-
公开(公告)号：CN111160300A
公开(公告)日：2020-05-15
申请号：CN201911419512.0
申请日：2019-12-31
Applicant: 北京理工大学重庆创新中心 , 北京理工大学
Abstract: 本发明涉及高光谱图像显著性目标检测算法领域，公开了一种结合全局先验的深度学习高光谱图像显著性检测算法。首先根据高光谱图像获取相应的光谱梯度图，将光谱梯度图进行超像素分割，计算每个超像素的光谱角距离特征图，作为全局先验图。采用VGG16作为基本网络结构，将全局先验图和分割图像合并作为网络的输入，将VGG16最后一层全连接层输出的特征重新排序成二维图像，得到显著性结果图。通过对网络参数的训练得到最终的高光谱图像显著性目标检测模型。本发明可以充分挖掘图像中蕴含的高级语义信息，以提高模型的检测精度。
-
公开(公告)号：CN118941853A
公开(公告)日：2024-11-12
申请号：CN202410984825.5
申请日：2024-07-22
Applicant: 北京理工大学
IPC: G06V10/764 , G06V10/762 , G06V10/774 , G06V10/80 , G06N20/00 , G06N3/084 , G06N3/088 , G06F21/62
Abstract: 本发明提供一种基于联邦学习的保护隐私且鲁棒的个性化图像识别方法，首先，采用差分隐私机制保护用户隐私，与同态加密、安全多方计算等密码学手段相比，无需分发密钥或考虑用户的准入准出机制，提高系统的运行效率，降低系统的维护成本；其次，相比现有框架只关注隐私或中毒攻击，没有实现同时考虑上述二者的训练框架，本发明能够在个性化联邦学习中同时保护用户隐私和防御潜在攻击；综上所述，本发明是基于平均正则化多任务学习的个性化图像识别方法，在保护训练数据隐私的同时能够防御数据中毒、模型中毒等多种攻击，中心服务器应用该规则可有效过滤掉占比低于50％的潜在攻击者。
-
公开(公告)号：CN118535760A
公开(公告)日：2024-08-23
申请号：CN202410532287.6
申请日：2024-04-29
Applicant: 北京理工大学
IPC: G06F16/58 , G06F16/51 , G06F16/9535 , G06F21/62 , G06F21/60
Abstract: 本发明提供一种基于局部敏感哈希的隐私保护跨模态语义检索方法，首先，局部敏感哈希可以将高维数据映射到低维空间，在低维空间中进行哈希索引，以实现快速的近似最近邻搜索，这使得在大规模数据集上的近似最近邻搜索成为可能，大大提高了检索效率；其次，局部敏感哈希与加密技术结合使用，能够实现对敏感数据的安全检索；最后，由于本发明的索引和搜索令牌都是加密的，则本发明的跨模态检索可允许在加密状态下进行数据检索，从而保护了数据的隐私，即使数据是跨多种模态存储的，也可以确保数据在传输和存储过程中得到保护，同时可以在不同模态的数据之间进行关联搜索。
-
公开(公告)号：CN114726503B
公开(公告)日：2024-06-18
申请号：CN202210327669.6
申请日：2022-03-30
Applicant: 北京理工大学
Abstract: 本发明涉及一种区块链车联网中的隐私保护数据订阅方法，属于区块链及隐私信息保护技术领域。本方法在区块链中存储密文形式的数据与索引，并将查询的主题进行混淆，在保证查询结果正确性的前提下，外部攻击者无法根据链上存储的密文数据推断出明文的内容，也无法推断出用户查询的主题。本方法采用的基于哈希链的订阅密钥管理与分配法，用户可以通过订阅密钥查询订阅期内指定主题的内容，并解密查询结果，用户无法查询和解密在其订阅期和订阅主题以外的内容。用户在解密查询结果后，可以批量认证查询结果的完整性，实现车联网订阅查询结果的高效可验证。
-
公开(公告)号：CN115062331A
公开(公告)日：2022-09-16
申请号：CN202210559125.2
申请日：2022-05-22
Applicant: 北京理工大学
Abstract: 本发明属于机器学习中的深度学习技术领域，具体涉及一种基于加性同态加密的隐私保护深度学习方法。本发明提出的基于加性同态加密的高效率隐私保护深度学习方法致力于解决上述两大挑战，该方法将用户从繁重的迭代训练过程中解放出来，减少用户的传输消耗，同时借助加性同态加密和随机梯度下降训练具有良好可用性和保密性的多层感知模型。通过巧妙的数学逻辑关系实现了通信高效，大大降低了参与实体的通信开销。
-
Patent Agency Ranking
公开(公告)号：CN114567427A
公开(公告)日：2022-05-31
申请号：CN202210005916.0
申请日：2022-01-05
Applicant: 北京理工大学
Abstract: 本发明涉及一种区块链隐蔽数据分段传输方法，属于数据隐蔽传输技术领域。本方法将文本数据进行分段，将分段后的数据存储在区块链交易的自定义数据段中。使用区块链平台实施隐蔽信息传输，由于区块链的广播机制，发送方无需与接收方直接建立连接，这样不会暴露通信双方的地址，在一定程度上实现了通信双方的匿名性。利用区块链中的自定义数据字段存储隐蔽信息，将文本的隐蔽数据进行分段，通过多笔区块链交易传输隐蔽信息，实现了基于区块链的文本隐蔽数据传输。本方法匿名性强、实用性高，可用于多种区块链网络。
-
公开(公告)号：CN109300540B
公开(公告)日：2021-10-15
申请号：CN201811232958.8
申请日：2018-10-23
Applicant: 北京理工大学
Abstract: 本发明涉及一种电子医疗系统中的隐私保护医疗服务推荐方法，属于医疗服务推荐以及隐私保护技术领域。该推荐方法主要是根据用户需求与医生信息的相似度以及医生的信誉分数来进行推荐，具体来说包括相似度计算、医生推荐以及医生信誉分数计算三部分。相似度计算即服务器根据用户需求向量与医生个人信息的向量进行相似度计算；医生推荐即服务器根据用户需求与医生信息的相似度和医生的相似度这两个因素进行医生推荐；医生信誉分数计算即服务器处理用户对医生的反馈评分并更新医生的信誉分数。本发明可实现密文下的相似度和信誉分数计算，实现了用户个人信息在推荐过程中的隐私保护。
-
公开(公告)号：CN112229514A
公开(公告)日：2021-01-15
申请号：CN202011054740.5
申请日：2020-09-27
Applicant: 北京理工大学重庆创新中心
Abstract: 本发明提供一种液晶高光谱计算成像系统的三维数据重构方法，搭建了一个适用于液晶高光谱计算成像系统的卷积神经网络，将计算成像系统获取的压缩观测结果和系统响应共同作为网络输入，经过多个隐藏层，最终输出重构后的高分辨率三维数据；其中，系统响应包括系统的空间响应和光谱响应，分别表示系统对入射场景的空间和光谱编码作用。本发明在卷积神经网络的框架下进行压缩观测数据的计算重构，同时考虑压缩数据和系统响应，在训练数据足够多的情况下，该网络可以适应不同的编码模板和各种类型的计算光谱成像系统，快速准确地获取重构后的三维数据。
-
公开(公告)号：CN110081977B
公开(公告)日：2020-06-19
申请号：CN201910428421.7
申请日：2019-05-22
Applicant: 北京理工大学
IPC: G01J3/28
Abstract: 本发明公开了一种基于压缩感知的可调滤光器型高光谱成像仪及方法，通过在成像器件上设置电动平移台，通过计算控制模块调整成像器件的物距和像距，实现自动调焦，解决了传统压缩感知高光谱成像系统空间压缩比固定无法调节的问题；本发明采用了分束器将场景光谱分为两部分，经由两条不同的光路由两种谱段不同的LCTF分别采集，解决了LCTF在高光谱压缩感知成像领域成像谱段范围单一的问题；根据输入的压缩比，自动计算光路的基本参数并在电动位移台的协调下自动调整光路采用压缩感知理论与LCTF相结合，解决了传统LCTF高光谱成像中，空间分辨率受限于探测器的问题。
-
公开(公告)号：CN110081977A
公开(公告)日：2019-08-02
申请号：CN201910428421.7
申请日：2019-05-22
Applicant: 北京理工大学
IPC: G01J3/28
Abstract: 本发明公开了一种基于压缩感知的可调滤光器型高光谱成像仪及方法，通过在成像器件上设置电动平移台，通过计算控制模块调整成像器件的物距和像距，实现自动调焦，解决了传统压缩感知高光谱成像系统空间压缩比固定无法调节的问题；本发明采用了分束器将场景光谱分为两部分，经由两条不同的光路由两种谱段不同的LCTF分别采集，解决了LCTF在高光谱压缩感知成像领域成像谱段范围单一的问题；根据输入的压缩比，自动计算光路的基本参数并在电动位移台的协调下自动调整光路采用压缩感知理论与LCTF相结合，解决了传统LCTF高光谱成像中，空间分辨率受限于探测器的问题。
-
-
-
-
-
-
-
-
-
Search Results
111
records
(took 0.028 seconds)
