-
公开(公告)号：CN119182609A
公开(公告)日：2024-12-24
申请号：CN202411660662.1
申请日：2024-11-20
Applicant: 华侨大学
Abstract: 本发明公开了一种融合大模型与强化学习的多智能体自动化渗透测试系统，涉及网络安全技术领域，包括：通过输入URL，启动结合大模型的混合多智能体自动化渗透测试流程；多智能体联合行动，对网站信息进行全面搜集与分类；多智能体并行执行漏洞挖掘，并将结果反馈以进行深度强化学习优化；多智能体针对挖掘到的漏洞，制定具体的利用方案；多智能体协同对潜在漏洞进行有效性验证，回收结果并利用深度学习反馈机制逐步提升决策准确性；多智能体依据模块结果生成安全报告，并反馈给相关智能体以增强深度学习性能，提升决策有效性。本发明集成大模型分析推理能力，实现多智能体协同调度，对目标网站执行自动化安全性扫描，有效探测并评估潜在的安全漏洞。
-
公开(公告)号：CN117978546B
公开(公告)日：2024-06-11
申请号：CN202410370415.1
申请日：2024-03-29
Applicant: 华侨大学
Abstract: 本发明提供了一种基于可信执行环境的无证书动态共享数据审计方法，涉及数据安全技术领域，该方法是实现对云存储环境中共享数据完整性安全高效的审计，和共享用户群组及共享数据的动态性；其包括秘钥生成中心数据预处理步骤；群用户加入步骤；共享群用户秘钥生成步骤；共享数据预处理步骤；云服务端数据预处理步骤；挑战步骤；证明生成步骤；证明验证步骤；群用户撤销步骤；数据的动态更新步骤。本发明所提出的无证书公开共享数据审计方法，可以在确保共享数据安全高效审计的同时，实现动态的群管理和数据的动态更新，以及避免恶意的撤销用户和云服务端合谋攻击。
-
公开(公告)号：CN117555864B
公开(公告)日：2024-04-16
申请号：CN202410039044.9
申请日：2024-01-11
Applicant: 华侨大学
IPC: G06F16/16 , G06F16/172 , G06F16/182 , G06F21/62 , H04L9/40
Abstract: 本发明提供一种基于可信执行环境的云数据安全删除方法，涉及数据安全技术领域。当用户端删除云端文件时：用户端生成用于重写的数据、删除请求，以及审计请求，并将数据和删除请求发送云服务端，将数据和审计请求发送给第三方审计端。云服务端的可信执行环境组件根据数据生成无用数据以及删除请求，并发送给存储环境组件。云服务端的存储环境组件根据无用数据对需要删除的数据块进行覆盖更新。第三方审计端根据审计请求生成挑战信息并发送给云服务端。云服务端的存储环境组件根据挑战信息生成验证信息并发送给第三方审计端。第三方审计端根据验证信息验证云服务端是否删除数据，并反馈给用户端。该方法降低用户端开销并提高数据删除的安全性。
-
公开(公告)号：CN117555864A
公开(公告)日：2024-02-13
申请号：CN202410039044.9
申请日：2024-01-11
Applicant: 华侨大学
IPC: G06F16/16 , G06F16/172 , G06F16/182 , G06F21/62 , H04L9/40
Abstract: 本发明提供一种基于可信执行环境的云数据安全删除方法，涉及数据安全技术领域。当用户端删除云端文件时：用户端生成用于重写的数据、删除请求，以及审计请求，并将数据和删除请求发送云服务端，将数据和审计请求发送给第三方审计端。云服务端的可信执行环境组件根据数据生成无用数据以及删除请求，并发送给存储环境组件。云服务端的存储环境组件根据无用数据对需要删除的数据块进行覆盖更新。第三方审计端根据审计请求生成挑战信息并发送给云服务端。云服务端的存储环境组件根据挑战信息生成验证信息并发送给第三方审计端。第三方审计端根据验证信息验证云服务端是否删除数据，并反馈给用户端。该方法降低用户端开销并提高数据删除的安全性。
-
公开(公告)号：CN116092503B
公开(公告)日：2023-06-20
申请号：CN202310355092.4
申请日：2023-04-06
Applicant: 华侨大学
Abstract: 本发明提供了联合时域和频域的伪造语音检测方法、装置、设备及介质，包括：获取多组样本自然语音和样本伪造语音，构建语音样本库，并对语音样本库中的每条语音样本进行预处理，生成具有特定维度的时域信号组和频域信号组；根据时域分支网络、频域分支网络和跨域融合网络组成构建伪造语音检测训练模型，将时域和频域信号组输入至伪造语音检测训练模型中进行联合训练，生成伪造语音检测模型；获取待检测语音样本，对语音样本进行预处理，生成与相对应的时域和频域信号；将时域和频域信号输入至伪造语音检测模型中，进行检测，生成判别结果。旨在解决现有决策融合方法忽略了各模型在训练过程中的交互，使得不同特征不能充分地有机结合的问题。
-
Patent Agency Ranking
公开(公告)号：CN104681031A
公开(公告)日：2015-06-03
申请号：CN201410743434.0
申请日：2014-12-08
Applicant: 华侨大学
IPC: G10L19/018 , G10L25/78
Abstract: 本发明涉及一种基于比特组合的低速率语音最低有效位隐写检测方法，步骤如下：采集语音样本，对语音样本进行语音质量客观评价，根据预计的规则排序，构建待检比特位队列；依次将待检比特位队列各结点的比特位置为长度为N的二进制数中的最低比特位，得到基于比特组合的待检参数集合；基于卡方统计，根据待检参数集合对待检比特位队列进行隐写检测。本发明通过比特位组合的方式解决了传统LSB检测算法难以应用于低速率语音隐写检测的问题。在检测过程中本发明通过预先对可隐藏位根据其隐写性能进行排序，可有效提高检测效率。此外，本发明中的比特位组合方法与语音的具体编码方式无关，适用于所有低速率语音LSB隐写的检测，具有良好的普适性。
-
公开(公告)号：CN119559952B
公开(公告)日：2025-05-13
申请号：CN202510027827.X
申请日：2025-01-08
Applicant: 华侨大学
Abstract: 本发明公开了一种基于融合损失约束的无监督跨域伪造语音检测方法，涉及多媒体安全领域，其目的是在源域和目标域语音非独立同分布时，也能使用源域数据训练的检测网络来对目标域语音进行检测，方法包括：检测网络构建步骤、检测网络训练步骤和语音检测步骤。本发明在无监督情况下，使用混合正则化损失作为泛化性助推器，提升检测网络对未见过的伪造语音的泛化性，一定程度上提升了检测网络本身在跨域情况下的泛化能力，再与融合源域与目标域之间的深层细节特征及全局语义特征的融合损失联合约束检测网络，构建跨域的伪造语音检测网络。本发明在提取伪造信息的同时消除对语言种类的依赖，保证了在语言差异导致的领域漂移情况下的高准确率。
-
公开(公告)号：CN119227087B
公开(公告)日：2025-02-18
申请号：CN202411713262.2
申请日：2024-11-27
Applicant: 华侨大学
IPC: G06F21/57 , G06F8/53 , G06N3/006 , G06F11/3668 , G06F16/16
Abstract: 本发明公开了一种基于多智能体协作的Android应用程序漏洞检测方法及系统，涉及网络空间安全领域，方法包括：S1，漏洞信息整理步骤；S2，APK解压与反编译步骤、S3，APK智能扫描步骤；S4，漏洞挖掘步骤；S5，漏洞验证步骤。本发明一种基于多智能体协作的Android应用程序漏洞检测方法及系统能够有效地识别和验证Android应用程序中的安全漏洞，利用智能体的语义分析能力可以更准确地验证漏洞，减少漏洞扫描的误报率和漏报率，提高漏洞检测的可靠性。
-
公开(公告)号：CN119399612A
公开(公告)日：2025-02-07
申请号：CN202411984822.8
申请日：2024-12-31
Applicant: 华侨大学
Abstract: 本发明涉及基于离散小波变换的人脸深度伪造主动防御方法及装置，涉及图像处理技术领域，方法包括：利用深度伪造模型对原始和含扰动图像做属性编辑，计算两者之间的均方误差损失和结构相似性损失，赋予不同权重后融合为总损失函数；基于损失函数反向传播获取梯度信息，确定扰动施加的最优方向，形成中间扰动值；通过离散小波变换将低频和高频分量被嵌入到含扰动图像相应分量中，再通过逆离散小波变换重建图像；检查是否达到迭代次数，若否，则引入JPEG噪声层继续迭代调整扰动；若是，则输出最终含有不可见扰动信息的人脸图像。本发明充分利用在小波域的鲁棒性，在保证扰动不可见的前提下，提升扰动对JPEG压缩的抵御能力。
-
公开(公告)号：CN118114211B
公开(公告)日：2024-07-16
申请号：CN202410535488.1
申请日：2024-04-30
Applicant: 华侨大学
IPC: G06F21/16 , G06F21/10 , G06N3/0464 , G06N3/084
Abstract: 本发明提供的一种基于扩展量化索引调制的DNN水印方法、装置、设备及介质，涉及人工智能领域，包括水印嵌入与水印提取，水印嵌入包括：获取预处理后的水印信息，提取DNN结构中任一卷积层的权重进行向量化与均值扁平化计算，得到第一载体向量；利用随机数生成满足高斯分布的投影矩阵，计算第一载体向量在投影矩阵上的投影值；然后将投影值输入傅里叶级数拟合的扩展量化索引调制函数，得到调制后的向量；通过损失函数训练模型，使得调制后的向量与嵌入的水印信息保持一致，实现水印信息在DNN模型中的嵌入。本发明能充分发挥扩展量化抖动调制理论在水印鲁棒性方面的性能，在保证水印不可见性和水印容量的情况下，依旧能保持良好的鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
37
records
(took 0.024 seconds)
