-
公开(公告)号：CN114881696A
公开(公告)日：2022-08-09
申请号：CN202210526151.5
申请日：2022-05-16
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本发明公开了一种基于区块链的隐私保护广告归因方法、系统、装置、计算机设备及存储介质，所述方法包括：利用区块链的不可篡改以及隐私求交的特性，让本次归因的参与方得到与任意一方之间的交集数据，而不泄漏任何交集以外的数据；所述参与方包括多个流量方和广告主；利用区块链的去中心化、不可篡改、共识机制以及可信执行环境，将所述交集数据与广告主数据进行关联，按照特定的时间窗口与归因逻辑进行归因操作，使各广告平台、各广告主以及各流量方均能得到归因明细。本发明提供的方法通过利用区块链的特性，很好地解决了广告归因过程中的信任与隐私问题。
-
公开(公告)号：CN112241468A
公开(公告)日：2021-01-19
申请号：CN202010718382.7
申请日：2020-07-23
Applicant: 哈尔滨工业大学(深圳)
IPC: G06F16/732 , G06F16/783 , G06K9/00 , G06N3/04
Abstract: 本发明提供了一种基于多头目自注意力机制的跨模态视频检索方法、系统及存储介质，该跨模态视频检索方法包括视频编码步骤、文本编码步骤和联合嵌入步骤，本发明通过有监督训练的形式，充分利用训练多模态数据中的语义信息进行训练，同时引入多头目自注意力机制，捕捉视频和文本内部的细微交互，有选择性地关注多模态数据的关键信息来增强模型的表征能力，更好地挖掘数据语义，保证数据在原始空间和在共享子空间中距离的一致性。本发明的有益效果是：通过实验证明，本发明既可以有效保持数据在原始空间相似性，又能提高检索的准确率。
-
公开(公告)号：CN112185395A
公开(公告)日：2021-01-05
申请号：CN202010920024.4
申请日：2020-09-04
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本发明提出一种基于差分隐私的联邦声纹识别方法，包括一：在服务端进行通用背景模型UBM预训练得到初始通用背景模型UBM；二：客户端接收预训练后的初始通用背景模型UBM，利用本地的私有语音数据进行初始通用背景模型UBM的学习；三：客户端学习得到的统计量进行差分隐私保护；四：服务端聚合多个客户端上传的差分隐私保护后的统计量，更新初始通用背景模型UBM；五：客户端接收更新后通用背景模型UBM，借助本地私有语音数据调整得到该客户端用户的高斯混合模型GMM，利用更新后通用背景模型UBM和该用户的高斯混合模型GMM判别待验证语音是否为该客户端用户所产生。
-
公开(公告)号：CN112183767A
公开(公告)日：2021-01-05
申请号：CN202011059108.X
申请日：2020-09-30
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本申请实施例公开了一种多密钥下模型聚合的联邦学习方法及相关设备，用于在多方协同训练机器学习模型时，保障各个数据公司的数据样本不被公开。本申请实施例的联邦学习方法采用加法同态加密算法，通过密钥生成中心生成公共密钥参数和主密钥，各参与方通过公共密钥参数生成各自的参与方私钥和参与方公钥，使用各自的参与方公钥对模型参数进行加密后发送到保密节点；而后保密节点为各参与方模型添加随机扰动，从而保证在模型参数聚合过程中各参与方的模型参数的数据隐私。
-
公开(公告)号：CN112052480A
公开(公告)日：2020-12-08
申请号：CN202010953756.3
申请日：2020-09-11
Applicant: 哈尔滨工业大学(深圳)
IPC: G06F21/62
Abstract: 本发明实施例提供了一种模型训练过程中的隐私保护方法、系统及相关设备，用于实现模型训练过程中的隐私保护。本发明实施例方法包括：接收服务端发送的目标模型，并接收服务端发送的选择指令，选择指令用于指示随机选中的部分客户端；被选中的客户端以概率P参与目标模型训练，未被选中的客户端以概率(1‑P)参与目标模型训练；所有确定参与目标模型训练的客户端作为目标客户端，分别采用本地数据对目标模型进行训练，并计算每个训练之后的目标模型的模型参数更新值；按照预设差分隐私算法对每组模型参数更新值进行处理生成更新数据，并将更新数据返回给服务端，以使得服务端根据所有的更新数据生成本轮训练的全局模型。
-
Patent Agency Ranking
公开(公告)号：CN109815303B
公开(公告)日：2020-10-13
申请号：CN201811654923.3
申请日：2018-12-29
Applicant: 哈尔滨工业大学(深圳)
IPC: G06F16/29
Abstract: 本申请涉及一种基于位置的移动数据存储系统及其优化方法，在预设的负载和存储预算的情况下，根据查询范围及存储系统中的原始数据，生成用于查询的多个候选副本，并使用查询成本评估模块对上述多个副本构成的副本集合进行评估，并从中选择出一个成本最低或接近最低的副本集合。该系统用于实现对基于位置的移动大数据分布式存储系统的宽查询范围性能的优化，并在此基础上提出了贪婪算法及线性规划舍入算法进一步对存储系统的性能进行进一步的发掘。
-
公开(公告)号：CN111008836A
公开(公告)日：2020-04-14
申请号：CN201911120359.1
申请日：2019-11-15
Applicant: 哈尔滨工业大学(深圳)
IPC: G06Q20/38
Abstract: 本发明提供了一种基于可监管区块链的隐私安全转账支付方法、装置、系统及存储介质，该隐私安全转账支付方法包括：交易金额的隐私保护步骤：对交易中的交易金额进行隐私保护；交易地址保护步骤：对交易双方的地址进行保护；以及交易监管步骤。本发明的有益效果是：本发明解决了传统转账支付方案中过度依赖第三方机构的问题；明确了交易中需要保护的隐私信息，针对交易块中的交易金额、交易双方的交易余额、交易发起方的地址信息和交易接收方的地址信息，设计了相对应的隐私保护方案；建立对区块链用户监管体系，监管者可以保留追究在区块链上进行买卖双方的责任。
-
公开(公告)号：CN110867012A
公开(公告)日：2020-03-06
申请号：CN201911121710.9
申请日：2019-11-15
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本发明提供了一种基于智能合约的去中心电子投票方法、装置、系统及存储介质，该去中心电子投票方法包括初始化步骤、选民注册步骤、门限加密步骤、选票加密签名步骤、选票上传步骤、选票合法判断步骤、解密步骤和统计公布步骤。本发明的有益效果是：本发明能够保证投票公开透明，选民的匿名性得到了保护，系统健壮性强可抵制恶意攻击者攻击，小部分恶意的选民也不会破坏整个选举的进行；并且本发明将投票管理者的权利降到最小。
-
公开(公告)号：CN110533572A
公开(公告)日：2019-12-03
申请号：CN201910820539.4
申请日：2019-08-29
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本申请提供一种水印嵌入方法，包括：对水印信息进行预处理，得到冗余水印编码；利用单向哈希函数对数据库中的元组进行分组；确定每个分组中所述元组的待嵌入属性；利用预设密钥将所述冗余水印编码嵌入至所述元组的所述待嵌入属性。利用纠删码技术进行水印编码，通过生成冗余水印，当攻击者完全删掉部分子水印时，本方案根据已提取出来的子水印能够恢复出完整的水印信息，这种水印编码方法解决了以往子水印被完全删除导致整个水印方案失效的问题，使得水印具有一定的容错率。本申请还提供一种水印嵌入系统、一种计算机可读存储介质和一种终端，具有上述有益效果。
-
公开(公告)号：CN110309331A
公开(公告)日：2019-10-08
申请号：CN201910599265.0
申请日：2019-07-04
Applicant: 哈尔滨工业大学(深圳)
IPC: G06F16/51 , G06F16/583 , G06F16/31 , G06F16/33 , G06K9/62
Abstract: 本发明专利涉及一种基于自监督的跨模态联合哈希检索方法，该方法包括以下步骤：步骤1：针对图像模态数据进行处理：采用深度卷积神经网络对图像模态的数据进行特征提取，对图片数据进行哈希学习，将深度卷积神经网络的最后一层全连接层的节点个数设置为哈希码的长度；步骤2：针对文本模态数据进行处理：使用词袋模型对文本数据进行建模，建立一个两层的全连接神经网络对文本模态的数据进行特征提取，神经网络的输入是使用词袋模型表示的词向量，第一个全连接层节点的数据与第二个全连接层节点的数据与哈希码的长度相同；步骤3：针对类别标签处理的神经网络：采用自监督的训练方式从标签数据中提取语义特征；步骤4：最小化图像与文本网络所提取的特征与标签网络的语义特征间的距离，使得图像与文本网络的哈希模型能够更充分学习不同模态间的语义特征。
-
-
-
-
-
-
-
-
-
Search Results
155
records
(took 0.054 seconds)
