-
公开(公告)号：CN119834973A
公开(公告)日：2025-04-15
申请号：CN202411991869.7
申请日：2024-12-31
Applicant: 济南大学 , 山东正中信息技术股份有限公司
Abstract: 本发明提出了一种可抵御密钥混合匹配的隐私保护方法及系统，涉及信息安全技术领域，包括：多个加密者、解密者和密钥管理者；密钥管理者通过初始化算法随机生成一组密钥，并将密钥分发给对应加密者；密钥管理者随机生成标签#imgabs0#和#imgabs1#，并发送给所有加密者；加密者接收本轮标签并计算掩码；加密者通过加密算法计算密文，并将密文发送给解密者；密钥管理者接收解密者发来的向量，使用本轮标签#imgabs2#计算解密密钥，并将解密密钥和本轮标签#imgabs3#返回给解密者；解密者接收密文集合、解密密钥和标签#imgabs4#，计算解密结果，求解离散对数，得到内积结果。本发明可抵御密钥混合匹配攻击，对机器学习场景进行隐私保护和加密。
-
公开(公告)号：CN119760770A
公开(公告)日：2025-04-04
申请号：CN202411821481.2
申请日：2024-12-11
Applicant: 济南大学 , 山东正中信息技术股份有限公司
Abstract: 本发明属于联邦学习领域，提供了一种基于同态加密聚类的个性化联邦学习隐私保护方法及系统，在客户端聚类阶段，该框架利用同态加密的特性，对分布特征的密文进行简单运算，随后基于解密后的结果对客户端进行精确聚类。此方法显著提升了聚类的准确性，同时减少了计算资源的消耗。在客户端训练阶段，该框架为每一组设置了两个模型：组内模型和组外模型。组内模型指通过聚合组内用户的模型得到的模型，组外模型则是由其他组的组模型聚合而成。该框架采用近端优化的思想，以组内模型为基础获取组外模型的知识，提升模型的泛化能力，使其更适用于符合实际数据分布的场景，旨在应对由类别不平衡引发的数据异构性问题。
-
公开(公告)号：CN119597922A
公开(公告)日：2025-03-11
申请号：CN202410944061.7
申请日：2024-07-15
Applicant: 济南大学
IPC: G06F16/353 , G06F40/284 , G06F40/30 , G06F18/213 , G06F18/241 , G06F18/2431 , G06N3/042 , G06N3/045 , G06N3/08
Abstract: 本发明公开了一种面向互联网文本的多标签分类方法及系统，方法包括：获取待识别文本，并对待识别文本进行预处理；将预处理后的文本、标签集以及外部知识，均输入到训练后的多标签分类模型中，得到分类的多标签结果；其中，在训练后的多标签分类模型中，对预处理后的文本进行特征提取，得到文本特征表示；对文本特征表示进行平滑处理，得到平滑后的文本特征表示；同时，基于原始标签集和外部知识构建标签图，从标签图中提取标签特征表示；将平滑后的文本特征表示、标签特征表示以及原始标签集进行双粒度学习，得到分类特征，分类特征包括：文本‑标签中与分类相关的信息，和标签‑标签中与分类相关的信息；利用分类特征进行分类，得到分类结果。
-
公开(公告)号：CN114912027B
公开(公告)日：2024-12-27
申请号：CN202210608349.8
申请日：2022-05-31
Applicant: 济南大学
IPC: G06F16/9535 , G06F18/2113 , G06F18/2431 , G06F18/241 , G06F18/2415 , G06N3/0464 , G06N3/08 , G06Q50/20 , G06N20/20 , G06N5/01
Abstract: 本发明涉及学习方案推荐技术领域，提供了一种基于学习成效预测的学习方案推荐方法及系统，包括：获取待预测用户的基本数据以及对某个课程的学习行为数据，并进行预处理后，构建并筛选出分类特征，得到待预测用户的特征向量，输入训练好的在线课程学生学习成效预测模型，预测得到待预测用户对该课程的学习成效，当学习成效为未通过考核时，发送预警信息给待预测用户，并获取参考用户的学习效率和学习方案，将学习效率最高的参考用户的学习方案发送给待预测用户；并通过集成多个机器学习模型提高了模型对不同样本的泛化能力，实现了对有失败风险的学生做到准确预警和对预警学生进行最优、最适合的学习方案推荐。
-
公开(公告)号：CN115266855B
公开(公告)日：2024-10-01
申请号：CN202211039773.1
申请日：2022-08-29
Applicant: 济南大学
IPC: G01N27/26
Abstract: 本发明公开了一种柔性传感器及制备方法与应用，属于传感器技术领域；包括二氧化钛修饰SBS纤维膜、Ecoflex‑CNTs复合弹性膜、第一平面电极、第二平面电极和叉指电极；二氧化钛修饰SBS纤维膜设置于Ecoflex‑CNTs复合弹性膜的上方，第一平面电极和第二平面电极分别设置于二氧化钛修饰纤维膜沿厚度方向的两端，第二平面电极和叉指电极分别设置于Ecoflex‑CNTs复合弹性膜沿长度方向的两端、位于二氧化钛修饰SBS纤维膜和Ecoflex‑CNTs复合弹性膜之间。能够实现对拉伸、压力和湿度的高精度测量，制备工艺简单，在减少电极数量的前提下实现多种信号的无串扰传感；解决了现有技术中存在“信号难以解耦合；面积较大，同一位置难以对不同类型信号同时采集；电极太多，制造过程较为麻烦等困难”的问题。
-
Patent Agency Ranking
公开(公告)号：CN118690873A
公开(公告)日：2024-09-24
申请号：CN202410716419.0
申请日：2024-06-04
Applicant: 济南大学
IPC: G06N20/00
Abstract: 本公开涉及资源异构技术领域，提出了一种面向边缘智能的联邦学习客户端资源异构方法及系统，包括如下步骤：根据客户端的本地资源信息以及待训练机器模型的参数，将客户端进行划分为选中客户端和候选客户端；选中客户端采用本地自训练或边端协同训练的方式参与联邦学习；候选客户端采用边端协同训练的方式参与联邦学习；各客户端完成当前边缘联邦学习轮数下的本地模型训练后，边缘服务器获取各客户端提交的模型更新参数，进行模型半异步聚合，得到边缘局部模型。本公开通过边端协同训练和本地自训练的结合，确保了联邦学习的灵活性和高效性。同时，通过边缘服务器对模型更新参数进行半异步聚合，提高了模型训练的可靠性和一致性。
-
公开(公告)号：CN118504709A
公开(公告)日：2024-08-16
申请号：CN202410611222.0
申请日：2024-05-16
Applicant: 济南大学
Abstract: 本公开提出了一种基于本地差分隐私噪声控制的联邦学习方法及系统，方法包括：客户端将本地模型和全局模型之间的差异作为约束因子，更新本地局部模型；基于更新的本地局部模型参数和全局模型参数，采用互信息计算扰动添加值；将扰动添加值添加到更新的本地局部模型的参数中，将添加扰动的本地局部模型参数发送给中心服务器；中心服务器对接收到的添加扰动的本地局部模型参数进行聚合，根据聚合后的数据对模型进行重构得到本轮训练的全局模型，再下发给各客户端。通过将本地模型和全局模型之间的距离作为约束因子对本地模型进行训练，并利用互信息计算待添加扰动，实现了在保护客户端本地隐私的同时保证联邦学习全局模型训练的性能。
-
公开(公告)号：CN115553777B
公开(公告)日：2024-08-06
申请号：CN202211362642.7
申请日：2022-11-02
Applicant: 济南大学
IPC: A61B5/16 , A61B5/024 , A61B5/00 , G06N3/0464 , G06N3/09 , G06V10/25 , G06V10/82 , G06V20/40 , G06V40/16
Abstract: 本发明公开了一种非接触式精神压力检测方法及系统，该方法包括：对获取的原始视频帧图像进行预处理，识别视频帧图像中人脸面部区域，提取感兴趣区域图像；采用基于不同颜色空间互补特性的CHROM算法对获取的感兴趣区域图像进行BVP信号提取；利用基于梯度提升回归的多输出回归模型对提取的BVP信号进行信号恢复；基于恢复的BVP信号，分别进行基于时空特征图的心率预测和HRV特征提取；利用预测的心率和HRV特征训练压力检测模型，通过训练完成的检测模型实现对视频帧图像中待测人员的精神压力检测。本发明通过BVP信号恢复去除噪声，以及融合心率变异性特征与心率特征，实现精神压力检测准确性的提高。
-
公开(公告)号：CN114491509B
公开(公告)日：2024-07-30
申请号：CN202210106774.7
申请日：2022-01-28
Applicant: 济南大学
Abstract: 本公开提供了一种基于沙箱的恶意程序行为分析处理方法及系统，其执行于网络编程虚拟执行环境中，所述方法包括：沙箱守护程序启动，加载配置信息并加载沙箱程序主要组件；任务管理组件进行一切必要初始化操作，并监听通信接口；任务管理组件开始运行任务针对每个任务生成工作环境；任务实例控制组件进入工作目录并准备开始任务；沙箱虚拟机代理组件配合任务实例控制组件开始任务；任务控制实例控制并报告任务状态；任务调度组件收集完成的任务，并调用各功能组件对任务进行处理并归档。
-
公开(公告)号：CN113506629B
公开(公告)日：2024-05-14
申请号：CN202110712305.5
申请日：2021-06-25
Applicant: 济南大学 , 山东齐鲁现代教育研究院有限公司
Abstract: 本发明属于心理检测技术领域，提供了一种症状自评量表简化及结果预测方法与系统。症状自评量表简化方法包括，获取症状自评量表测试记录；统计因子得分，并对因子进行排序；训练量表分数预测模型，依据设定的评价指标所对应的最小特征数，得到简化表保留因子；根据简化表保留因子分数，训练删除因子分数预测模型，得到删除因子分数；根据简化表保留因子对应的因子题组，训练因子分数预测模型，依据设定的评价指标所对应的最小特征数，得到简化题组题目；基于简化表因子和简化题组题目，生成简化症状自评量表。
-
-
-
-
-
-
-
-
-
Search Results
250
records
(took 0.062 seconds)
