一种基于深度学习的人工合成声纹检测系统及方法

    公开(公告)号:CN110289004A

    公开(公告)日:2019-09-27

    申请号:CN201910527094.0

    申请日:2019-06-18

    Applicant: 暨南大学

    Abstract: 本发明公开了一种基于深度学习的人工合成声纹检测系统及方法,该系统包括:包括自编码器、生成器和辨别器,自编码器包括编码器和解码器,编码器包括编码器第一卷积层、编码器批归一化层、编码器第一最大池化层、编码器第二卷积层、编码器第二最大池化层和编码器全连接层;解码器包括解码器嵌入层、解码器全连接层、解码器批归一化层、解码器第一反卷积层序列、解码器第二反卷积层序列和解码器卷积层序列;生成器结构与解密器结构相同;辨别器包括辨别器嵌入层、辨别器全连接层、辨别器第一卷积层序列、辨别器第二卷积层序列、多分类器和辨别器输出层。本发明对人工合成声纹达到较高的检测准确率,同时对属于已知类的样本有更好的分类效果。

    基于区块链的软件定义网络控制层安全机制构建方法

    公开(公告)号:CN107222478B

    公开(公告)日:2019-09-17

    申请号:CN201710389296.4

    申请日:2017-05-27

    Applicant: 暨南大学

    Abstract: 本发明涉及一种软件定义网络(SDN)控制层安全机制构建方法,首先形成可认证的网络流,认证通过的网络流作用于交换机,该网络流及其作用后的交换机状态分别形成网络流交易和网络状态交易,被记录于区块链中;运用区块链上的数据具有不可篡改的特性,通过审计SDN应用的网络流交易及网络状态交易数据,对网络进行排查和追踪;依赖区块链共识机制,在控制器之间达成对网络状态资源的一致性共识;由控制器针对与其连接的SDN应用身份和类别应用基于属性加密的密码工具(ABE)设置资源访问控制策略,实现网络资源的细粒度访问控制。本发明加强了SDN控制层的安全性,使得流向SDN的网络流可认证,网络流和网络状态可追踪审计,实现网络资源的安全访问控制。

    基于区块链激励机制下可审计的隐私保护深度学习平台建设方法

    公开(公告)号:CN109685501A

    公开(公告)日:2019-04-26

    申请号:CN201811471842.X

    申请日:2018-12-04

    Applicant: 暨南大学

    CPC classification number: G06Q20/389 G06Q20/3829 G06Q40/02

    Abstract: 本发明公开了一种基于区块链激励机制下可审计的隐私保护深度学习平台建设方法,解决了深度学习模型训练中的参数缺乏的问题,使得多个相似模型的训练者可以在保护隐私同时可审计共享参数正确性的情况下合作进行深度学习模型的训练。该发明取得的技术效果如下:首先,模型训练者使用的加密方法保证了参数的隐私性,且解密更新后参数的过程需要所有参与者协同,从而更进一步降低参数泄露的可能性;其次,加密后的参数以状态的形式存放于区块链中,只有参与者及授权的矿工才能访问;第三,基于区块链的激励机制的存在,保证了参数的有效性;参与者在提交参数时需要缴纳抵押金,如果参数无效,则抵押金会被没收,从而保证了共享参数的可审计性。

    基于区块链的医疗电子病历分布式管理系统及其建设方法

    公开(公告)号:CN109215751A

    公开(公告)日:2019-01-15

    申请号:CN201810910157.6

    申请日:2018-08-10

    Applicant: 暨南大学

    Abstract: 本发明公开了一种基于区块链的医疗电子病历分布式管理系统及其建设方法,将病人的病历,处方等诊断过程以智能合约的形式写入区块链,使得相关医院无需依赖一个中心化的服务器来管理病人的病历信息,避免了中心化服务器常见的单点故障问题,并且存入区块链中的数据具有不可篡改性以及可追溯性,可以防止非法篡改。另外,病人的身体健康,病史,个人资料等一系列设计个人隐私的信息利用ABE加密算法进行有效保护。基于本发明,不仅可以避免单点故障引起的数据丢失,降低系统维护成本,而且能够防止医疗纠纷发生时病人诊断记录被非法篡改。

    一种支持隐私保护功能的图像区域复制检测方法

    公开(公告)号:CN108881663A

    公开(公告)日:2018-11-23

    申请号:CN201810634217.6

    申请日:2018-06-20

    Applicant: 暨南大学

    Abstract: 本发明公开了一种支持隐私保护功能的图像区域复制检测方法,包括:用户端,N个相互独立的云服务端,其中部分服务端用于密文存储,部分服务端用于密文计算;用户端利用图像加密算法将图像分拆为多个密文,分别交给用于密文存储的服务端,由这些服务端和用于密文计算的服务端通过交互和计算完成密文空间下对图像区域复制篡改操作的检测和定位;最后每个用于密文存储的服务端均获得疑似篡改区域,用于密文存储的服务端将结果发送给用户端。云服务端在不知晓图像内容的前提下,提供有效的区域复制取证服务,实现对篡改操作的检测和定位,相比于传统区域复制取证工具或服务,本发明可以提供用户图像内容的隐私保护。

    一种基于区块链技术的奖学金管理方法及系统

    公开(公告)号:CN107633469A

    公开(公告)日:2018-01-26

    申请号:CN201710714140.9

    申请日:2017-08-18

    Applicant: 暨南大学

    Abstract: 本发明公开了一种基于区块链技术的奖学金管理方法及系统,包括奖学金方案管理者、学院审批者、财务处教师以及学生;奖学金方案管理者在项目创建时部署相应方案智能合约自动完成审批过程,学生用户对奖学金进行申请;在学院审批者和奖学金方案管理者进行审批确认时加入部门电子签章和用户数字签名;在完成审批操作后进入公示阶段,公示期后将获批的奖学金信息记录到待发放奖学金序列中,并生成相应的奖学金数字证书,向其他节点广播;由财务处老师创建的智能合约发起对奖学金所得学生用户的电子账户进行奖学金的发放,并将发放奖学金的信息向其他节点广播。本发明能够实现奖学金项目整个生命周期的自动化安全管理。

    一种分布式文件系统
    159.
    发明公开

    公开(公告)号:CN104111804A

    公开(公告)日:2014-10-22

    申请号:CN201410295985.5

    申请日:2014-06-27

    Applicant: 暨南大学

    Abstract: 本发明涉及一种分布式文件系统。其包括:大文件存储服务器用于存储拆分后的大文件数据块,其中大文件为大于预设大小的文件;大文件元数据管理服务器,用于存储大文件的元数据、存储大文件存储服务器上大文件数据块的映射信息、管理大文件的命名空间和处理用户的请求信息;缓存服务器,用于存储小文件、小文件的元数据和缓存部分访问量大的大文件,其中,小文件指小于或等于预设大小的文件。本发明将大文件和小文件分开存储,大文件进行分块存储在大文件存储服务器上,小文件则存储在缓存服务器上,有效提高大小文件读写效率。

    基于聚类组合优化的工控联邦入侵检测后门防御方法和系统

    公开(公告)号:CN118432891A

    公开(公告)日:2024-08-02

    申请号:CN202410554797.3

    申请日:2024-05-07

    Applicant: 暨南大学

    Abstract: 本发明公开了一种基于聚类组合优化的工控联邦入侵检测后门防御方法和系统,该方法利用现有的多种后门攻击方法产生恶意的更新梯度,与正常的更新梯度作为训练集和测试集;将多种聚类方法的组合方式作为优化变量进行编码,使用训练集对组合方式进行训练,评估该组合方式在测试集上恶意梯度的识别真阳率和真阴率,将其作为优化目标函数,再通过多目标种群演化操作,获得高识别准确率的聚类组合方式,并将其用于工控联邦入侵检测系统中的后门攻击防御策略,从而实现对恶意梯度高效精准的检测。本发明在保障入侵检测系统性能的同时,得到的最优聚类方法组合方案可以准确识别并过滤恶意更新梯度,从而提高了工控联邦入侵检测系统的安全性和鲁棒性。

Patent Agency Ranking