-
公开(公告)号：CN117614618A
公开(公告)日：2024-02-27
申请号：CN202311522153.8
申请日：2023-11-15
Applicant: 北京邮电大学
IPC: H04L9/08 , H04L9/00 , H04L9/40 , H04L67/1087
Abstract: 本发明公开了一种跨域多权威协同的属性基加密访问控制方法，属于数据安全技术领域。首先构建跨域多权威协同的系统模型，数据所有者用对称密钥对数据进行对称加密，同时设置访问策略，对对称密钥执行属性基加密，输出数据密文和密钥密文至区块链。然后当属性权威监听到用户注册完成时，不同属性权威会预先执行子令牌生成算法，生成用户属性子令牌发布到区块链；当区块链收集到tω个发布给用户的属性子令牌后，ATC自动生成用户的属性令牌。当用户发起访问请求时，DTC从区块链中查询密钥密文和属性令牌，为用户生成解密令牌。最后数据使用者通过获取解密令牌获得对称密钥，实现数据解密。本发明实现了属性权威跨域协作，减少了用户端的计算和通信开销。
-
公开(公告)号：CN115688776B
公开(公告)日：2023-05-05
申请号：CN202211185619.5
申请日：2022-09-27
Applicant: 北京邮电大学
IPC: G06F40/295 , G06F40/30 , G06N3/042 , G06N3/0464
Abstract: 本发明是一种面向中文金融文本的关系抽取方法，用于中文金融文本处理。本发明方法包括：利用海量中文金融语料微调BERT结构训练金融文本编码器，对语句编码得到句向量；筛选金融关系数据集，对语句进行依存句法解析，基于硬剪枝策略输出邻接矩阵和句法类型矩阵；使用基于注意力机制的多层异构图卷积神经网络提取融合句法特征和实体类型特征的实体对；对金融关系触发词表中每类关系的触发词编码获得关系词向量，计算语句的相似度特征；将句向量、相似度特征和实体对拼接输入全连接分类器进行实体关系判断。本发明有效去除文本中冗余信息并保留关键信息，能从结构复杂和关系有重叠的金融长文本中有效抽取实体关系，比现有模型更具优越性。
-
公开(公告)号：CN115688776A
公开(公告)日：2023-02-03
申请号：CN202211185619.5
申请日：2022-09-27
Applicant: 北京邮电大学
IPC: G06F40/295 , G06F40/30 , G06N3/042 , G06N3/0464
Abstract: 本发明是一种面向中文金融文本的关系抽取方法，用于中文金融文本处理。本发明方法包括：利用海量中文金融语料微调BERT结构训练金融文本编码器，对语句编码得到句向量；筛选金融关系数据集，对语句进行依存句法解析，基于硬剪枝策略输出邻接矩阵和句法类型矩阵；使用基于注意力机制的多层异构图卷积神经网络提取融合句法特征和实体类型特征的实体对；对金融关系触发词表中每类关系的触发词编码获得关系词向量，计算语句的相似度特征；将句向量、相似度特征和实体对拼接输入全连接分类器进行实体关系判断。本发明有效去除文本中冗余信息并保留关键信息，能从结构复杂和关系有重叠的金融长文本中有效抽取实体关系，比现有模型更具优越性。
-
公开(公告)号：CN117614618B
公开(公告)日：2024-06-28
申请号：CN202311522153.8
申请日：2023-11-15
Applicant: 北京邮电大学
IPC: H04L9/08 , H04L9/00 , H04L9/40 , H04L67/1087
Abstract: 本发明公开了一种跨域多权威协同的属性基加密访问控制方法，属于数据安全技术领域。首先构建跨域多权威协同的系统模型，数据所有者用对称密钥对数据进行对称加密，同时设置访问策略，对对称密钥执行属性基加密，输出数据密文和密钥密文至区块链。然后当属性权威监听到用户注册完成时，不同属性权威会预先执行子令牌生成算法，生成用户属性子令牌发布到区块链；当区块链收集到tω个发布给用户的属性子令牌后，ATC自动生成用户的属性令牌。当用户发起访问请求时，DTC从区块链中查询密钥密文和属性令牌，为用户生成解密令牌。最后数据使用者通过获取解密令牌获得对称密钥，实现数据解密。本发明实现了属性权威跨域协作，减少了用户端的计算和通信开销。
-
Patent Agency Ranking
公开(公告)号：CN115688777B
公开(公告)日：2023-05-05
申请号：CN202211193965.8
申请日：2022-09-28
Applicant: 北京邮电大学
IPC: G06F40/295 , G06F40/30 , G06N3/045
Abstract: 本发明是一种面向中文金融文本的嵌套和不连续实体的命名实体识别系统。本发明系统包括词嵌入编码模块、语义增强模块和金字塔层叠式解码模块；词嵌入编码模块对金融元文本进行编码，由上下文编码层获取上下文特征，输出金融元文本的词嵌入向量；语义增强模块对当前词计算相似词，利用相似词获取当前词语义增强后的嵌入向量；金字塔层叠式解码模块包括L层解码层，每一解码层预测长度为l的实体，第L层识别长度为L的嵌套实体，每一解码层都由LSTM和CNN两个组件组成，并加入逆向金字塔模型避免高层识别长实体时对底层信息的遗漏。本发明系统在识别中文金融文本中嵌套实体和不连续实体方面展现出优越性能，提升了实体识别的准确率。
-
公开(公告)号：CN119203999A
公开(公告)日：2024-12-27
申请号：CN202411009662.5
申请日：2024-07-25
Applicant: 北京邮电大学 , 广州大学 , 山东省计算中心(国家超级计算济南中心)
IPC: G06F40/279 , G06F40/30 , G06N3/0455 , G06N5/025
Abstract: 本发明公开了一种基于知识注入和知识编码的语言隐写分析方法，属于信息隐藏领域。首先构建一个基于知识注入和知识编码的语言隐写分析系统模型，该系统模型借助知识图对输入句子进行预处理，完成知识注入。然后对句子树和可见矩阵采用BERT，完成语义特征的提取，并进行知识注入语义编码。在预处理的同时，使用图结构建模的KE模块对输入句子和知识图进行知识提取，得到迷你图，通过GAT对迷你图进行知识编码。最后将捕获的实体节点特征和从知识注入模块获得的表示向量串联并加入到一个全连接层中，系统模型通过全连接层的输出预测输入文本是正常载体还是隐写载体。本发明解决了网络文本的碎片化问题，使语言隐写分析的结果更加准确。
-
公开(公告)号：CN117332082A
公开(公告)日：2024-01-02
申请号：CN202311204860.2
申请日：2023-09-19
Applicant: 北京邮电大学
Abstract: 本发明公开了基于聚类和集成学习的不平衡语言隐写分析方法及装置，涉及文本隐写分析技术领域。构建了包括预处理模块、聚类欠采样模块、模型集成模块和语言隐写分析模块的装置，首先通过预处理模块对自然文本语料库进行预处理，得到隐写文本数据集；然后聚类欠采样模块根据数据集中检测难度的分布设计了一种动态聚类方法，将覆盖文本分成不同的子簇，从不同的子簇中选择文本形成子集，将该子集与隐秘样本组合成一个新的数据集，并使用新数据集来训练基分类器。模型集成模块将每次迭代训练好的基分类器集成到集成分类器中，进行下一次迭代；语言隐写分析模块在迭代完成后，输出最终的隐写分析结果。本发明提升了不平衡场景下文本隐写分析的有效性。
-
公开(公告)号：CN117332082B
公开(公告)日：2024-06-11
申请号：CN202311204860.2
申请日：2023-09-19
Applicant: 北京邮电大学
Abstract: 本发明公开了基于聚类和集成学习的不平衡语言隐写分析方法及装置，涉及文本隐写分析技术领域。构建了包括预处理模块、聚类欠采样模块、模型集成模块和语言隐写分析模块的装置，首先通过预处理模块对自然文本语料库进行预处理，得到隐写文本数据集；然后聚类欠采样模块根据数据集中检测难度的分布设计了一种动态聚类方法，将覆盖文本分成不同的子簇，从不同的子簇中选择文本形成子集，将该子集与隐秘样本组合成一个新的数据集，并使用新数据集来训练基分类器。模型集成模块将每次迭代训练好的基分类器集成到集成分类器中，进行下一次迭代；语言隐写分析模块在迭代完成后，输出最终的隐写分析结果。本发明提升了不平衡场景下文本隐写分析的有效性。
-
公开(公告)号：CN115688777A
公开(公告)日：2023-02-03
申请号：CN202211193965.8
申请日：2022-09-28
Applicant: 北京邮电大学
IPC: G06F40/295 , G06F40/30 , G06N3/045
Abstract: 本发明是一种面向中文金融文本的嵌套和不连续实体的命名实体识别系统。本发明系统包括词嵌入编码模块、语义增强模块和金字塔层叠式解码模块；词嵌入编码模块对金融元文本进行编码，由上下文编码层获取上下文特征，输出金融元文本的词嵌入向量；语义增强模块对当前词计算相似词，利用相似词获取当前词语义增强后的嵌入向量；金字塔层叠式解码模块包括L层解码层，每一解码层预测长度为l的实体，第L层识别长度为L的嵌套实体，每一解码层都由LSTM和CNN两个组件组成，并加入逆向金字塔模型避免高层识别长实体时对底层信息的遗漏。本发明系统在识别中文金融文本中嵌套实体和不连续实体方面展现出优越性能，提升了实体识别的准确率。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.02 seconds)
