一种对屏幕拍摄泄密追溯的实时屏幕水印方法和系统

    公开(公告)号:CN117574336B

    公开(公告)日:2025-03-14

    申请号:CN202311527940.1

    申请日:2023-11-16

    Applicant: 扬州大学

    Abstract: 本发明公开了一种对屏幕拍摄泄密追溯的实时屏幕水印方法和系统,可以对偷拍屏幕的照片进行取证。该方法使用由信息水印和同步水印组成的预设水印模板,通过QR码编码方式和逆傅里叶变换将用户ID、IP地址等关键信息作为水印信息编码成相应的水印模板。采用最小可觉差模型,将预先生成的水印模板直接嵌入到桌面窗口管理器交换链的后缓冲区中,保证了水印的不可感知性并实现水印的实时刷新。通过同步响应索引方法实现自动透视校正,并定位信息水印模板嵌入区域。最后,从噪声分量的离散傅里叶变换域中提取信息水印。该方法能够有效抵御各种屏幕偷拍手段,并在不影响屏幕正常显示的情况下实现水印的高频率刷新和水印取证的鲁棒性。

    一种针对图片检索系统的图后门攻击防御方法及系统

    公开(公告)号:CN118035991A

    公开(公告)日:2024-05-14

    申请号:CN202311818727.6

    申请日:2023-12-26

    Applicant: 扬州大学

    Abstract: 本发明公开了一种针对图片检索系统的图后门攻击防御方法及系统,方法包括:对植入后门触发器的数据集进行对比学习,实现图增强策略,构建不依赖数据标签的编码器;聚类经编码器解码后的数据向量,识别可疑样本,筛选干净样本;将干净样本结合GNNExplainer方法获取对图预测起至关重要的重要样本;利用重要样本训练出一个教师模型,对后门数据集训练出的学生模型进行知识蒸馏,教师模型指导学生模型修正节点标签映射关系,从而获得良性的图预测模型,并有效地进行图后门防御;本发明具备标签无关性可以出色地分离可疑样本与干净样本,更加符合实际情况,且有更高精度。

    一种目标检测数据集版权保护方法

    公开(公告)号:CN117746295A

    公开(公告)日:2024-03-22

    申请号:CN202311781079.1

    申请日:2023-12-21

    Applicant: 扬州大学

    Abstract: 本发明公开了一种目标检测数据集版权保护方法。对初始数据集进行版权保护步骤包括:S1、获取初始数据集并初始化形成目标检测数据集;S2、通过加密内容处理所述感兴趣区的坐标信息,并添加高斯噪声得到加密数据集。对私有数据集进行版权保护步骤包括:S1、在加密数据集中添加水印触发器,得到公开数据集;S2、在目标检测数据集中添加水印触发器以构建水印测试集;S3、将水印测试集输入以加入水印的私有数据集训练形成的可疑模型中,输出水印预测集;S4、基于水印预测集和公开数据集确定水印匹配率,当水印匹配率达到一定标准,则进行版权声明。本发明具有干扰少、安全性高的特点。

    一种对屏幕拍摄泄密追溯的实时屏幕水印方法和系统

    公开(公告)号:CN117574336A

    公开(公告)日:2024-02-20

    申请号:CN202311527940.1

    申请日:2023-11-16

    Applicant: 扬州大学

    Abstract: 本发明公开了一种对屏幕拍摄泄密追溯的实时屏幕水印方法和系统,可以对偷拍屏幕的照片进行取证。该方法使用由信息水印和同步水印组成的预设水印模板,通过QR码编码方式和逆傅里叶变换将用户ID、IP地址等关键信息作为水印信息编码成相应的水印模板。采用最小可觉差模型,将预先生成的水印模板直接嵌入到桌面窗口管理器交换链的后缓冲区中,保证了水印的不可感知性并实现水印的实时刷新。通过同步响应索引方法实现自动透视校正,并定位信息水印模板嵌入区域。最后,从噪声分量的离散傅里叶变换域中提取信息水印。该方法能够有效抵御各种屏幕偷拍手段,并在不影响屏幕正常显示的情况下实现水印的高频率刷新和水印取证的鲁棒性。

    一种基于注意力蒸馏的联邦学习后门防御方法

    公开(公告)号:CN115630361A

    公开(公告)日:2023-01-20

    申请号:CN202211135741.1

    申请日:2022-09-19

    Applicant: 扬州大学

    Abstract: 本发明公开了一种基于注意力蒸馏的联邦学习后门防御方法,包括:步骤1:获取n个本地模型,将n个本地模型的模型参数进行平均聚合,并将平均聚合后的模型参数对联邦学习当前轮次的全局模型进行更新,得到聚合后的全局模型;步骤2:以n个本地模型作为教师模型,以聚合后的全局模型作为学生模型,以标记后的数据集作为输入,进行多教师注意力知识蒸馏,得到蒸馏后的学生模型;步骤3:将蒸馏后的学生模型作为联邦学习下一轮次的全局模型下发给n个参与方,得到n个本地模型;步骤4:重复执行步骤1至步骤3,直至全局模型收敛,得到最终的全局模型;步骤5:将待分类数据输入至最终的全局模型,得到分类结果。

    一种基于深度学习的电网运行数据分析方法

    公开(公告)号:CN115511353A

    公开(公告)日:2022-12-23

    申请号:CN202211257857.2

    申请日:2022-10-13

    Applicant: 扬州大学

    Abstract: 本发明公开了一种基于深度学习的电网运行数据分析方法,通过设置第一对比模块、第一数据库、检测装置、提醒模块、第一处理模块和第一读取模块,能够检测电网的运行数据,如果电网的运行数据出现问题,就会向电网负责人发送消息,及时对所发现的电网问题进行预警;通过设置第二对比模块、第二数据库、第二处理模块和第一读取模块,能够提前诊断出电网出现的问题,预先安排维修人员去进行巡检维修,无需要采用传统的方式,即安排人员先去查看情况,再安排人员去进行维修,耽误大量的时间和精力。

    一种基于多模态特征的智能合约庞氏骗局检测方法及系统

    公开(公告)号:CN114547611A

    公开(公告)日:2022-05-27

    申请号:CN202210165284.4

    申请日:2022-02-18

    Applicant: 扬州大学

    Abstract: 本发明公开了一种基于多模态特征的智能合约庞氏骗局检测方法及系统,该方法首先对智能合约源代码进行序列化表示学习,得到全局词法特征;然后利用静态分析构建智能合约交易属性图,并通过图神经网络提取局部交易特征;利用注意力机制融合全局词法特征和局部交易特征,在次基础上进行庞氏骗局智能合约检测。本发明的优势在于:结合智能合约的全局词法和局部交易两种模态特征,充分提取智能合约代码语义,提升检测的准确性;利用程序切片技术和代码图表示在保留庞氏骗局语义相关代码同时去除噪声代码,提升了检测准确性;本发明基于代码特征和深度学习的检测方法,不依赖其它数据和专家规则,提高检测适用范围和效率,降低了检测成本。

    图像加密解密系统、方法、计算机设备和计算机可读存储介质

    公开(公告)号:CN113989090A

    公开(公告)日:2022-01-28

    申请号:CN202111171208.6

    申请日:2021-10-08

    Applicant: 扬州大学

    Abstract: 本发明公开了一种图像加密解密系统,包括:图像加密模块,用于获取图像、版权商标,设定对图像解密密钥k1和对图像保密密级k2,以生成密钥水印信息W0;用于对图像分块,将密钥水印信息W0生成二维码并二值化为水印矩阵Wq(x,y);将版权商标生成水印矩阵WL(x,y),对图像分块分别嵌入水印矩阵Wq(x,y)和水印矩阵WL(x,y),以生成含水印图像;用于对含水印图像进行加密以生成密文图像;存储模块,用于将密文图像上传并存储至云端;图像解密模块,用于使用移动端扫描密文图像中的二维码,以读取密钥水印信息W0;用于解析密钥水印信息W0以获得密钥k1和密级k2的值,根据密钥k1、密级k2及用户ID生成解密序列Key并反馈至用户;用于用户输入解密序列Key,根据解密序列Key判断用户具有解密权限时进行解密以获取解密图像。

    一种基于迁移学习的智能合约漏洞检测方法

    公开(公告)号:CN114547621B

    公开(公告)日:2024-11-05

    申请号:CN202210065372.7

    申请日:2022-01-20

    Applicant: 扬州大学

    Abstract: 本发明公开了一种基于迁移学习的智能合约漏洞检测方法,该方法首先收集java源代码和智能合约源代码数据,并进行预处理建立标签,构建机器学习的样本集;然后将java样本集输入到模型中训练,学习java代码表示的特征及java漏洞的检测,针对检测智能合约代码的下游任务,重用java的预训练模型并进行微调,使其能够胜任智能合约漏洞的检测。本发明可以更加快速、自动地检测出Solidity智能合约是否存在漏洞。

    基于遗忘学习的可解释图推荐系统后门防御方法及系统

    公开(公告)号:CN117972691A

    公开(公告)日:2024-05-03

    申请号:CN202311767173.1

    申请日:2023-12-20

    Applicant: 扬州大学

    Abstract: 本发明公开了一种基于遗忘学习的可解释图推荐系统后门防御方法及系统,通过触发器还原算法还原潜在的图触发器,并通过遗忘学习遗忘后门触发器特征,从而将后门模型净化为正常模型。本发明首先利用一定比例的干净数据集,通过可解释的图后门还原算法,恢复后门模型中的后门触发器子图。随后,将后门触发器子图添加至正常样本,通过基于知识蒸馏的遗忘学习算法,遗忘后门触发器特征并保持模型在正常任务上的精度,以此来净化后门模型。本发明能够有效解决攻击者通过修改用户之间的关系,改变用户信息操作得到中毒子图,用户使用中毒数据训练的后门模型时,遭受如恶意广告侵扰等问题,有助于提升服务质量和用户体验。

Patent Agency Ranking