-
公开(公告)号：CN118866355A
公开(公告)日：2024-10-29
申请号：CN202410914371.4
申请日：2024-07-09
Applicant: 哈尔滨理工大学 , 哈尔滨工业大学 , 中数(深圳)时代科技有限公司
IPC: G16H50/30 , G16H50/20 , G06N3/0455 , G06F18/2135 , G06F18/24 , G06N3/096 , G06F18/15 , G06F18/23213
Abstract: 本发明一种基于联邦学习的代谢性疾病预测方法及系统，涉及智能医疗技术领域，为解决现有的模型难以全面进行多种代谢疾病的预测，且难以保障模型的运行效率、准确性以及数据的隐私安全。本发明构建多个代谢性疾病数据集，采用主成分分析和聚类对数据进行处理，构建合并数据集；构建有改进的DNN的网络模型，模型引入Transformer层和全连接层，Transformer层通过其注意力机制对数据进行特征提取与转换，并在向量信息中插入位置信息来捕捉主成分特征之间的隐含序列关系，全连接层之间通过残差层连接；基于联邦学习方法各客户端基于合并数据集采用蒸馏的方法对改进的DNN模型进行训练，最终得到全局的代谢性疾病预测模型，以实现对代谢性疾病进行分类。
-
公开(公告)号：CN118335340A
公开(公告)日：2024-07-12
申请号：CN202410589344.4
申请日：2024-05-13
Applicant: 哈尔滨理工大学 , 哈尔滨工业大学 , 中数(深圳)时代科技有限公司
IPC: G16H50/50 , G16H50/70 , G16H10/60 , G06N3/0442 , G06N3/0464 , G06N3/045
Abstract: 本发明提供一种多模态的痛风病多分期预测方法及系统，涉及智慧医疗技术领域，为解决现有技术中缺少基于深度学习的将病历与影像学数据相结合方法的问题。包括：步骤1、获取患者病历数据和影像数据，根据有无痛风石将影像数据插入到对应患者的病历数据，得到合并病历数据集；步骤2、对数据进行预处理；步骤3、将病历数据输入构建有自定义自注意力机制的LSTM‑DNN进行特征信息提取，得到特征W1；针对有痛风石的数据，则将影像数据输入3D‑CNN模型中进行特征提取，得到特征W2，并将特征W2对应的特征W1利用多模态交叉注意力进行融合，得到最终特征信息；步骤4、将最终特征信息输入到痛风病多分期预测模型中进行痛风的分期预测。本发明用于痛风病多分期预测。
-
公开(公告)号：CN117939420B
公开(公告)日：2024-07-12
申请号：CN202410024857.0
申请日：2024-01-08
Applicant: 哈尔滨理工大学
Abstract: 本发明公开了基于混沌自适应飞蛾算法的WSN目标覆盖方法及装置，属于无线传感器网络覆盖技术领域。解决了现有技术中传统的WSN目标覆盖方法覆盖范围不全面的问题；本发明采用自适应飞蛾算法建立目标覆盖模型，得到飞蛾最优位置；将飞蛾最优位置提供给飞蛾对应的火焰，更新火焰位置，通过淘汰飞蛾适应度差的火焰，更新火焰数量；采用混沌策略更新当前飞蛾位置；采用精英策略淘汰飞蛾适应度差的飞蛾，得到最优飞蛾适应度，根据再次更新后的火焰位置和火焰数量，保留当前最优飞蛾位置；根据设定的混沌自适应飞蛾算法迭代阈值，输出最优的飞蛾位置和适应度，得到传感器节点的最优部署方案。本发明有效提升了覆盖面积，可以应用于WSN目标覆盖。
-
公开(公告)号：CN118157861A
公开(公告)日：2024-06-07
申请号：CN202410322575.9
申请日：2024-03-20
Applicant: 哈尔滨理工大学 , 中数(深圳)时代科技有限公司
Abstract: 一种基于最终指数幂困难部分算法的BN曲线上双线性对的密码生成方法及系统，涉及信息安全技术领域。本发明的目的是为了实现使用较少的临时变量参与计算，并且能够完成标准配对，从而降低密码生成过程中的运算量，为部分参数的复用提供了更多灵活性。本发明包括最终指数幂困难部分的幂指数分解重组、基于短加法链的最终指数幂困难部分算法、基于双二次扩域运算单元的硬件架构。首先利用了Frobenius映射的性质，对最终幂指数进行分解，简化运算，减少计算量；构建可复用项，并且从中利用了加法链的原理使部分项可以在计算高次项的过程中求出，消除冗余计算，减小了计算量。所述的基于短加法链的最终指数幂困难部分算法，利用短加法链将最高次幂降低，短加法链在计算中节省临时变量，减轻了存储负担，最高次幂降低使内部各项的可复用性增高，降低计算量，并且算法构建时考虑时序排布，剔除冗余的临时变量。
-
公开(公告)号：CN117955630A
公开(公告)日：2024-04-30
申请号：CN202410107944.2
申请日：2024-01-26
Applicant: 哈尔滨理工大学 , 中数(深圳)时代科技有限公司
Abstract: 本发明公开了一种利用密码硬件实现Paillier同态计算的方法及装置，涉及信息安全技术领域，以解决现有软件实现Paillier算法和使用专门硬件单一实现Paillier算法所带来的问题。本发明技术要点包括：密码硬件包括不支持Paillier算法的密码芯片和微控制器，发送方密码硬件根据Paillier密钥对位数生成Paillier密钥对，并将其中公钥部分发送给接收方密码硬件，根据Paillier密钥对对明文数据进行加密，获得密文数据；将密文数据和同态算法名称发送给接收方密码硬件；接收方密码硬件调用同态计算流程进行同态计算，将获得的同态计算结果密文发送给发送方密码硬件；发送方密码硬件使用Paillier密钥对对同态计算结果密文进行解密，获得对应的明文数据。本发明可提高Paillier同态计算的速度和吞吐量且安全性强。
-
Patent Agency Ranking
公开(公告)号：CN117692126A
公开(公告)日：2024-03-12
申请号：CN202311717181.5
申请日：2023-12-14
Applicant: 哈尔滨理工大学 , 中数(深圳)时代科技有限公司
Abstract: 一种基于低复杂度模乘算法的Paillier同态加密方法及系统，涉及硬件信息安全密码加密技术领域，为解决现有的加密系统模乘算法运算复杂、大位宽模乘的运行周期长的问题而提出的，技术要点：包括输入为512bit操作数为64bit的Karatsuba乘法算法、输入为2048bit操作数为512bit的全字模乘算法。使用输入为512bit操作数为64bit的Karatsuba乘法算法用于减少所需的乘法次数，适合用来降低加密算法中大位宽乘法的复杂度。输入为2048bit操作数为512bit的全字模乘算法用于将大位宽乘法操作分解为小位宽乘法操作，降低硬件复杂度。本发明可以保证在同态加密Paillier算法的实现过程中模乘算法的复杂度更低，提高效率。
-
公开(公告)号：CN117474604A
公开(公告)日：2024-01-30
申请号：CN202311651811.3
申请日：2023-12-04
Applicant: 哈尔滨理工大学 , 中数(深圳)时代科技有限公司
IPC: G06Q30/0251 , G06F21/60 , G06N3/098
Abstract: 本发明提供了一种基于联邦因子分解机的高效压缩内存的广告推荐算法及系统，属于服务推荐领域。为了解决现有广告推荐系统数据集过大，使用时会导致内存消耗过高且推荐效果一般的问题。本发明将内存效率极高的分解机模型xLightFM与联邦学习结合，包括对联邦学习的各个参与方数据集进行预处理，得到用于联邦学习的数据集，再进行基于联邦因子分解机的高效压缩内存的广告推荐算法训练，模型训练完成后再进行预测推理并通过可信第三方服务端将推理结果生成推荐列表返回给主办方。本发明在保护用户数据安全性的前提下同时可有效降低内存消耗，且适用于数据集较大的广告推荐系统，可有效降低广告平台的经济损耗。
-
公开(公告)号：CN117155531A
公开(公告)日：2023-12-01
申请号：CN202311093318.4
申请日：2023-08-28
Applicant: 哈尔滨理工大学 , 中数(深圳)时代科技有限公司
IPC: H04L9/00 , H04B17/391 , G06N3/0442 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明一种基于CLRM模型的深度学习侧信道攻击方法及系统，涉及侧信道攻击技术领域，为解决现有侧信道攻击方法需要大量能量迹、模型效率低，且模型在训练时存在快速过拟合以及梯度消失等问题。包括如下步骤：S1、获取密码算法在设备运行过程中产生的侧信道数据；S2、构建侧信道攻击模型，所述模型包括卷积神经网络模块、长短期记忆网络模块以及残差网络模块，利用已知密钥的侧信道数据对所述侧信道攻击模型进行训练，以建立从侧信道数据到正确密钥之间的映射关系；S3、采用训练后的侧信道攻击模型对采集的侧信道数据进行特征提取分析，以实现对密钥的正确恢复。本发明方法利用较少能量迹轨迹数就能恢复出正确的密钥，攻击效率具有显著的优势。
-
-
公开(公告)号：CN116011594A
公开(公告)日：2023-04-25
申请号：CN202211571578.3
申请日：2022-12-08
Applicant: 哈尔滨理工大学
Abstract: 本发明公开了一种纵向联邦学习架构下的非抽样因子分解机服务方法，属于推荐系统领域，初始化参与纵向联邦学习双方的本地模型，通过初始化的本地模型计算各自的辅助向量，可信第三方发送同态加密公钥给参与纵向联邦学习双方，其中一方向另一方传输自身加密模型以及辅助向量以在另一方求得加密的纵向联邦因子分解机算法的预测值，并接受该预测值，双方通过本地数据与接收到的数据计算出损失函数后求解各自的加密梯度，发送给可信第三方进行解密，双方接收到模型梯度后更新模型，模型收敛后用于推荐任务中。本发明的优势在于：解决了纵向联邦学习架构下的隐反馈因子分解机在非抽样训练情况下推荐框架模型训练效率差的技术问题。
-
-
-
-
-
-
-
-
-
Search Results
82
records
(took 0.032 seconds)
