-
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：CN113935882B
公开(公告)日：2024-07-12
申请号：CN202111134369.8
申请日：2021-09-27
Applicant: 暨南大学
IPC: G06T1/00 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于卷积特征融合的水印去除方法、装置、计算机设备和存储介质，所述方法包括：获取图像数据库，其中，图像数据库包括水印图像；将所述水印图像输入多任务水印分割网络，得到初步去除水印的第一图像、预测的水印图案、预测的水印掩码和预测的水印嵌入强度；根据所述水印图像、所述水印图案、所述水印掩码和所述水印嵌入强度，得到初步去除水印的第二图像；将所述第一图像和所述第二图像进行拼接，得到拼接图像；将所述拼接图像输入基于注意力模块特征选择的优化网络，得到去除水印的图像。本发明提出的水印去除方法，通用性强，能适用于各种嵌入强度、各种颜色的水印的去除。
-
公开(公告)号：CN116881903B
公开(公告)日：2024-02-06
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。
-
公开(公告)号：CN116821522A
公开(公告)日：2023-09-29
申请号：CN202311099016.8
申请日：2023-08-30
Applicant: 暨南大学
IPC: G06F16/9536 , G06F16/9535
Abstract: 本发明公开了一种基于群组的合作性群智感知任务推荐方法及系统，包括以下步骤：确定角色类型，其中，角色类型包括：合作性群智感知平台、参与者和参与者群组；通过合作性群智感知平台，根据参与者和任务的信息构建参与者群组；根据参与者群组，设计双重注意力机制，聚合组成员偏好，得到群组和任务的嵌入表示；根据群组和任务的嵌入表示，利用基于神经网络的协同过滤算法，设计协同神经网络结构，为参与者群组生成个性化的top‑K任务推荐列表。本发明解决合作性群智感知中个人推荐方法无法应用在群组中的问题，综合考虑参与者能力和偏好差异，使用双重注意力机制提高了任务和群组嵌入表示的准确度，进而增强了任务推荐算法的性能。
-
Patent Agency Ranking
公开(公告)号：CN116663855A
公开(公告)日：2023-08-29
申请号：CN202310911532.X
申请日：2023-07-25
Applicant: 暨南大学
IPC: G06Q10/0631 , G06Q10/047
Abstract: 本发明公开了一种群智感知中的双边满意在线任务匹配方法及系统，属于计算机网络技术和移动群智感知技术领域，包括以下步骤：任务请求者发布具有若干个属性约束的感知任务，并集合具有若干个属性约束的工人，构建群智感知系统模型；构建目标函数和双边多约束条件，基于目标函数和双边多约束条件，构建任务匹配模型；基于群智感知系统模型定义工人和任务请求者的双边满意度，构建工人的任务子集满意列表及任务集的工人满意列表；基于任务匹配模型和满意列表，获得多工人多任务的最佳匹配方案。本发明能够在多约束条件下，实现任务请求者和工人双边满意下的实现最大化任务完成率和最小化总移动距离双目标优化的任务匹配。
-
公开(公告)号：CN113848704B
公开(公告)日：2023-06-02
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：CN115629885A
公开(公告)日：2023-01-20
申请号：CN202211644417.2
申请日：2022-12-21
Applicant: 暨南大学
Abstract: 本申请公开了群智感知中基于局部预算共享的多源任务分配方法及系统，其中方法包括：确定角色类型；角色类型包括：任务请求者、移动群智感知平台和移动群智感知参与者；通过移动群智感知平台收集感知任务；根据感知任务，建立多源感知任务分配模型；基于多源感知任务分配模型来获取最佳分配方案。本申请采用聚合的思想，通过将位置相近且相似的感知任务聚合并使他们共享预算。并设计一种路径规划方法帮助参与者在任务截止日期前以较低的成本完成任务。最后迭代地为每个感知任务分配合适的参与者，以实现任务分配的目标：最大化任务完成质量和最小化总的移动距离。解决移动群智感知中感知任务与参与者双重异构的多任务分配问题。
-
公开(公告)号：CN114095518A
公开(公告)日：2022-02-25
申请号：CN202111303601.6
申请日：2021-11-05
Applicant: 暨南大学
IPC: H04L67/1097 , H04L67/1042 , H04L9/32
Abstract: 本发明公开了一种基于多级委员会共识的科技数据确权与追踪保护的方法，所方法包括以下步骤，每个科研人员、研究机构等均可申请加入联盟链，在检查满足准入条件后，即可加入联盟链，同时生成一对公私钥；数据发布确权，联盟链系统中的用户，在想要发布数据时成为数据方，并从系统中获得一个唯一的且与即将发布数据相关的追溯码Cid；数据跟踪记录，数据在使用时需要对其生命周期进行记录；数据追踪，将汇总查询到的数据结果发送给需要做数据追踪的用户。本发明有益效果在于，解决科技大数据在数据交易过程中产生的数据侵权问题。该方法采用双链联盟链构建科技大数据的追踪保护与确权系统，通过联盟链的去中心化和去信任的方式维护一个可靠的分布式数据库。将数据视为目标对象，记录关于数据的所有行为，实现对数据的追踪保护和可信确权。
-
公开(公告)号：CN113947512A
公开(公告)日：2022-01-18
申请号：CN202111130695.1
申请日：2021-09-26
Applicant: 暨南大学
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。
-
-
-
-
-
-
-
-
-
Search Results
67
records
(took 0.029 seconds)
