G16Y10/25 ,  G16Y40/50 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/08 ,  H04L67/12 ,  H04L67/01

Abstract: 本发明公开了一种基于神经架构演化联邦学习的工业物联网入侵检测系统及方法。服务端将基于5种神经网络基础模块的联邦学习神经网络架构组合方式进行编码，下发到参与联邦学习的客户端，各客户端对本地IIoT设备的数据进行本地训练，服务端对各客户端模型中间参数聚合和适应度加权平均，通过种群演化操作，获得基于最优神经架构的联邦学习模型，并将其部署在IIoT在线入侵检测系统中，从而实现IIoT高效精准的在线入侵检测。本发明不仅可实现用于IIoT入侵检测的联邦学习模型的优化设计和自动生成，获得了易于在线部署的轻量化联邦学习模型，在保护IIoT设备隐私安全的同时，还提升了IIoT入侵检测的精确率、召回率、F1评分等性能指标。

公开(公告)号：CN118803743A

公开(公告)日：2024-10-18

申请号：CN202411273928.7

申请日：2024-09-12

Applicant: 暨南大学

Inventor： 杨安家 ,  张铭添 ,  翁健 ,  陈泯融 ,  曾璜 ,  刘逸 ,  刘小丽 ,  夏志华

IPC: H04W12/033 ,  H04W12/00 ,  H04W4/02 ,  G06F21/62 ,  G06Q10/02 ,  G06F21/71

Abstract: 本发明公开了一种基于安全多方计算的隐私保护网约车服务方法，属于网络安全技术领域，包括：乘客端将乘客位置进行加密后发送至智能路测设备与服务提供商；智能路测设备向覆盖区域内的每个可用司机广播乘车需求指令，司机将车辆位置进行加密后发送至智能路测设备与服务提供商；智能路测设备与服务提供商基于乘客位置与车辆位置加密后的信息，结合随机共享向量与双方各自的MAC份额，获得对应的道路距离份额；双方基于道路距离份额、随机公开数、MAC份额计算距离计算检查值；乘客端根据距离计算检查值判断派单是否合理。本发明极大地降低了服务器上距离计算的计算复杂度，通过可验证的两方计算技术，确保乘车系统匹配给乘客的司机是最优的。

公开(公告)号：CN118587553A

公开(公告)日：2024-09-03

申请号：CN202410623748.0

申请日：2024-05-20

Applicant: 暨南大学

Inventor： 曾国强 ,  张宇 ,  陆康迪 ,  耿光刚 ,  陈泯融 ,  翁健 ,  李理敏

IPC: G06V10/82 ,  G06V10/764 ,  G06V10/774 ,  G06N3/006 ,  G06N3/082 ,  G06N3/0985

Abstract: 本发明公开了一种基于后门特征提取优化的SAR图像抗后门分类方法与系统，该方法包括：构建基于网络块的后门特征提取子网络和分类子网络，对由上述两个子网络组成的SAR图像抗后门分类模型的神经网络架构参数、后门特征选择参数及剪枝位置参数进行粒子位置和速度编码，将SAR图像抗后门分类模型的参数量、后门攻击成功率和对正常样本的分类精度作为优化目标，设计基于三目标粒子群优化方法的离线优化平台，获得兼顾轻量化、高精度和强后门鲁棒性的SAR图像分类在线部署模型。本发明实现了SAR图像抗后门分类模型的自动优化设计，构建的后门特征提取子网络拓展了后门特征的处理方式，提升了模型轻量化、分类精度和后门鲁棒性。

公开(公告)号：CN117395028A

公开(公告)日：2024-01-12

申请号：CN202311208090.9

申请日：2023-09-18

Applicant: 暨南大学

Inventor： 曾国强 ,  邵俊敏 ,  陆康迪 ,  耿光刚 ,  翁健 ,  陈泯融 ,  李理敏 ,  张宇

IPC: H04L9/40 ,  G06N3/0464 ,  G06N3/094

Abstract: 本发明公开了一种基于神经架构演化的工业互联网对抗攻击系统及方法，在拥有基于深度学习模型(即目标模型)的工业互联网入侵检测系统中训练数据或数据分布的情形下，采用这些数据训练替换模型，设计雅可比显著图攻击方法对工业互联网数据中攻击样本的特定特征添加扰动，从而生成能最大限度逃避替换模型检测的对抗样本；其中替换模型最多由4种神经网络基础模块组合构成，将组合方式进行编码，将目标模型分别对攻击样本和替换模型生成对抗样本的分类准确率的差值作为个体适应度，经过种群演化操作，获得分类准确率下降值最大的最优替换模型。本发明设计了神经架构演化技术，实现了替换模型的自动优化，提升了替换模型所生成对抗样本的攻击能力。