-
公开(公告)号：CN109195162A
公开(公告)日：2019-01-11
申请号：CN201811190159.9
申请日：2018-10-12
Applicant: 暨南大学
Abstract: 本发明公开了一种车联网中聚合两种信任评估的消息可靠性评估方法，其中，信任中心负责维护车辆的信任信息，车辆定期向信任中心请求自己最新的信任证书；消息发布者发送消息时附带最新的信任证书以证明自己可信赖；消息接收者收到每条消息后提取信任证书并综合考虑多个消息发布者的消息以判断其是否可靠，然后根据消息质量为每个消息发布者生成一条信任反馈，并发送至信任中心，随后信任中心更新本地存储。本发明高效聚合两种信任评估，且无需消息接收者实时请求信任中心，因而评估结果更加准确，评估速度更快，且兼容车辆短时间内无法连接到信任中心的情况，更符合车联网的高动态特性。
-
公开(公告)号：CN108322757A
公开(公告)日：2018-07-24
申请号：CN201810039694.8
申请日：2018-01-16
Applicant: 暨南大学
IPC: H04N19/467 , H04N19/593
Abstract: 本发明提供了基于帧内预测编码的视频隐写方法，通过构造合适的失真函数后利用STC进行实际嵌入，能确保修改预测模式造成的失真是接近最小的。本发明发送方嵌入消息时，从第一个关键帧I1开始嵌入，根据映射规则得到最优组集 将最优组集 秘密消息序列m1,1和嵌入扰动集送入第一层嵌入器得到含秘组集 将含秘组集 秘密消息序列m1,2和嵌入扰动集送入第二层嵌入器得到含秘组集 根据含秘组集 选用最终预测模式生成视频编码；最终生成含密编码视频X′；接收方提取消息时，从含密编码视频中获取帧内预测编码后的关键帧；从第一个关键帧开始消息提取，利用解码器得到预测模式；根据映射规则得到含密组集，并提取得到私密消息。
-
公开(公告)号：CN119847207A
公开(公告)日：2025-04-18
申请号：CN202510008634.X
申请日：2025-01-03
Applicant: 暨南大学
IPC: G05D1/695 , G05D109/20
Abstract: 本发明公开了一种多无人机路径规划方法及系统，方法包括：利用无人机的机载传感器系统，获取多无人机的三维空间环境信息；根据所述三维空间环境信息，构建深度强化学习模型；其中，所述深度强化学习模型包括状态空间、动作空间、奖励函数以及网络架构，其中所述动作空间包括两种不同的飞行模式对应的动作；构建隐私保护模型，通过所述隐私保护模型，保护含有无人机敏感信息的训练数据；对无人机与环境进行交互训练，完成路径规划决策方法的学习；将学习得到的路径规划决策方法应用于无人机群智感知任务中，以实现路径规划。本发明能够使无人机自主选择飞行模式，提高无人机执行长时间感知任务的能力。
-
公开(公告)号：CN114493970B
公开(公告)日：2024-07-09
申请号：CN202210107992.2
申请日：2022-01-28
Applicant: 暨南大学
IPC: G06T1/00 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种面向图像实例级局部区域的图像鲁棒水印方法、系统及介质。本发明将水印信息嵌入到图像的局部实例语义区域，所生成的局部含密图与原始图像在观感上无显著差异。此外，本发明将图像修复领域的部分卷积运用到局部水印信息的扩散上，提高了模型的鲁棒性，有助于水印提取网络对水印信息的提取。相比较于传统水印方案或使用基于CNN的一般方案，本发明创造适用于图像像素级的一个或多个实例区域的图像水印信息的嵌入和提取，使得一副图像所能承载的水印信息的更为多样。
-
公开(公告)号：CN116881903A
公开(公告)日：2023-10-13
申请号：CN202310870371.4
申请日：2023-07-14
Applicant: 暨南大学
Abstract: 本发明涉及溯源图入侵检测技术领域，提出一种面向溯源图入侵检测的恶意行为子图分级提取方法及系统，其中包括以下步骤：将溯源图G中的恶意顶点以其在恶意顶点集合中的层级为基线进行排序，得到层级排序后的恶意顶点集合AN；根据层级排序后的恶意顶点集合AN，在溯源图G上逐层级进行锚顶点剪枝，得到由若干恶意行为子图组成的恶意行为子图集合；对经过锚顶点剪枝的所述恶意行为子图依次进行迭代锚顶点剪枝，直至所述恶意顶点集合AN中的顶点元素全部被删除，得到相应锚顶点层级的恶意行为子图，用于对溯源图规则库的自动扩充。
-
Patent Agency Ranking
公开(公告)号：CN113626566B
公开(公告)日：2023-07-18
申请号：CN202110763112.2
申请日：2021-07-06
Applicant: 暨南大学
IPC: G06F16/332 , G06F40/211 , G06F40/295 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种基于合成数据的知识对话跨域学习方法。该方法针对知识对话系统跨域学习时数据资源不充分的问题，提出了以下策略：针对问答，闲聊提出模板和多轮对话生成模型共同构造合成数据方法；针对灾难性遗忘提出知识保留和模板方法构造合成数据方法；为了利用不匹配对话语料，我们提出了使用检索、过滤、排序等方法构建合成数据方法。使用该合成数据训练的模型性能可近似使用人工标注数据进行训练的模型，有效缓解了知识对话系统跨域学习对数据资源的依赖。
-
公开(公告)号：CN114493970A
公开(公告)日：2022-05-13
申请号：CN202210107992.2
申请日：2022-01-28
Applicant: 暨南大学
Abstract: 本发明公开了一种面向图像实例级局部区域的图像鲁棒水印方法、系统及介质。本发明将水印信息嵌入到图像的局部实例语义区域，所生成的局部含密图与原始图像在观感上无显著差异。此外，本发明将图像修复领域的部分卷积运用到局部水印信息的扩散上，提高了模型的鲁棒性，有助于水印提取网络对水印信息的提取。相比较于传统水印方案或使用基于CNN的一般方案，本发明创造适用于图像像素级的一个或多个实例区域的图像水印信息的嵌入和提取，使得一副图像所能承载的水印信息的更为多样。
-
公开(公告)号：CN113848704A
公开(公告)日：2021-12-28
申请号：CN202111004343.1
申请日：2021-08-30
Applicant: 暨南大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于二阶滑膜跟踪微分器的加速度估计方法、系统、设备和介质，所述方法包括：利用增广最小二乘法对速度进行参数辨识，得到速度估计的最大测量噪声幅值；根据所述速度估计的最大测量噪声幅值，使用一阶滑膜跟踪微分器精确估计目标的速度，计算目标速度的估计值；根据所述目标速度的估计值，计算加速度估计的最大测量噪声幅值；根据所述加速度估计的最大测量噪声幅值，使用二阶滑膜跟踪微分器精确估计目标的加速度，得到目标加速度的估计值。本发明使用增广最小二乘法进行参数辨识，获得速度和加速度估计的最大测量噪声幅值；同时使用二阶滑膜跟踪微分器，保证了加速度估计值能够达到要求的精度。
-
公开(公告)号：CN113507360A
公开(公告)日：2021-10-15
申请号：CN202110715134.1
申请日：2021-06-26
Applicant: 暨南大学
Abstract: 本发明公开了一种基于区块链的科技大数据的交换与共享的系统与方法，所述系统包括数据提供方与数据请求方，所述数据提供方是指将提供科技大数据，并将所述科技大数据通过区块链发布到区块链网络中，供其他科研参与者访问使用的科研机构或个人；所述数据请求方是指访问数据提供方提供的数据的科研机构或个人。本发明的优势在于，解决科技大数据在共享交换问题。采用区块链构建新型大数据交换系统，通过区块链的去中心化和去信任的方式集体维护可靠的分布式数据库，并通过区块链的可溯源特性确保数据可信以及实现版权保护和版权流动。
-
公开(公告)号：CN107103405B
公开(公告)日：2021-03-19
申请号：CN201710172228.2
申请日：2017-03-22
Applicant: 暨南大学
Abstract: 本发明公开了一种基于区块链技术的众包系统及其建设方法，系统包括依次连接的应用层、区块链层以及数据存储层，所述区块链层包括若干相互连接的区块，所述区块包括智能合约模板；所述应用层用于编辑和录入雇主和工作者信息；所述智能合约模板用于用户信息注册、用户任务众包条件达成、任务众包结果汇总以及创建和修改智能合约；所述数据存储层用于存储原数据信息的任务的详细描述信息以及任务结果上传信息；所述原数据信息的哈希值由所述区块链层进行保存。本发明使得雇主与工作者无需经过第三方中介机构中即可自动完成交易，而且区块链层的数据无需依赖中心数据库，从而不存在单点故障问题，并且数据具备不可篡改性及可追溯性。
-
-
-
-
-
-
-
-
-
Search Results
67
records
(took 0.024 seconds)
