-
公开(公告)号：CN115834789B
公开(公告)日：2024-02-23
申请号：CN202211484482.3
申请日：2022-11-24
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于加密域的医疗影像加密以及恢复方法，该方法首先使用完全同态加密对医学图像进行加密，然后由云服务器生成一组密文份额，随后这些密文份额被分别存储在不同医疗机构的数据库管理中心中，当医生需要患者的医疗图像时，恢复过程也由云服务器实现。与现有的SIS方案相比，本发明不仅支持医疗机构端的医疗数据保护，还保证数据的安全性的同时节省了本地服务器的计算和通信负担。
-
公开(公告)号：CN117371540A
公开(公告)日：2024-01-09
申请号：CN202311671340.2
申请日：2023-12-07
Applicant: 南京信息工程大学
IPC: G06N5/04 , G06Q40/04 , G06N3/042 , G06F18/241 , G06N3/0499 , G06N3/08
Abstract: 本发明公开了一种基于深度图神经网络的区块链地址身份推断方法及系统，所述区块链地址身份推断方法包括基于采集到的区块链交易数据集生成有向交易网络图，并基于联合子图采样策略得到所述有向交易网络图中每个节点的节点子图，其中，所述有向交易网络图中节点代表区块链上的交易地址，边表示一个交易地址与另一个交易地址之间的交易；将每个节点的节点子图分别输入至预先训练好的多任务身份识别图模型中，输出节点的嵌入表示；将各节点的嵌入表示输入至预先训练好的分类器，利用分类器输出各个身份类别的概率分布，取概率最高的身份类别作为各节点最终的身份标签，完成身份推断。本发明能够提高区块链中交易地址身份推断的精度。
-
公开(公告)号：CN116206375B
公开(公告)日：2023-07-25
申请号：CN202310474306.X
申请日：2023-04-28
Applicant: 南京信息工程大学
IPC: G06V40/40 , G06V40/16 , G06V10/26 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/047 , G06N3/048 , G06N3/09 , G06N3/088
Abstract: 本发明公开了一种基于双层孪生网络和可持续学习的人脸伪造检测方法，包括步骤：构建用于持续学习策略的图像训练集；通过持续学习策略训练已构建的双层孪生网络，双层孪生网络包括：用于快速学习的有监督子网络，适用于慢速学习的无监督子网络和记忆模块；无监督子网络通过无监督学习提取特征并指导有监督子网络，有监督子网络在无监督子网络的指导下，进行有监督学习提取特征；记忆模块用于巩固学习到的知识；将待检测图像输入到训练好的检测模型，模型对图像进行分割检测，检测出图像中人脸伪造的具体位置。本发明能提高人脸伪造检测模型的准确性，同时实现对具体伪造位置的预测；利用持续学习策略，提升人脸伪造检测模型的泛化性能。
-
公开(公告)号：CN115879072A
公开(公告)日：2023-03-31
申请号：CN202310194809.1
申请日：2023-03-03
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种深度伪造指纹检测模型的版权保护方法、装置及介质，包括：获取预设数量的指纹图像，并对各指纹图像添加真实标签生成第一样本集；将第一样本集按预设第一比例划分为第一子集和第二子集；通过LSB隐写算法将预设水印图像集嵌入第一子集生成触发集；将触发集和第二子集合并生成第二样本集；通过第二样本集训练预构建的深度伪造指纹检测模型，获取具备版权保护的深度伪造指纹检测模型；本发明通过LSB隐写算法构建触发集，从而在训练深度伪造指纹检测模型时植入隐形后门，通过隐形后门进行版权验证，从而解决深度伪造指纹检测模型进行版权保护的问题。
-
公开(公告)号：CN115761895A
公开(公告)日：2023-03-07
申请号：CN202211513258.2
申请日：2022-11-29
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于帧序列顺序感知编码的视频动作分割与识别方法，其中，分割方法包括：提取给定视频的特征向量，并对特征向量进行编码，获得给定视频的运动特征；基于给定视频的运动特征，进行编码矩阵学习，获得给定视频的编码矩阵；基于给定视频的编码矩阵，构建亲和度图；基于亲和度图，完成给定视频的动作分割，得到给定视频的动作片段。识别方法包括基于上述的分割方法，将待识别视频分割为若干动作片段；将每个动作片段的特征输入至预训练的分类器中；根据每个动作片段所属类别的概率，分配动作标签。本发明不仅能够充分编码视频的运动特征和帧序列顺序信息，并且能够克服视频中噪声的影响准确分割动作片段并识别其类别。
-
Patent Agency Ranking
公开(公告)号：CN114119335B
公开(公告)日：2022-04-26
申请号：CN202210091866.2
申请日：2022-01-26
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于GAN的神经网络水印生成方法、系统和存储介质，生成器生成原始数据集的噪声数据集；在原始数据集中加上噪声，得到触发样本水印集；将触发样本水印集和原始数据集同时送入到判别器中；将与原始数据集之间的相似度满足要求的触发样本水印集输入到神经网络模型，输出结果；通过设置判别器的损失函数、生成器的损失函数以及软铰链损失函数，确定整体损失函数；利用整体损失函数同步训练生成器、判别器和神经网络模型；利用触发样本水印集验证所述神经网络模型，获得最终生成水印的神经网络模型。本发明可以自动地根据不同的神经网络模型生成噪声，基本可以满足对不同神经网络模型生成水印的需求。
-
公开(公告)号：CN115936961B
公开(公告)日：2024-01-02
申请号：CN202211462057.4
申请日：2022-11-21
Applicant: 南京信息工程大学
IPC: G06T1/00 , G06V10/82 , G06V10/40 , G06V10/764 , G06V10/774 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于少样本对比学习网络的隐写分析方法、设备及介质，其中方法针对少量的隐写图像数据对，用数据增强的方式生成多组额外可用的训练样本；随机挑选一对载体图像和含秘图像，两者相减获得残差图像，将上述三张图像与以及另一张无关的载体图像组成一组训练数据，并以锚点样本、负样本、正样本、指导样本的形式输入对比学习网络。网络先进行特征提取，分别对锚点样本、正样本、负样本是否为含秘图像进行分类，并计算分类损失；对输入的锚点样本、正样本、负样本的特征向量计算对比损失；对输入的负样本、指导样本的特征向量计算对比指导损失；结合分类损失、对比损失和对比指导损失优化网络；抽取网络结构中的一个分支作为应用网络。
-
公开(公告)号：CN113808275B
公开(公告)日：2023-10-13
申请号：CN202111120772.5
申请日：2021-09-24
Applicant: 南京信息工程大学
IPC: G06T17/20 , G06T19/20 , G06N3/0455 , G06N3/0464 , G06N3/084
Abstract: 本发明提供一种基于GCN与拓扑修改的单图像三维重建方法，该方法具体包括如下步骤：输入图像至VGG‑16编码网络，提取特定层的特征图与图像特征向量；预设初始球体网格；根据VGG‑16编码网络提取的特定层的特征图，为初始球体每个顶点赋予图像感知特征，得到附带图像感知特征的球体网格；将该球体网格输入网格形变网络中，变更网格顶点位置，并得到初始三维模型；拓扑修改网络对初始三维模型表面进行修剪，从而更新网格拓扑结构；得到最终三维网格模型；本发明提高重建模型的质量，同时减小变形计算。
-
公开(公告)号：CN116542839B
公开(公告)日：2023-09-26
申请号：CN202310815859.7
申请日：2023-07-05
Applicant: 南京信息工程大学
IPC: G06T1/00 , G06F21/60 , G06N3/045 , G06N3/0475 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于生成对抗网络的渐进生成式隐写方法，涉及信息安全技术领域，其过程分为三部分：秘密信息映射、秘密图像生成以及秘密信息提取。映射阶段将秘密信息M划分为n段并用映射规则将每一段秘密信息Mi映射为多尺度的噪声图Zi。生成阶段由输入噪声图Z0生成高分辨率的含秘图片。提取阶段接受者用收到的含秘图片下采样至对应生成阶段的多尺度图片并输入提取器Ei以获得噪声图，利用秘密信息到噪声图的逆映射将噪声图恢复为比特流。此外，该方法在生成器和提取器结构中加入密集通道注意力连接。本发明能够实现秘密通信功能。
-
公开(公告)号：CN116542839A
公开(公告)日：2023-08-04
申请号：CN202310815859.7
申请日：2023-07-05
Applicant: 南京信息工程大学
IPC: G06T1/00 , G06F21/60 , G06N3/045 , G06N3/0475 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于生成对抗网络的渐进生成式隐写方法，涉及信息安全技术领域，其过程分为三部分：秘密信息映射、秘密图像生成以及秘密信息提取。映射阶段将秘密信息M划分为n段并用映射规则将每一段秘密信息Mi映射为多尺度的噪声图Zi。生成阶段由输入噪声图Z0生成高分辨率的含秘图片。提取阶段接受者用收到的含秘图片下采样至对应生成阶段的多尺度图片并输入提取器Ei以获得噪声图，利用秘密信息到噪声图的逆映射将噪声图恢复为比特流。此外，该方法在生成器和提取器结构中加入密集通道注意力连接。本发明能够实现秘密通信功能。
-
-
-
-
-
-
-
-
-
Search Results
48
records
(took 0.026 seconds)
