-
公开(公告)号：CN114172742A
公开(公告)日：2022-03-11
申请号：CN202111588972.3
申请日：2021-12-23
Applicant: 国网浙江省电力有限公司信息通信分公司 , 浙江大学
IPC: H04L9/40 , H04L9/32 , H04L67/12 , H04L67/141
Abstract: 本发明公开了一种基于节点地图与边缘认证的电力物联网终端设备分层认证方法，属于信息安全技术领域。物联管理平台首先依据多维度特征对终端设备进行群组聚类划分，从中产生边缘认证节点；之后利用各接入设备的信息构建节点地图，由各边缘认证节点对其余设备进行一对一认证，最终完成物联管理平台、边缘认证节点与其余终端设备之间的信任链传递。当新设备请求接入时，根据新设备的所属群组指定物联管理平台或边缘认证节点对新设备执行认证流程。本发明充分利用了电力物联系统中的边缘计算资源、网络资源与存储资源，降低了物联管理平台的资源压力，同时节约认证流程，提升了认证效率，且对意图非法接入访问的恶意设备具有良好的过滤与拒止作用。
-
公开(公告)号：CN112910861A
公开(公告)日：2021-06-04
申请号：CN202110068581.2
申请日：2021-01-19
Applicant: 浙江大学 , 国网浙江省电力有限公司信息通信分公司
Abstract: 本发明公共了一种基于群组认证和分段鉴权的电力物联网终端设备认证方法，对于请求接入电力物联网的终端设备，首先依据多维度的群组特性对终端设备进行动态群组划分，在各群组内部产生领头设备，之后依据分段鉴权的方法在物联管理平台和边缘物联代理、边缘物联代理和领头设备、领头设备和群组内终端设备之间进行基于身份信息的一对一认证，最终终端设备、领头设备、边缘物联代理和物联管理平台建立信任传递链，具有完整信任传递链的设备准许接入，任何一环未通过认证的设备则不被允许接入。该方法可以节约认证流程，提升认证效率，释放大量网络资源和降低计算量，且对于意图非法访问、接入电力物联网的假冒设备和恶意设备具有很好的拒止作用。
-
公开(公告)号：CN114172742B
公开(公告)日：2024-02-20
申请号：CN202111588972.3
申请日：2021-12-23
Applicant: 国网浙江省电力有限公司信息通信分公司 , 浙江大学
IPC: H04L9/40 , H04L9/32 , H04L67/12 , H04L67/141
Abstract: 本发明公开了一种基于节点地图与边缘认证的电力物联网终端设备分层认证方法，属于信息安全技术领域。物联管理平台首先依据多维度特征对终端设备进行群组聚类划分，从中产生边缘认证节点；之后利用各接入设备的信息构建节点地图，由各边缘认证节点对其余设备进行一对一认证，最终完成物联管理平台、边缘认证节点与其余终端设备之间的信任链传递。当新设备请求接入时，根据新设备的所属群组指定物联管理平台或边缘认证节点对新设备执行认证流程。本发明充分利用了电力物联系统中的边缘计算资源、网络资源与存储资源，降低了物联管理平台的资源压力，同时节约认证流程，提升了认证效率，且对意图非法接入访问的恶意设备具有良好的过滤与拒止作用。
-
公开(公告)号：CN114666117A
公开(公告)日：2022-06-24
申请号：CN202210265611.3
申请日：2022-03-17
Applicant: 国网浙江省电力有限公司信息通信分公司 , 浙江大学
IPC: H04L9/40 , H04L41/147 , H04L43/0823
Abstract: 本发明公开了一种面向电力互联网的网络安全态势度量和预测方法，涉及信息安全技术领域。面向电力互联网的外部安全威胁以及自身安全脆弱性进行在线观测、度量评估、异常检测和展示预测；所述的外部安全威胁包括程序运行、登录操作、外设接入、网络行为四个方面；所述的自身安全脆弱性包括系统漏洞、设备配置、开放服务、运行状态、互联拓扑、资产发现六个方面。实现对电力互联网的网络安全风险数据的获取、诊断、预测以及处置的目的，进而保证电力互联网能够安全稳定的持续运行。
-
公开(公告)号：CN114666788A
公开(公告)日：2022-06-24
申请号：CN202210265609.6
申请日：2022-03-17
Applicant: 国网浙江省电力有限公司信息通信分公司 , 浙江大学
Abstract: 本发明公布了一种基于终端设备特性的群组认证方法，属于信息安全技术领域。对于请求接入电力物联网的设备，首先依据多维度的设备特性对终端设备进行动态群组划分，在各群组内部产生领头设备，之后依据分段鉴权的方法在物联管理平台和边缘物联代理、边缘物联代理和领头设备、领头设备和群组内终端设备之间进行基于身份信息的一对一认证，最终终端设备、领头设备、边缘物联代理和物联管理平台建立信任传递链，具有完整信任传递链的设备准许接入，任何一环未通过认证的设备则不被允许接入。该方法可以节约认证流程，提升认证效率，释放大量网络资源和降低计算量，且对于意图非法访问、接入电力物联网的假冒设备和恶意设备具有很好的拒止作用。
-
Patent Agency Ranking
公开(公告)号：CN115083426B
公开(公告)日：2025-02-14
申请号：CN202210629015.9
申请日：2022-06-06
Applicant: 浙江大学
IPC: G10L21/007 , G10L25/48 , G10L25/27
Abstract: 本发明公开了一种基于对抗样本生成技术的高保真语音脱敏方法和装置，属于数据隐私保护领域。通过将受保护者音频输入对抗式生成网络脱敏模型，输出音频能在保持原来语义内容的前提下，改变音频中的声纹特征，进而使得人工智能说话人识别模型无法通过输入音频判断说话者身份，实现脱除原始说话人身份信息的效果。该脱敏模型的训练主要通过最小化对抗式生成网络中的生成器以及鉴别器损失以达到训练目的。在具体应用场景中，说话者可以先将自己的音频经已训练好的脱敏模型处理，而后将生成的音频提供给外界，而不泄露自己的身份，达到保护个人隐私的目的。
-
公开(公告)号：CN117744757A
公开(公告)日：2024-03-22
申请号：CN202311781128.1
申请日：2023-12-22
Applicant: 浙江大学
IPC: G06N3/096 , G06N3/0464
Abstract: 本发明公开了一种基于数据特征统计学分布的智能模型逆向工程方法，涉及人工智能(AI)和机器学习(ML)领域，该方法可实现在缺乏训练数据时，从已经训练好的模型中恢复训练数据，并用于知识蒸馏。本发明方法通过反演一个已经训练好的网络，在无需使用任何有关训练数据集的额外信息的情况下，保持教师模型固定，通过知识蒸馏训练学生模型，优化输入，在DeepDream方法的基础上，正则化深度反演利用教师模型的批归一化层中存储的信息对正则化项进行改进。此外，自适应深度反演通过最大化教师模型和学生模型逻辑输出之间的JS散度，提高图像的多样性，增强正则化深度反演的效果，进一步优化图像，从而实现相比DeepDream而言更好的效果。
-
公开(公告)号：CN114212093B
公开(公告)日：2024-03-12
申请号：CN202111495952.1
申请日：2021-12-08
Applicant: 浙江大学
IPC: B60W40/09
Abstract: 本发明公开了一种安全驾驶监控方法、系统及可存储介质，涉及安全驾驶技术领域，该方法包括：通过智能手机的声学传感器和惯性测量单元，采集声学传感器信号和IMU信号；基于所述IMU信号中固定时间段内波峰和波谷对应关系，判断车辆状态，即正常驾驶、变道、转弯、离开环岛；基于所述声学传感器信号，并利用多普勒轮廓和深度神经网络对不同车辆状态时驾驶员的分心驾驶行为、后视镜检查行为进行检测，获取检测结果。本发明针对现有分心驾驶检测技术的缺陷进行改进，解决了现有检测技术中侵犯用户隐私及微小转动难以检测等问题，提高了分心驾驶识别精度的同时能够保障用户隐私。
-
公开(公告)号：CN117454418A
公开(公告)日：2024-01-26
申请号：CN202311393279.X
申请日：2023-10-25
Applicant: 浙江大学
IPC: G06F21/62 , G10L19/00 , G06F18/241 , G06F18/214 , G06N3/094
Abstract: 本发明公开了一种基于生成对抗网络的音频数据脱敏方法，应用于人工智能和数据脱敏的交叉领域，包括：分别构建编码器、公共属性分类器、隐私属性分类器以及重构器；对抗训练；重复对抗训练，直至公共属性分类器有效分类、隐私属性分类器无法有效分类以及重构器无法有效重构。本发明基于对抗训练的思想，使得编码器在与隐私属性分类器、重构器的对抗中逐步能够提取出代表公共属性的特征，脱去代表隐私属性的特征与蕴含重构信息的特征，从而实现音频数据的有效脱敏，且在有效保护用户隐私免遭泄露的同时，不影响甚至提高原本的识别器对所需信息的识别、分类精度。
-
公开(公告)号：CN116644433A
公开(公告)日：2023-08-25
申请号：CN202310619376.X
申请日：2023-05-29
Applicant: 浙江大学
Abstract: 本发明公开了一种用于纵向联邦学习的数据隐私与模型安全测试方法，应用于人工智能分布式联邦学习的安全技术领域，该方法包括两个步骤，即标签推理攻击步骤和后门攻击步骤，来测试恶意参与者是否可以在当前纵向联邦学习算法及防御方法下成功窃取标签信息并且为模型植入后门，来实现恶意攻击。标签推理攻击步骤通过实施我们所设计的简单、高效的中间结果替换方法来测试纵向联邦学习算法及相应的防御方法对于标签信息的隐私保护能力。后门攻击步骤通过设计触发器、后门增强、调节学习率来实现隐蔽、高效的后门攻击方法，来测试纵向联邦学习算法及相应的防御方法的模型安全风险。
-
-
-
-
-
-
-
-
-
Search Results
60
records
(took 0.061 seconds)
