-
公开(公告)号：CN113626566A
公开(公告)日：2021-11-09
申请号：CN202110763112.2
申请日：2021-07-06
Applicant: 暨南大学
IPC: G06F16/332 , G06F40/211 , G06F40/295 , G06N3/04 , 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：CN109195162B
公开(公告)日：2020-05-08
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：CN108282469A
公开(公告)日：2018-07-13
申请号：CN201810006640.1
申请日：2018-01-04
Applicant: 暨南大学
IPC: H04L29/06 , H04N19/467 , G06F21/60
Abstract: 本发明为支持基于属性信息提取的隐写方法，发送者可以同时在一个载体中隐藏多个具有不同属性的信息，接收者只能根据身份属性解密相应信息。本发明包括以下步骤：密钥中心选定对称加密算法、嵌入密钥和提取公共参数；发送方嵌入消息：选定载体图像，计算每个像素的蒙板值，得到嵌入位置蒙板，生成每个像素点的嵌入适合程度度量，将属于蒙板的像素、嵌入适合程度以及要嵌入的秘密消息输入嵌入器，得到嵌入后像素；合并嵌入后像素和不属于蒙板的像素得到临时含密图像，将含密图像发送给各个接收方；接收方提取消息，恢复出嵌入密钥，计算每个像素位置的蒙板值、嵌入位置蒙板，将含密图像中所有属于蒙板的像素输入提取器，得到秘密消息。
-
公开(公告)号：CN119963392A
公开(公告)日：2025-05-09
申请号：CN202510137789.3
申请日：2025-02-07
Applicant: 暨南大学
IPC: G06T1/00 , G06N3/045 , G06N3/0455 , G06N3/0464 , G06N3/0475 , G06N3/09 , G06N3/094
Abstract: 本发明公开一种数字图像水印嵌入与提取方法和装置、存储介质，将直方图位移与神经网络嵌入相结合，在DCT变换后先通过直方图位移使得嵌入的数据流在JPEG压缩下能产生最小的噪声，再通过神经网络补偿算法使得数据流对宿主图像的影响更小。采用本发明的技术方案，解决现有神经网络嵌入数字水印技术在应对JPEG压缩攻击时表现较差的问题。
-
公开(公告)号：CN119862133A
公开(公告)日：2025-04-22
申请号：CN202510349713.7
申请日：2025-03-24
Applicant: 暨南大学
IPC: G06F11/3668
Abstract: 本发明涉及Web安全技术领域，具体涉及基于资源属性图生成请求序列的Restful API模糊测试方法，包括以下步骤：S1，解析和识别Restful API规范文档：通过解析Restful API的规范文档，提取API操作、资源模式及其请求参数；S2，构建资源属性图：构建Restful资源属性图；S3，生成请求序列：基于构建的Restful资源属性图，采用深度优先遍历算法生成符合CRUD规则的有效请求序列；S4，填充请求参数：为生成的请求序列填充请求参数，包括按API规范赋值和按业务逻辑赋值；S5，发送请求并收集响应：发送请求、收集响应信息并输出漏洞报告；S6，更新资源属性图：根据动态执行反馈更新Restful资源属性图。本发明，完善了Restful资源属性图的构建，使测试过程更加精准和高效。
-
Patent Agency Ranking
公开(公告)号：CN118870395A
公开(公告)日：2024-10-29
申请号：CN202411288630.3
申请日：2024-09-14
Applicant: 暨南大学
IPC: H04W24/02 , H04W24/06 , H04W28/08 , H04W28/16 , H04W4/44 , H04W4/46 , G06F8/61 , G06F9/50 , G06N3/006 , G06N3/0464
Abstract: 本发明提供一种基于自注意力机制的车联网任务卸载和资源分配方法及系统，方法包括以下步骤：基于车联网高速道路环境VEC架构，构建车联网任务卸载模型；基于车联网任务卸载模型，获得任务卸载和资源分配的联合优化问题；将联合优化问题转化为马尔科夫决策过程；采用基于自注意力机制的A‑MADDPG算法求解马尔科夫决策过程，获得联合优化方案；基于联合优化方案，完成车联网任务卸载和资源分配。本发明所设计的任务卸载联合优化方案，通过智能协作，车辆不仅选取合适的卸载对象还选取合适的通信信道进行卸载传输，而且各个边缘服务器闲置资源按照任务需求进行动态分配，从而确保整个环境中的所有车辆都能处于高效的运行水平。
-
公开(公告)号：CN118803277A
公开(公告)日：2024-10-18
申请号：CN202411258882.1
申请日：2024-09-10
Applicant: 暨南大学
IPC: H04N19/70 , H04N19/46 , G06V10/764 , G06N3/0455 , G06N3/0464 , G06N3/082 , G06N3/098 , G06V10/762
Abstract: 本发明公开了一种基于信息解纠缠的协同非正交图像语义通信方法及系统，该方法包括下述步骤：获取目标的两视图图像，将随机高斯矩阵与图像像素矩阵相连接，得到图像拼接矩阵；构建并训练两视图分布式协作联合信源信道编码模型；基于训练后两视图分布式协作联合信源信道编码模型完成图像恢复、分类和聚类任务；图像拼接矩阵经联合信源信道编码器映射为语义信息，将私有信息和公共信息拼接得到编码信息，编码信息通过空中聚合得到空中聚合信息，联合信源信道解码器恢复得到两视图图像；将公共信息作为输入，基于KNN算法进行图像分类，基于k‑means聚类算法获得图像聚类结果。本发明能实现协同传输，提高频谱利用效率，减少传输信息的冗余。
-
公开(公告)号：CN114881650B
公开(公告)日：2024-08-06
申请号：CN202210451763.2
申请日：2022-04-27
Applicant: 暨南大学
Abstract: 本发明公开了一种基于TEE的隐私保护分布式账本审计方法与系统，方法包括客户首先选择合适的服务商，并注册成为其合法用户；为了处理用户业务请求，服务商在经监管者授权后在可信执行环境内成功运行交易验证程序；发起业务请求前，用户读取分布式账本最新状态，并获得所属机密信息；用户匿名向监管者获取其最新身份证明；用户向服务商请求可用可信执行环境，最后，用户向可信执行环境发送身份证明及交易请求完成交易。审计环节中，审计师用可执行文件描述其审计任务，监管者批准审计则审计师可获得审计结果，但对审计的过程不可访问。本发明能够在充分保护用户隐私的前提下，实现高效且一般化的审计功能。
-
公开(公告)号：CN118410173A
公开(公告)日：2024-07-30
申请号：CN202410264937.3
申请日：2024-03-08
Applicant: 暨南大学
IPC: G06F16/36 , G06F16/35 , G06F18/214 , G06F18/2415 , G06F18/10 , G06F18/213
Abstract: 本发明公开了一种基于时序知识图谱的系统用户行为预测分析方法、系统及设备，该方法包括下述步骤：提取及组合用户行为特征，进行数据预处理；在设定的时间戳下构建动态时序知识图谱，基于关系特征提取器提取同一段时间域的多个行为关系对应的邻域特征作为目标用户在该时刻域的行为向量；构建XLnet网络模型，XLnet网络模型将动态时序知识图谱转化的行为向量输出为分布向量，在XLnet网络模型上添加Softmax层，将XLnet网络模型输出的分布向量转化为行为分类概率，通过分类概率的概率值对应得到预测行为类型。本发明在用户行为预测分析时能够更全面地考虑时间关系和语境信息，对用户行为做出更加准确的预测。
-
公开(公告)号：CN118138381A
公开(公告)日：2024-06-04
申请号：CN202410562087.5
申请日：2024-05-08
Applicant: 暨南大学 , 广东香江实验室有限公司
Abstract: 本申请涉及车联网安全领域，公开了一种基于声望的轻量级、隐私保护的领航车辆选择方法，包括以下步骤：S1、可信机构初始化时钟、公共参数、ECC和Paillier算法及其公私钥对，定义车辆声望门限，生成混淆声望门限，路侧单元和云服务器存储参数；S2、车辆向可信机构请求注册，得到并存储参数；S3、车辆向可信机构请求新声望证书，可信机构分情况响应，车辆验证并存储响应；S4、愿意领航的车辆向路侧单元发送领航请求；S5、路侧单元验证领航请求，生成聚合密文，加密后发送至云服务器；S6、云服务器解密后提取特征并得到向量；S7、路侧单元根据向量确定领航车辆集合并通知车辆。本发明高效实现车联网中隐私保护的领航车辆选择，大幅降低开销，具有实用性。
-
-
-
-
-
-
-
-
-
Search Results
158
records
(took 0.026 seconds)
