-
公开(公告)号：CN103338110B
公开(公告)日：2016-08-10
申请号：CN201310243608.2
申请日：2013-06-19
Applicant: 广东工业大学
Abstract: 本发明公开了一种基于动态ID带搜索密钥的RFID安全认证方法，包括：阅读器生成一随机数并向标签发送认证请求；标签运算获得第一校验码，并将搜索密钥与第一校验码发送给阅读器，同时对搜索密钥进行更新；阅读器将随机数、从标签接收到的搜索密钥与第一校验码发送给数据处理终端；数据处理终端进行标签认证，若认证成功，则计算获得第二校验码并将其发送到阅读器，否则结束；阅读器将接收到的第二校验码转发给标签；标签对阅读器进行验证。本发明提高了认证效率，抗攻击性强，保证了认证过程的安全性。本发明作为一种性能优良的基于动态ID带搜索密钥的RFID安全认证方法可广泛应用于认证领域中。
-
公开(公告)号：CN105530263A
公开(公告)日：2016-04-27
申请号：CN201610016305.0
申请日：2016-01-08
Applicant: 广东工业大学
CPC classification number: H04L63/0807 , H04L9/085 , H04L9/0891 , H04L9/32
Abstract: 本发明提供了一种基于标签ID的超轻量级RFID双向认证方法，采用位运算方法以及循环校验码方法对传输信息进行加密，从而减少标签及读写器的运算量，使通讯协议可以达到超轻量级的级别，缩短认证时间；由读写器产生随机数，可降低标签成本；充分利用标签和读写器之间共享的标签唯一的标识符信息，减少信息的引入和存放；在读写器计算新的共享密钥，并将新共享密钥通过简单的加密传输给标签，标签只需要进行简单的异或运算即可得到新的共享密钥，从而减少了标签的计算量；在标签与读写器之间传输的信息都是经过加密后再传输，使攻击者难以获取有效信息，可有效提高安全性能。
-
公开(公告)号：CN103338110A
公开(公告)日：2013-10-02
申请号：CN201310243608.2
申请日：2013-06-19
Applicant: 广东工业大学
Abstract: 本发明公开了一种基于动态ID带搜索密钥的RFID安全认证方法，包括：阅读器生成一随机数并向标签发送认证请求；标签运算获得第一校验码，并将搜索密钥与第一校验码发送给阅读器，同时对搜索密钥进行更新；阅读器将随机数、从标签接收到的搜索密钥与第一校验码发送给数据处理终端；数据处理终端进行标签认证，若认证成功，则计算获得第二校验码并将其发送到阅读器，否则结束；阅读器将接收到的第二校验码转发给标签；标签对阅读器进行验证。本发明提高了认证效率，抗攻击性强，保证了认证过程的安全性。本发明作为一种性能优良的基于动态ID带搜索密钥的RFID安全认证方法可广泛应用于认证领域中。
-
公开(公告)号：CN115170415B
公开(公告)日：2025-04-22
申请号：CN202210756511.0
申请日：2022-06-30
Applicant: 广东工业大学
IPC: G06T5/77 , G06T5/70 , G06T5/73 , G06N3/0464 , G06N3/08
Abstract: 本申请实施例提供的一种低光照图像增强方法、系统及可读存储介质，该方法包括获取低光照图像；确定目标深度曲线估计网络，并通过目标深度曲线估计网络对低光照图像进行无监督光照增强处理，得到相应的增亮图像；确定目标分解网络，并通过目标分解网络分别对低光照图像、以及增亮图像进行反射率的分解处理，得到对应反射率取值保持一致性的目标低光照反射率和目标增强图反射率；在确定光照增强后得到的目标反射率图像中存在模糊点和/或噪声点时，通过预先构建好的目标修复网络对目标反射率图像进行修复处理，以得到最优的图像增强效果。
-
公开(公告)号：CN119672592A
公开(公告)日：2025-03-21
申请号：CN202411521640.7
申请日：2024-10-29
Applicant: 广东工业大学
IPC: G06V20/40 , G06V10/62 , G06V10/764 , G06V10/776 , G06V10/766 , G06V10/82 , G06V10/26 , G06V20/70 , G06N3/0455 , G06N3/092
Abstract: 本发明公开了一种基于时序建模的视频异常事件自适应检测系统及方法，涉及视频安全技术领域，系统包括：数据预处理模块，多模态特征提取和数据清洗增强；时空特征建模模块，构建自编码器和异常特征嵌入；异常检测分类模块，异常检测和异常分类；自适应学习模块，在线增量学习和反馈调整；事件定位分割模块，事件定位和事件分割摘要生成；实时处理响应模块，实时处理和异常告警；数据管理存储模块，构建视频数据库和数据压缩加密；系统监控评估模块，系统性能监控和效果评估。本发明通过在线增量学习和反馈调整机制，能够自动学习适应新的异常事件，结合多模态特征和时空特征建模，系统能够更准确地捕捉视频中的异常行为，提高检测准确性。
-
Patent Agency Ranking
公开(公告)号：CN119583109A
公开(公告)日：2025-03-07
申请号：CN202411573994.6
申请日：2024-11-06
Applicant: 广东工业大学
IPC: H04L9/40 , G06N3/09 , G06F18/214
Abstract: 本发明公开一种基于自监督学习的DDoS攻击检测方法及装置，所述方法包括如下步骤：获取流量特征数据并对所述流量特征数据进行预处理；其中，所述流量特征数据包括全流量特征数据以及异常特征数据；根据预处理后的流量特征数据对预设自监督检测模型进行训练；通过训练好的自监督检测模型对待检测流量进行识别，确定所述待检测流量的属性。本发明能够提高对DDoS攻击的检测效率。
-
公开(公告)号：CN119541624A
公开(公告)日：2025-02-28
申请号：CN202411733827.3
申请日：2024-11-29
Applicant: 广东工业大学
Abstract: 本发明公开的属于信息科学技术领域，具体为一种基于多尺度病理图像与多模态数据的疾病生存预测方法，包括具体步骤如下：数字病理图像数据处理、基因表示数据处理、多模态数据交互、生存分析。本发明使用x40和x20两种放大倍数下所对应的图像块作为模型的输入，并且采用早期融合的策略实现多尺度信息的整合；相比于采用多视图WSI会产生重复计算相同位置的方法，本发明采用无重叠的图像分割分块方式，能够在一定程度上防止模型的过拟合，并且提高模型的效率。
-
公开(公告)号：CN118864633A
公开(公告)日：2024-10-29
申请号：CN202410908554.5
申请日：2024-07-08
Applicant: 广东工业大学
IPC: G06T11/00 , G06N3/0895 , G06N3/0464
Abstract: 本发明公开的一种基于对比学习的双分支MRI图像重建方法、系统和存储介质，其中方法包括：获取欠采样图像，其中，所述欠采样图像包括MRI图像；基于特征提取网络提取所述欠采样图像得到当前图像对应的第一特征和第二特征；基于预设算法建立双分支MRI重建模型，并利用对比学习结合训练图像的图像特征对所述双分支MRI重建模型进行训练；将所述欠采样图像输入到训练好的所述双分支MRI重建模型中得到重建图像。本发明通过创新性的双分支对比学习方法有效提升了MRI图像重建的精度和质量，使得重建图像时更加高效和准确，具有更强的实用性和更好的应用前景。
-
公开(公告)号：CN117811811A
公开(公告)日：2024-04-02
申请号：CN202311852973.3
申请日：2023-12-29
Applicant: 广东工业大学
IPC: H04L9/40
Abstract: 本发明涉及网络入侵检测领域，特别公开了一种基于图注意力网络的网络入侵检测方法及系统，包括以下步骤：利用数据集构建网络图，基于所述网络图提取特征信息，得到节点特征和边缘特征；将所述节点特征和所述边缘特征输入至图注意力网络进行节点编码；以网络历史平均流量作为阈值，利用自监督算法生成节点辅助标签；将所述节点编码和所述节点辅助标签进行结合，得到信息丰富后节点编码；基于边缘特征，将所述信息丰富后节点编码进行连接，得到边缘编码；利用分类算法对所述边缘编码进行分类，得到入侵检测结果，本发明将节点信息充分融合至边缘编码中，从而构建起端到端网络入侵检测系统。
-
公开(公告)号：CN117591973A
公开(公告)日：2024-02-23
申请号：CN202311416502.8
申请日：2023-10-27
Applicant: 广东工业大学 , 广州江南科友科技股份有限公司
IPC: G06F18/2433 , G06F18/26 , G06F18/10 , G06F18/15 , G06F18/27 , G06F18/214 , G06F123/02
Abstract: 本发明涉及时间序列分析研究领域，更具体的，涉及一种基于FP‑Growth算法的时间序列异常检测方法，包括以下步骤：从信息物理系统中接收时间序列数据，并对所述时间序列数据进行预处理；将经过预处理的时间序列数据，分别用多个基于统计的时间序列预测模型得到相应的多个误差序列；将多个误差序列使用相关规则生成为事务数据集；对事务数据集使用并行化FP‑growth算法挖掘频繁项集，得到异常点集，本发明采用基于统计的时间序列预测模型并引入并行化FP‑growth算法，结构简单，可以有效的检测时间序列数据中的异常点和集体异常，解决了时间序列异常检测方法存在计算量大、结构复杂的问题。
-
-
-
-
-
-
-
-
-
Search Results
317
records
(took 0.058 seconds)
