-
公开(公告)号：CN109474928B
公开(公告)日：2020-06-16
申请号：CN201811322088.3
申请日：2018-11-07
Applicant: 电子科技大学
Abstract: 本发明公开了一种在移动群智感知系统中实现高效隐私保护的真值发现方法，属于信息安全技术领域。本发明所述方法有效支持密文环境下大规模真值发现运算，为用户传感数据提供强安全性的同时保证用户数据权重更新、真值更新的准确性，并解决真值发现过程中所有用户必须一直保持在线状态的问题，容忍用户在计算过程中有意或无意的退出，此外，本发明能有效抵御系统内部攻击，进一步保护用户传感数据的机密性。
-
公开(公告)号：CN109474928A
公开(公告)日：2019-03-15
申请号：CN201811322088.3
申请日：2018-11-07
Applicant: 电子科技大学
Abstract: 本发明公开了一种在移动群智感知系统中实现高效隐私保护的真值发现方法，属于信息安全技术领域。本发明所述方法有效支持密文环境下大规模真值发现运算，为用户传感数据提供强安全性的同时保证用户数据权重更新、真值更新的准确性，并解决真值发现过程中所有用户必须一直保持在线状态的问题，容忍用户在计算过程中有意或无意的退出，此外，本发明能有效抵御系统内部攻击，进一步保护用户传感数据的机密性。
-
公开(公告)号：CN115421141B
公开(公告)日：2024-10-18
申请号：CN202210885949.9
申请日：2022-07-26
Applicant: 电子科技大学
IPC: G01S13/90 , G06F18/2415
Abstract: 本发明公开了一种两阶段自适应采样的不平衡SAR目标识别方法，本发明从少数类目标与多数类目标两个角度出发，通过两阶段的处理方式改善不同类数据的平衡比。该方法的主要流程：在预处理阶段应用改进的合成过采样的方法，自适应对识别困难的少数类样本合成更多的样本以强化少数类边界，从而降低数据集的不平衡度。将分类决策的边界向更难学习的样本实例移动，减少原始数据的不平衡分布带来的学习偏差。同时，为了进一步改善数据的平衡度，本发明在分类模型训练阶段提出一种基于自步长学习的简单样本选择策略。在网络训练阶段根据阈值及新设计的损失函数有选择的纳入多数类简单样本进行训练，进一步降低数据集的不平衡度。在OpenSARShip2.0公开数据集上进行仿真实验，证明了本发明的有效性。
-
公开(公告)号：CN115496987A
公开(公告)日：2022-12-20
申请号：CN202211198200.3
申请日：2022-09-29
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于深度双相似性度量网络的小样本SAR目标识别方法，应用于SAR图像解译领域，以解决小样本条件下的SAR图像目标识别问题。首先，本发明以胶囊单运算为基本结构，构建一个可以挖掘高维特征信息的特征提取器。其次，本发明提出一种双相似性度量的融合策略，在深度特征空间中实现稳健的小样本目标类标签判定。最后，为了获得一个类内紧凑、类间分散的特征表征空间，本发明设计了一个混合损失函数用于模型端到端训练。本发明可在众多的小样本SAR图像目标识别任务场景中实现较高精度的目标识别，具有较好的泛化能力和鲁棒性。
-
公开(公告)号：CN115187983A
公开(公告)日：2022-10-14
申请号：CN202210698464.9
申请日：2022-06-20
Applicant: 电子科技大学
IPC: G06V20/70 , G06V10/40 , G06V10/778
Abstract: 本发明公开了一种基于多任务表征学习的小样本SAR图像目标识别方法，应用于SAR图像解译领域，以解决小样本条件下的SAR图像目标特征提取问题。首先，本发明构建以残差学习为基本架构的特征提取模型，采用形变卷积运算实现目标形态学特征提取，并基于注意力机制完成特征通道筛选；然后，采用多任务学习方式来提升特征提取模型的表征能力；最后，采用具有多任务表征学习能力的特征提取模型来提取小样本SAR图像目标特征，以拟合一个逻辑回归分类器，从而实现目标类别推理。本发明可在不同程度样本匮乏条件以及不同俯仰角条件下提升小样本SAR图像目标识别性能，具有较好的泛化能力和准确性。
-
Patent Agency Ranking
公开(公告)号：CN113807206A
公开(公告)日：2021-12-17
申请号：CN202111003567.0
申请日：2021-08-30
Applicant: 电子科技大学
Abstract: 本发明提出了一种基于去噪任务辅助的SAR图像目标识别方法，属于目标识别领域。本发明提出的网络包括去噪子网络与分类子网络两部分，去噪子网络中通过多尺度特征提取层、注意力机制以及残差学习结构可实现噪声信息学习。考虑到标准卷积在提取多尺度特征时会增大网络宽度，进而导致模型参数量增加。为此，本发明采用空洞卷积结构实现多尺度特征提取。在去噪子网络辅助下分类子网络可完成目标特征提取与分类。分类子网络中引入注意力思想来指导模型在特征空间、通道与空间交互层面上完成SAR图像目标特征提取与自适应加权，进而改善目标识别精度。通过在MSTAR数据集上进行仿真实验，证明了本发明中的方法在噪声环境下具有较好的SAR图像目标识别效果。
-
公开(公告)号：CN108985094B
公开(公告)日：2020-07-21
申请号：CN201810692703.3
申请日：2018-06-28
Applicant: 电子科技大学
Abstract: 本发明公开了一种在云环境下实现密文空间数据的访问控制和范围查询方法，属于云计算安全技术领域。本发明中，数据拥有者首先利用保序加密以及安全内积运算产生密文数据索引，并将所有索引以R‑树的形式组织并发送给云服务器；用户根据自己需要查询的几何范围生成密文搜索指令并提交给云服务器；云服务器根据用户请求和用户的当前访问权限返回相应的密文匹配结果；最终，用户在收到密文结果后，使用数据拥有者预先发送的密钥进行解密，实现密文环境下的范围查询以及数据访问控制。本发明保证了搜索过程中的高效性及安全性，特定用户只能访问其被授权的密文空间数据。
-
公开(公告)号：CN108985094A
公开(公告)日：2018-12-11
申请号：CN201810692703.3
申请日：2018-06-28
Applicant: 电子科技大学
Abstract: 本发明公开了一种在云环境下实现密文空间数据的访问控制和范围查询方法，属于云计算安全技术领域。本发明中，数据拥有者首先利用保序加密以及安全内积运算产生密文数据索引，并将所有索引以R-树的形式组织并发送给云服务器；用户根据自己需要查询的几何范围生成密文搜索指令并提交给云服务器；云服务器根据用户请求和用户的当前访问权限返回相应的密文匹配结果；最终，用户在收到密文结果后，使用数据拥有者预先发送的密钥进行解密，实现密文环境下的范围查询以及数据访问控制。本发明保证了搜索过程中的高效性及安全性，特定用户只能访问其被授权的密文空间数据。
-
公开(公告)号：CN108768608A
公开(公告)日：2018-11-06
申请号：CN201810519096.0
申请日：2018-05-25
Applicant: 电子科技大学
Abstract: 本发明公开了一种在区块链PKI下支持瘦客户端的隐私保护身份认证方法，属于信息安全技术领域。本发明所述方法包括以下步骤：系统初始化、生成认证请求、生成查询请求、查询阶段、检测阶段、确认阶段和会话建立。本发明所述方法利用PIR等技术，使得其支持区块链中存储能力和计算能力有限的瘦客户端在去中心化的PKI中完成用户身份认证，同时保护瘦客户端的查询隐私。本发明使用基于区块链的PKI技术，解决传统PKI单点故障和多CA互信难等问题；利用PIR技术，实现去中心化PKI下瘦客户端的身份认证功能；利用PIR技术，保护瘦客户端查询过程中的数据隐私；在认证过程中加入随机数，防止中间人攻击，确保认证过程中消息不被伪造篡改。
-
公开(公告)号：CN118887384A
公开(公告)日：2024-11-01
申请号：CN202410911676.X
申请日：2024-07-09
Applicant: 电子科技大学
IPC: G06V10/25 , G06V10/764 , G06V10/762 , G06V20/70 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种基于于类对齐的域自适应目标检测方法。该方法旨在解决域自适应目标检测中存在各种类别特征的类内变化显著、类间差异不足的问题。主要步骤包括：设计类间分离模块，采用困难样本挖掘的采样方法，在两个领域间通过距离交互增强类别间的差异；类内聚合模块，通过获取两个领域内同类特征与共享类别中心之间的距离，利用最小化类别内差异方法。优化损失函数，增强模型对类间差异性和类内紧凑性的学习。实验表明，提出的方法在不同背景和图像质量下均表现出显著的检测效果提升。与现有技术相比，本发明提高了模型获取两域之间的类别语义信息的能力，验证了其在域自适应目标检测中的优势。
-
-
-
-
-
-
-
-
-
Search Results
25
records
(took 0.048 seconds)
