-
公开(公告)号：CN115841685B
公开(公告)日：2023-05-12
申请号：CN202310116481.1
申请日：2023-02-15
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于复合像元梯度的伪造指纹检测系统及方法，包括对指纹图像集进行预处理和提取指纹图像的感兴趣区域，构建复合像元梯度和复合像元梯度特征矩阵，将多个复合像元梯度特征矩阵进行降维，输入到支持向量机，经训练后得到指纹图像的真假判别模型，用于对测试指纹图像进行检测，提高真假指纹判断的准确度。
-
公开(公告)号：CN114998082A
公开(公告)日：2022-09-02
申请号：CN202210585035.0
申请日：2022-05-27
Applicant: 南京信息工程大学 , 南京启圣羽图信息科技有限公司
Abstract: 本发明公开了一种保护图像处理网络的水印嵌入方法、水印提取方法及系统，本发明获取模型层中对应输入图像的位置，将n个水印数值分别嵌入模型输出图像上的n个位置，仅将水印串嵌入到输出的图像中，并没改变网络模型的结构，没有增加网络模型的规模，进而不会增加网络训练的难度。
-
公开(公告)号：CN114119335A
公开(公告)日：2022-03-01
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：CN114998082B
公开(公告)日：2024-05-14
申请号：CN202210585035.0
申请日：2022-05-27
Applicant: 南京信息工程大学 , 南京启圣羽图信息科技有限公司
Abstract: 本发明公开了一种保护图像处理网络的水印嵌入方法、水印提取方法及系统，本发明获取模型层中对应输入图像的位置，将n个水印数值分别嵌入模型输出图像上的n个位置，仅将水印串嵌入到输出的图像中，并没改变网络模型的结构，没有增加网络模型的规模，进而不会增加网络训练的难度。
-
公开(公告)号：CN114862650A
公开(公告)日：2022-08-05
申请号：CN202210757151.6
申请日：2022-06-30
Applicant: 南京信息工程大学 , 南京启圣羽图信息科技有限公司
Abstract: 本发明公开了一种神经网络水印嵌入方法以及验证方法，获取待嵌入水印的神经网络的原始模型以及图像训练集；设置原始模型的任意一层作为水印层lwm，在水印层lwm添加与该水印层的原始子层l结构相同的添加子层l＇，得到添加新结构的神经网络模型；利用图像训练集以及预先设置的前向传播约束条件对添加新结构的神经网络模型进行训练，得到嵌入水印的神经网络模型。优点：本发明不以权重作为载体，能够有效抵御微调、剪枝等常见的攻击，并且能够控制特征向量之间的关系，使得模型精度在嵌入水印后会因为伪造水印而大幅度下降，使模型失效，在验证模型所有权的同时也能够保护模型不被盗用。
-
Patent Agency Ranking
公开(公告)号：CN112668790A
公开(公告)日：2021-04-16
申请号：CN202011617345.3
申请日：2020-12-30
Applicant: 南京信息工程大学
Abstract: 本发明公开了基于时空序列聚类算法和LSTM神经网络雷电预测方法，属于计算机科学技术领域，本发明的基于时空序列聚类算法和LSTM神经网络雷电预测方法，根据雷电中心经纬度的变化，利用基于雷电预测改进的DBSCAN密度聚类算法得到Eps值和每个时间片的雷电中心，通过LSTM神经网络预测出下一个时间片的雷电中心的地理位置。本发明可以自动计算出密度聚类DBSCAN的聚类半径，LSTM神经网络对雷电中心经纬度预测预测误差小精度高，基本可以满足实际的雷电预测需求。本发明首次尝试用LSTM神经网络解决雷电预测问题，之前的方法一般使用多项式拟合或者其他拟合方法，对雷电中心移动这个复杂的过程模拟的不够完全。
-
公开(公告)号：CN114647824B
公开(公告)日：2022-09-23
申请号：CN202210559415.7
申请日：2022-05-23
Applicant: 南京信息工程大学 , 南京启圣羽图信息科技有限公司
Abstract: 本发明公开了一种神经网络主动保护方法、系统、存储介质及计算设备，本发明在网络模型层运算之前，从分配给网络模型和用户的水印从提取与层数匹配的第一比对水印和第二比对水印，并进行第一比对水印和第二比对水印的比对，根据比对结果输入正确或错误的运算数据，从而实现了神经网络主动保护。
-
公开(公告)号：CN114647824A
公开(公告)日：2022-06-21
申请号：CN202210559415.7
申请日：2022-05-23
Applicant: 南京信息工程大学 , 南京启圣羽图信息科技有限公司
Abstract: 本发明公开了一种神经网络主动保护方法、系统、存储介质及计算设备，本发明在网络模型层运算之前，从分配给网络模型和用户的水印从提取与层数匹配的第一比对水印和第二比对水印，并进行第一比对水印和第二比对水印的比对，根据比对结果输入正确或错误的运算数据，从而实现了神经网络主动保护。
-
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：CN114862650B
公开(公告)日：2022-09-23
申请号：CN202210757151.6
申请日：2022-06-30
Applicant: 南京信息工程大学 , 南京启圣羽图信息科技有限公司
Abstract: 本发明公开了一种神经网络水印嵌入方法以及验证方法，获取待嵌入水印的神经网络的原始模型以及图像训练集；设置原始模型的任意一层作为水印层lwm，在水印层lwm添加与该水印层的原始子层l结构相同的添加子层l＇，得到添加新结构的神经网络模型；利用图像训练集以及预先设置的前向传播约束条件对添加新结构的神经网络模型进行训练，得到嵌入水印的神经网络模型。优点：本发明不以权重作为载体，能够有效抵御微调、剪枝等常见的攻击，并且能够控制特征向量之间的关系，使得模型精度在嵌入水印后会因为伪造水印而大幅度下降，使模型失效，在验证模型所有权的同时也能够保护模型不被盗用。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.021 seconds)
