-
公开(公告)号：CN111967427A
公开(公告)日：2020-11-20
申请号：CN202010882723.4
申请日：2020-08-28
Applicant: 广东工业大学
Abstract: 本发明公开了一种基于卷积神经网络和注意力机制的伪造人脸视频鉴别方法、系统和可读存储介质，所述方法包括：对输入的视频序列进行采样，得到N个视频帧；对视频帧进行检测、裁剪和对齐人面获得优质人脸图像，得到待测样本集；将所述待测样本集输入至训练好的注意力机制的深度卷积神经网络模型，得到输出的结果，所述结果为对视频真伪情况判断的结果。本发明通过对正样本的特殊处理的方法来获得负样本，减少了获取负样本的时间成本，同时较好地模拟了伪造人脸假视频的人脸图像，以此训练的网络具有较好的鉴别能力；此外本发明还可以突出被操纵的图像区域，从而引导神经网络检测这些区域，这有利于用于面部伪造检测，并提高原CNN模型的准确率。
-
公开(公告)号：CN107612771B
公开(公告)日：2020-11-17
申请号：CN201710800852.2
申请日：2017-09-07
Applicant: 广东工业大学
IPC: H04L12/26 , H04L12/803 , H04L12/947 , H04L29/08
Abstract: 本发明公开了一种基于动态迁移的SDN网络负载均衡方法，设计了一个负载均衡系统架构，该架构主要包含迁移规划系统和控制平面子系统，通过控制平面子系统中控制器主动将自身状态信息通告给迁移规划系统以及迁移规划系统主动返回轻度负载(负载低于阈值φ即视为轻度负载)控制器列表和路由代价信息以降低控制器的决策时延和计算存储资源的消耗；通过询问消息机制防止多个过载控制器同时决策将交换机迁移至同一个目的控制器造成迁移冲突；通过滑动窗口机制减少控制器负载瞬时波动较大带来的不必要的迁移操作。
-
公开(公告)号：CN111669275A
公开(公告)日：2020-09-15
申请号：CN202010644360.0
申请日：2020-07-07
Applicant: 广东工业大学 , 广西明动软件有限公司
Abstract: 本发明公开了一种无线网络环境下可选择从节点的主从协作签名方法，该方法包括步骤：可信中心生成节点集合，生成身份凭证；主节点根据签名场景，与可信中心交互，选择从节点，主从节点进行身份验证；验证通过后，生成分布式密钥对，主从节点均存储分布式密钥对；主从节点通过零知识证明系统的交互生成协作签名。本发明中主节点根据场景需求，灵活选取从节点，在可信中心进行身份验证，通过后进行协作签名，签名过程中，利用Paillier密码系统和零知识证明系统，主从一轮交互便可完成方案证明，与现有签名技术相比，主、从节点与可信中心交互过程中不会造成信息泄露，无需恢复密钥输出签名，具有更高安全性和隐私保护能力。
-
公开(公告)号：CN109274673A
公开(公告)日：2019-01-25
申请号：CN201811123913.7
申请日：2018-09-26
Applicant: 广东工业大学
IPC: H04L29/06
CPC classification number: H04L63/1425 , H04L63/0236 , H04L63/0254 , H04L63/1416 , H04L63/1441 , H04L2463/146
Abstract: 本发明公开了一种网络流量异常检测和防御方法，包括下述步骤：S1，建立网络流量异常检测与防御架构，并收集流表项信息；其中，所述网络流量异常检测与防御架构包括Ryu控制器单元、基于BP神经网络的异常检测单元、基于OpenFlow协议的OpenvSwitch交换机和接入设备，所述Ryu控制器单元包括流表信息收集模块、流表特征提取模块和防御流表项生成模块，所述流表信息收集模块以周期T1向OpenvSwitch交换机请求所有流表项信息；本发明可便捷地提取出源端口、目的端口、源IP、目的IP、转发数据包数、转发字节数以及持续时间等网络流量信息，并充分利用SDN架构可动态更新流规则的特点，当检测到异常时，自动生成Action为Drop的流表项，阻断后续流量。
-
公开(公告)号：CN108764912A
公开(公告)日：2018-11-06
申请号：CN201810644270.4
申请日：2018-06-21
Applicant: 广东工业大学
CPC classification number: G06Q20/3825 , G06Q20/3823 , G06Q20/3829 , G06Q20/401 , H04L9/3247 , H04L63/0442 , H04L63/0838 , H04L63/18 , H04L2463/102
Abstract: 本发明公开了基于短信验证码的支付方法，该方法在接收到客户端发送的支付请求后，便根据支付请求生成对应的短信验证码，加密处理短信验证码并签名短信验证码后，将短信验证码密文和验证码签名发送至客户端，以使客户端对验证码签名进行验签，当验签通过后，解密短信验证码密文，获得短信验证码，让用户输入后完成支付操作。整个过程采用无证书公钥密码签密短信验证码，实现了短信验证码在传输过程中的加密验签，保障了短信验证码的安全；同时，无证书公钥密码不涉及证书管理和密钥管理问题，简化了短信验证码的处理过程，节约了成本。相应地，本发明公开的基于短信验证码的支付装置、设备及可读存储介质，也同样具有上述技术效果。
-
Patent Agency Ranking
公开(公告)号：CN107292166A
公开(公告)日：2017-10-24
申请号：CN201710352845.0
申请日：2017-05-18
Applicant: 广东工业大学
Abstract: 本发明公开了一种基于CFA算法和BP神经网络的入侵检测方法，将所述BP神经网络的运行参数编码为CFA算法中的细胞个体，再将误差函数作为CFA算法的适应值函数，多次迭代后选择适应度最优的参数作为所述BP神经网络的初始权值和阈值进行训练，最后将训练好的所述BP神经网络应用于入侵检测的分类器中。本发明利用CFA算法的全局搜索和收敛速度快的特点，优化BP神经网络的初始运行参数，并据此构造一个可以应用于网络入侵检测的分类器。本方法通过改善BP神经网络因初始参数随机化导致的易陷入局部最小值和收敛速度慢的缺点，从而提高了BP神经网络在网络入侵检测中检测准确率。
-
公开(公告)号：CN113674379B
公开(公告)日：2024-01-09
申请号：CN202110975077.0
申请日：2021-08-24
Applicant: 广东工业大学
IPC: G06T11/00 , G06T7/168 , G06V10/774
Abstract: 本发明公开的一种基于参考支撑集的共稀疏分析模型的MRI重构方法、系统及计算机可读存储介质，方法包括：获取待重构的MRI图像数据和参考的另一对比度MRI图像的全采样数据；对两张不同对比度的MRI图像分别进行小波变换得到对应的稀疏表示，再求得对应的支撑集Ω1和Ω2；利用支撑集Ω1和Ω2学习更为准确的支撑集Ω*；利用支撑集Ω*得到基于参考支撑集的共稀疏分析模型；基于支撑集的稀疏约束和共稀疏分析模型得到最优化模型；求解最优化模型，输出重构的MRI图像。本发明利用已知对比度的全采样图像作为参考图像，引导学习更为准确的支撑集，利用支撑集的稀疏约束对共稀疏分析模型进行优化得到最优化模型，利用共轭梯度法和交替迭代的思想重构MRI图像，提高了重构效率，实现简单，性能良好。
-
公开(公告)号：CN117036220A
公开(公告)日：2023-11-10
申请号：CN202311018478.2
申请日：2023-08-11
Applicant: 广东工业大学
IPC: G06T5/50 , G06N3/0475 , G06N3/045
Abstract: 本申请提供了一种跨模态医学图像合成方法、系统及介质，该方法包括：基于第一MRI图像与第一CT图像分别获取对应的MRI潜在编码与CT潜在编码，所述第一MRI图像与所述第一CT图像为对应的采集的原始MRI图像以及CT图像；基于所述MRI潜在编码与所述CT潜在编码获取融合潜在编码；将所述融合潜在编码分别输入第一生成网络与第二生成网络获取对应的第二MRI图像与第二CT图像，所述第一生成网络由所述第一MRI图像作为标签训练得到，所述第二生成网络由所述第一CT图像作为标签训练得到。从而解决目前难以通过扩散模型解决医学图像领域中跨模态图像合成的问题，且提高图像质量。
-
公开(公告)号：CN113283476B
公开(公告)日：2023-10-10
申请号：CN202110460692.8
申请日：2021-04-27
Applicant: 广东工业大学
IPC: G06F18/214 , G06F18/241 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种物联网网络入侵检测方法，基于条件生成对抗网络和深度神经网络对物联网网络入侵行为进行检测；具体步骤如下：S1、对物联网的原始流量数据进行预处理；S2、对少数类流量数据样本进行分类；S3、建立包括有生成器和判别器的条件生成对抗网络；S4、重复训练生成器和判别器；S5、通过训练好的条件生成对抗网络生成虚假的少数类流量数据样本；S6、结合步骤S5生成的虚假的少数类流量数据样本和真实的原始流量数据训练深度神经网络；S7、通过训练好的深度神经网络检测物联网入侵攻击行为。本发明具有检测准确率高、误报率低等优点。
-
公开(公告)号：CN116797871A
公开(公告)日：2023-09-22
申请号：CN202310632038.X
申请日：2023-05-30
Applicant: 广东工业大学
IPC: G06V10/774 , G06V10/82 , G06V10/764 , G06V10/26 , G06V10/28 , G06N3/0475 , G06N3/045 , G06N3/084
Abstract: 本发明公开了一种基于AdvDrop的对抗样本生成方法，涉及机器学习安全的技术领域，本发明将图像输入空间域和频域两个不同分支进行处理，对于频域攻击AdvDrop，首先将输入图像分割为N*N块，并对每一个块使用离散余弦变换DCT将它们转换到频域，引入量化矩阵M来降低变换后图像的一些特定频率，通过在量化过程中引入正切函数来逐步接近量化函数，进而通过新的量化函数准确调整量化矩阵M，然后再通过逆离散余弦变换IDCT操作将图像从频域转回空间域，然后通过空间域攻击和频域攻击融合模块，利用来自不同领域的梯度来迭代更新对抗性扰动，最终生成对抗样本，本发明提高了生成对抗样本的质量，可降低对抗样本的分布特征与真实样本的分布特征的差异，提高攻击成功率。
-
-
-
-
-
-
-
-
-
Search Results
162
records
(took 0.022 seconds)
