-
公开(公告)号：CN111125736A
公开(公告)日：2020-05-08
申请号：CN201911353298.3
申请日：2019-12-25
Applicant: 暨南大学
Abstract: 本发明公开了一种基于隐私保护交集计算协议的致病基因检测方法，首先采用布隆过滤器过滤掉不存在于服务器和客户端两方所持有集合的交集中的元素；然后通过简单哈希映射将服务器的元素映射到哈希桶，通过布谷鸟哈希映射将客户端的元素映射到二维哈希表；接着对每个桶中的元素执行N选一ROT扩展协议，将服务器生成的加密序列发送给客户端，将客户端的输出与服务器的加密序列进行交集计算，将经过过滤和哈希映射的客户端集合与计算结果进行比对，最终得出两方的交集元素且不泄露任意方除交集之外的信息。本发明能够保证基因检测的安全性，减少运行时间和通信开销。
-
公开(公告)号：CN111093189A
公开(公告)日：2020-05-01
申请号：CN201911241257.5
申请日：2019-12-06
Applicant: 暨南大学
Abstract: 本发明公开了一种车联网中基于信任级联的紧急消息散播方法和系统，该系统包含权威机构、路侧单元和车辆：权威机构负责为车辆提供注册、撤销服务，并存储、更新车辆的信任信息；路侧单元为车辆和权威机构提供通信接口；车载单元安装于车辆上并能够与邻近的路侧单元和其他车辆进行通信；当紧急事件发生时，紧急消息能够以信任级联的方式在附近的车辆间散播，其中面向实体的信任值(可通过信任证书评估和更新，并包含在信任证书中)被作为重要权重；该方法和系统将面向实体的信任值高效地应用到面向数据的信任评估中，与现有消息散播方式相比，本发明的评估结果更加准确，并具有良好的激励机制、错误容忍性、兼容性和健壮性。
-
公开(公告)号：CN108881663B
公开(公告)日：2019-12-24
申请号：CN201810634217.6
申请日：2018-06-20
Applicant: 暨南大学
Abstract: 本发明公开了一种支持隐私保护功能的图像区域复制检测方法，包括：用户端，N个相互独立的云服务端，其中部分服务端用于密文存储，部分服务端用于密文计算；用户端利用图像加密算法将图像分拆为多个密文，分别交给用于密文存储的服务端，由这些服务端和用于密文计算的服务端通过交互和计算完成密文空间下对图像区域复制篡改操作的检测和定位；最后每个用于密文存储的服务端均获得疑似篡改区域，用于密文存储的服务端将结果发送给用户端。云服务端在不知晓图像内容的前提下，提供有效的区域复制取证服务，实现对篡改操作的检测和定位，相比于传统区域复制取证工具或服务，本发明可以提供用户图像内容的隐私保护。
-
公开(公告)号：CN109977694A
公开(公告)日：2019-07-05
申请号：CN201910183408.X
申请日：2019-03-11
Applicant: 暨南大学
Abstract: 本发明公开了一种基于协作深度学习的数据共享方法，其包括两个服务器，若干参与机构，每个参与机构拥有相同格式的生物医疗数据，服务器负责对参与机构上传的模型参数进行更新和维护，每个参与机构只需要分别从两个服务器下载最新的参数秘密份额，在本地进行秘密重构恢复得到最新的参数，然后利用该参数和自己私有的生物医疗数据在本地进行深度学习模型训练，训练完成后再把更新的模型参数通过秘密分享方案拆分成两份秘密份额，由两个服务器分别对秘密份额进行参数更新操作，供参与机构下载。本发明通过使用协作深度学习方法和秘密分享方案，保护了生物医疗数据共享过程中的数据隐私，对促进生物医疗数据的共享有着极其重要的意义。
-
公开(公告)号：CN120011533A
公开(公告)日：2025-05-16
申请号：CN202411932410.X
申请日：2024-12-26
Applicant: 暨南大学
IPC: G06F16/334 , G06F16/335 , G06F16/36 , G06F40/295 , G06N5/022 , G06N5/04
Abstract: 本发明公开了一种基于知识蒸馏与思维链的轻量化信息抽取方法及系统，涉及自然语言处理中的信息抽取技术领域，包括：首先，对领域文本进行预处理，利用少样本学习进行数据增强，生成伪数据以提高模型在特定领域的表现；随后，通过大语言模型进行微调，提取文本中的实体、关系和事件和推理中间结果等关键信息；接着，应用知识蒸馏技术，将微调后的大模型知识压缩至轻量化模型中。同时采用检索增强生成技术和思维链机制，结合实时查询外部知识库，精确地从文本中提取结构化信息，逐步完成复杂信息提取任务。本发明提升了信息抽取的准确性和模型的轻量化部署效果，适用于命名实体识别、关系抽取、事件检测和情感分析等多种任务。
-
Patent Agency Ranking
公开(公告)号：CN119788430A
公开(公告)日：2025-04-08
申请号：CN202510274275.2
申请日：2025-03-10
Applicant: 暨南大学
Abstract: 本发明公开一种车联网数据分类分级管理和自适应加解密方法及其系统，包括：对获取的车联网数据进行标记；根据车联网的实际需求为标记后的车联网数据预设不同的数据类型和安全等级、以及加解密策略；采用自然语言处理模型和随机森林模型自动识别车联网数据的安全等级，并通过加解密策略对不同安全等级车联网数据进行加解密。采用本发明的技术方案，能够有效地对车联网中的数据安全等级进行区分，实现不同安全等级数据的高效差异化加解密，可以帮助车联网系统对数据进行有效的管理和保护。
-
公开(公告)号：CN118870395B
公开(公告)日：2024-12-17
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：CN113947512B
公开(公告)日：2024-10-15
申请号：CN202111130695.1
申请日：2021-09-26
Applicant: 暨南大学
IPC: G06T1/00 , G06F17/16 , G06N3/0464 , G06N3/08 , G06V10/74 , G06V10/774 , G06V10/82
Abstract: 本发明公开了一种大容量可控无载体图像隐写方法，其特征在于，包括以下步骤：S1、根据需要，选择语义图像；S2、根据语义图像，选择有一定关联的图像作为风格参考图像；S3、将语义图像和风格参考图像输入图像预处理工具进行预处理；S4、将经过预处理的图像输入领域对齐网络进行处理，处理过程中生成中间结果；S5、将中间结果和秘密图像合并之后输入隐藏网络，输出含密图像；S6、消息发送方将含密图像发送给持有训练完毕的秘密消息提取网络的消息接收方，消息接收方采用秘密消息提取网络将秘密图像重新提取。本发明利用了无载体隐写框架，不需要使用指定的载体图像来嵌入秘密数据，从根本上抵抗隐写分析工具的检测，显著提高了图像的安全性。
-
公开(公告)号：CN118013372B
公开(公告)日：2024-08-02
申请号：CN202410257623.0
申请日：2024-03-07
Applicant: 暨南大学
IPC: G06F18/241 , G06N3/0455 , G06F18/213 , G06F16/35 , G06V10/40 , G06V10/764 , G06V10/82 , G06F18/22 , G06F18/25 , G06N3/047 , G06F18/2415 , G06N3/0895
Abstract: 本发明公开了一种基于多模态数据异构Transformer资产识别方法、系统及设备，该方法包括下述步骤：采集资产各个模态的信息，包括文本信息和图像信息；构建ALBERT模型、ViT模型和CLIP模型；基于ALBERT模型进行文本信息特征提取；基于ViT模型进行图像信息特征提取；基于CLIP模型进行图像文本匹配信息特征提取；对不同模态的信息进行不同通道的资产类型识别，输出不同通道的分类信息，基于CLIP模型对资产缺失信息进行生成；将不同通道的分类信息与CLIP模型得到的图像信息与文本信息的匹配度进行判别融合，输出最终的资产类别信息。本发明能从多个模态进行综合判断，提高资产识别的准确率。
-
公开(公告)号：CN113436050B
公开(公告)日：2024-07-12
申请号：CN202110569103.X
申请日：2021-05-25
Applicant: 暨南大学
IPC: G06T1/00 , G06N3/0464 , G06N3/045 , G06V10/80
Abstract: 本发明公开了一种双输入卷积融合的可见水印检测擦除方法，包括以下步骤：构建可见水印检测擦除网络，包括多任务全卷积水印分割网络、基于部分卷积的水印去除网络以及基于普通卷积的双输入分支水印去除网络；输入待处理水印图像，水印图像经过多任务全卷积水印分割网络、基于部分卷积的水印去除网络以及基于普通卷积的双输入分支水印去除网络的处理，得到最终的无水印图像。本发明方法适用于多种嵌入强度的可见水印的去除，相比较于传统方案或使用单一卷积的CNN网络方案，能够适用于不同颜色，不同嵌入强度的水印的去除工作。
-
-
-
-
-
-
-
-
-
Search Results
158
records
(took 0.027 seconds)
