-
公开(公告)号：CN116416997A
公开(公告)日：2023-07-11
申请号：CN202310236737.2
申请日：2023-03-10
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于注意力机制的智能语音伪造攻击检测方法：将语音样本从时域转换到频域进行分析，考虑不同滤波器对特征表现的影响，使用多种滤波器对频谱进行滤波，提取对数功率谱，梅尔频率倒谱系数，线性频率倒谱系数三种不同的语音样本声纹特征；训练基于注意力机制和残差网络的伪造语音攻击检测模型，利用注意力机制进行自适应特征选择，增强具有鉴别性的有效特征，抑制噪声以及冗余特征，然后通过残差网络进行高级特征提取和学习；利用上述训练好的伪造语音攻击检测模型对接收到的语音样本进行合法性检测，对语音样本进行评分，若评分超过阈值则为真实人声，否则，判断该样本为伪造语音。本发明方法准确率高、效率高且泛化能力强。
-
公开(公告)号：CN116258216A
公开(公告)日：2023-06-13
申请号：CN202310252049.5
申请日：2023-03-15
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于差分隐私的稀疏张量联合补全方法：(1)根据数据维度对训练集数据分组；(2)建立基于差分隐私的稀疏张量联合补全模型，初始化中心服务器的全局因子矩阵(3)利用弹性平均随机梯度下降方法训练模型，并通过差分隐私技术对输出结果扰动(4)各客户端根据模型对缺失数据进行补全。本发明相对于现有利用差分隐私的技术，能够在保证用户隐私的情况下准确完成数据补全任务，在效率，补全精度和通用性方面都取得了卓越效果，有很强的实际应用价值。本发明还提供了相应的基于差分隐私的稀疏张量联合补全装置。
-
Patent Agency Ranking
公开(公告)号：CN116150688A
公开(公告)日：2023-05-23
申请号：CN202310172665.X
申请日：2023-02-23
Applicant: 华中科技大学
IPC: G06F18/2431 , H04L43/0876 , H04L67/12 , G06F18/214 , G06N5/01 , G06N20/20
Abstract: 本发明公开一种智能家居中轻量级的物联网设备识别方法：在网关处获取智能家居中设备所产生的流量，对流量数据进行预处理，并标识每个设备的类型及型号；将流量数据包按固定时间窗口聚合，获得每种设备的网络流；计算网络流中数据包大小的统计信息，获得网络流的特征向量；将获得的特征向量和对应的设备类型及型号标签送入三阶段分类器中进行训练，获得多阶段细粒度物联网设备识别模型；将待识别设备的流量送入已经训练好的物联网设备识别模型中，通过一个三阶段分类器获得待识别设备的类型和型号。本发明能够在保护用户数据隐私的前提下实现快速准确的细粒度物联网设备识别。本发明还提供相应的智能家居中轻量级的物联网设备识别装置。
-
公开(公告)号：CN116150632A
公开(公告)日：2023-05-23
申请号：CN202310157673.7
申请日：2023-02-23
Applicant: 华中科技大学
IPC: G06F18/22 , H04L9/32 , G06F18/214 , G06N20/00 , G16Y10/80 , G16Y20/40 , H04L101/622 , H04L101/33
Abstract: 本发明公开了一种基于局部敏感哈希的物联网设备识别方法：(1)在网关处获取设备流量，并按照具体设备的物理地址进行归类；(2)对归类好的设备流量进行特征包过滤、切片和重组来创建设备签名；(3)使用局部敏感哈希算法为每个签名生成摘要，将摘要与设备标签一起存放在摘要数据库中；(4)生成待识别的流量的摘要，将其与数据库中的所有实例进行比较，计算出四个指标；(5)使用多指标评价方法训练的三元线性回归模型来拟合10片签名聚合的相似度分数，并将具有最高拟合分数的设备作为设备的预测值返回。本发明能实现快速准确的细粒度物联网设备识别，并且避免了机器学习中特征提取和模型训练的繁琐过程，减少了计算开销且部署简单。
-
公开(公告)号：CN115665659A
公开(公告)日：2023-01-31
申请号：CN202211243473.5
申请日：2022-10-12
Applicant: 华中科技大学
IPC: H04W4/021 , H04W24/06 , G06F30/27 , G06F18/20 , G16Y10/75 , G06F111/02 , G06F111/08
Abstract: 本发明公开了一种基于张量的移动物联网覆盖可靠性评估方法：根据监测场景建立网络模型；考虑节点状态、能量、连通鲁棒性、覆盖率、链路可靠性，定义可信信息覆盖可靠性；构建状态和能量张量，采用多模态马尔可夫状态概率预测模型预测节点状态；构建覆盖张量以计算覆盖率；枚举通信链路，计算连通鲁棒性；采用蒙特卡罗模拟评估指定网络可信信息覆盖可靠性，直到模拟次数达到上限；本发明全面考虑节点状态、能量、连通鲁棒性、覆盖率、链路可靠性以准确衡量覆盖可靠性，采用多模态马尔可夫状态概率预测模型动态预测节点状态，并利用张量对网络异质因子进行高维统一表示，实现移动物联网覆盖可靠性高效计算。
-
公开(公告)号：CN109636509B
公开(公告)日：2020-12-18
申请号：CN201811382976.4
申请日：2018-11-20
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于非对称距离构建子矩阵的评分预测方法，使用非对称距离衡量每个用户‑物品评分对与锚点之间的关系，让每个锚点邻域的兴趣尽可能集中在锚点附近，构成的子矩阵相比于使用对称距离更能反映某一群组用户的集中兴趣，对矩阵中空缺项的预测结果会更好；采用快速寻找密度峰的聚类方法来选择锚点，使每个锚点都有较大的邻域密度，并且彼此之间间隔较远，从而导致分割得到的子矩阵分布均匀，具有代表性，能够有效覆盖原始评分矩阵；使用非对称距离衡量矩阵中的每个用户‑物品评分对与锚点之间的关系，减小了对称距离下评分个数太少给距离带来的惩罚，对于评分个数较少的不活跃用户或冷门物品，会有更大的概率被划分到子矩阵中，提高了子矩阵对数据的覆盖程度。
-
公开(公告)号：CN109636509A
公开(公告)日：2019-04-16
申请号：CN201811382976.4
申请日：2018-11-20
Applicant: 华中科技大学
CPC classification number: G06Q30/0631 , G06K9/6215
Abstract: 本发明公开了一种基于非对称距离构建子矩阵的评分预测方法，使用非对称距离衡量每个用户‑物品评分对与锚点之间的关系，让每个锚点邻域的兴趣尽可能集中在锚点附近，构成的子矩阵相比于使用对称距离更能反映某一群组用户的集中兴趣，对矩阵中空缺项的预测结果会更好；采用快速寻找密度峰的聚类方法来选择锚点，使每个锚点都有较大的邻域密度，并且彼此之间间隔较远，从而导致分割得到的子矩阵分布均匀，具有代表性，能够有效覆盖原始评分矩阵；使用非对称距离衡量矩阵中的每个用户‑物品评分对与锚点之间的关系，减小了对称距离下评分个数太少给距离带来的惩罚，对于评分个数较少的不活跃用户或冷门物品，会有更大的概率被划分到子矩阵中，提高了子矩阵对数据的覆盖程度。
-
-
-
-
-
-
Search Results
27
records
(took 0.022 seconds)
