-
公开(公告)号：CN111552972B
公开(公告)日：2023-02-03
申请号：CN202010525502.1
申请日：2020-06-10
Applicant: 郑州轻工业大学
Abstract: 本发明公开了一种基于大数据的深度学习系统，具体涉及大数据信息采集技术领域，包括电源，所述电源的输出端电性连接有交流传输线，所述交流传输线的输出端电性连接有稳压电路，所述交流传输线的输出端电性连接有主控电路，所述稳压电路的输出端电性连接有场效应管，所述场效应管的输出端电性连接有保护电阻，所述主控电路的输出端电性连接有主控开关。本发明通过设置场效应管、保护电阻、自恢复式熔断器和过流保护变阻器，利用场效应管、保护电阻、自恢复式熔断器和过流保护变阻器共同组成一个电路过流防护系统，使得该系统装置不易发生停机和瘫痪的意外问题，增加了该装置的工作质量和工作效率。
-
公开(公告)号：CN114266996A
公开(公告)日：2022-04-01
申请号：CN202111543179.1
申请日：2021-12-16
Applicant: 郑州轻工业大学
IPC: G06V20/40 , G06K9/62 , G06V10/764 , G06V10/84
Abstract: 本发明提出了一种基于Transformer的单目标跟踪方法，其步骤为：从视频的第一帧裁剪出目标区域，使用预训练的ResNet50网络进行特征提取；使用基于Transformer的特征融合方法将目标特征进行特征融合，输入回归模型生成器生成回归模型，将目标特征输入分类模型生成器生成分类模型；将搜索区域的提取特征使用基于Transformer的特征融合方法进行融合输入回归模型得到回归结果；将搜索区域的特征使用Transformer结合训练集进行特征增强输入分类模型得到分类结果；根据分类结果和回归结果对目标生成精确的包围框，进行目标跟踪。本发明将Transformer集成到跟踪框架中，在跟踪过程中充分利用了时间上下文和空间上下文提升了跟踪的精度。
-
公开(公告)号：CN114255182A
公开(公告)日：2022-03-29
申请号：CN202111515665.2
申请日：2021-12-13
Applicant: 郑州轻工业大学
Abstract: 本发明提出了一种基于空间自适应全变差的CS迭代阈值图像去噪重建方法，步骤为：初始化重建图像和初始含噪观测值；对获得的重建图像进行迭代更新获得估计值；基于优化阈值软阈值算子进行轮廓波变换获得去噪估计值轮廓波稀疏系数；将获得的去噪估计值轮廓波稀疏系数输入到基于空间自适应全变差CS重建模型中获得重建图像轮廓波系数；使用基于轮廓波维纳滤波算子进行滤波获得重建图像轮廓波系数；将重建图像轮廓波系数进行轮廓波逆变换获得重建图像。本发明采用基于优化阈值软阈值算子的轮廓波变换进行稀疏变换，不仅能够将图像数据与噪声信息进行有效分离，同时能够有效去除隐藏在图像各层中的噪声信息获得高质量的图像稀疏系数，提高了去噪重建能力。
-
公开(公告)号：CN112769545B
公开(公告)日：2022-01-28
申请号：CN202011524802.4
申请日：2020-12-22
Applicant: 郑州轻工业大学
Abstract: 本发明提出了一种基于相邻像素约瑟夫变换和Mealy状态机的图像加密方法，其步骤如下：将大小为M*N的灰度图像转换成二维矩阵；计算灰度图像哈希值和像素值的平均值，分别计算混沌映射的初始值；根据希尔伯特曲线的扫描路线，进行像素级置换得到像素序列；2D‑LSCM混沌映射进行迭代并处理得到两个序列，以两个序列为起点和步长利用约瑟夫遍历进行相邻像素点间比特置乱得到像素序列；对Lorenz混沌映射进行迭代并处理得到3个序列，根据DNA编码转换为DNA序列；利用Mealy状态转换机得到新的DNA序列；将DNA序列转换为二进制序列，得到密文图像。本发明对密钥的敏感性强，能有效抵抗统计攻击和差分攻击等，具有很好的安全性和应用潜力。
-
公开(公告)号：CN113489732A
公开(公告)日：2021-10-08
申请号：CN202110788443.1
申请日：2021-07-13
Applicant: 郑州轻工业大学
Abstract: 本发明提出了一种抵御串谋攻击的内容共享隐私保护方法，用以解决现有的内容共享隐私保护方法很少考虑防范串谋等网络攻击，无法抵抗串谋攻击的问题。本发明的步骤为：产生追责列表和自己的公私钥对；出版者制定LSSS访问策略，对内容进行加密生成密文；消费者请求内容，执行密钥生成算法产生私钥并在追责列表中进行审计和追责；密文云服务器对消费者身份进行验证后从云服务路由节点下载密文；属性授权中心审计泄露的私钥和追责列表，更新追责列表并删除秘密值；属性授权中心计算并更新密钥，消费者、出版者更新密文。本发明能够提升路由节点的缓存命中率，具有较低的缓存隐私风险和内容请求时延，减少了CCN能源消耗。
-
Patent Agency Ranking
公开(公告)号：CN112422268B
公开(公告)日：2021-08-20
申请号：CN202011244318.6
申请日：2020-11-10
Applicant: 郑州轻工业大学
Abstract: 本发明提出了一种基于分块置乱与状态转换的图像加密方法，其步骤为：利用密钥生成系统对图像矩阵进行处理生成初始迭代参数，输入四翼4D混沌系统进行迭代生成四个混沌序列；对混沌序列进行截取并降序排列得到行和列置乱向量生成置乱矩阵；使用扫描曲线对置乱矩阵进行置乱；利用置乱后矩阵对图像矩阵进行置乱得到像素置乱矩阵，将像素置乱矩阵进行DNA编码和混沌序列输入确定有限状态自动机得到状态转换序列；对状态转换序列进行DNA解码得到状态转换序列；利用混沌序列对状态转换序列E进行扩散得到加密图像。本发明的置乱方法能够有效的打破相邻像素的相关性，能够抵抗各种攻击，安全性高，确保图像的安全传输，非常适合图像加密。
-
公开(公告)号：CN113225449A
公开(公告)日：2021-08-06
申请号：CN202110584919.X
申请日：2021-05-27
Applicant: 郑州轻工业大学
Abstract: 本发明提出了一种基于混沌序列和DNA编码的图像加密方法，其步骤为：将灰度图像转换成的图像矩阵计算哈希值并更新混沌系统的初始值；根据Bernoulli移位映射的控制参数和更新后的初始值生成序列作为Knuth‑Durstenfeld洗牌法的随机值进行置乱；对Lorenz混沌系统进行迭代得到3个序列；截取元素分别作为循环移位的位数进行比特级置乱；序列中元素用于DNA编码规则选择编码为DNA序列；利用Mealy状态机进行状态转换得到新的DNA序列；序列中元素用于DNA编码规则选择进行DNA解码，得到密文图像。本发明充分利用混沌的随机性和DNA编码与Mealy状态转换的非线性，有效消除图像相邻像素的相关性，提高了密文图像的安全性。
-
公开(公告)号：CN112491621A
公开(公告)日：2021-03-12
申请号：CN202011371204.8
申请日：2020-11-30
Applicant: 郑州轻工业大学
Abstract: 本发明提供了一种网络安全评估方法及系统，其中，网络安全评估方法包括：检测是否获取到进行网络安全评估的触发事件；在确定获取到所述触发事件时，获取网络的测评参数信息，其中所述测评参数信息包括网络的属性信息、历史传载数据以及历史安全告警信息；根据所述测评参数信息测评所述网络的安全等级。通过本发明的技术方案，能够对网络安全进行有效测评，提高使用过程中的安全性。
-
公开(公告)号：CN112422268A
公开(公告)日：2021-02-26
申请号：CN202011244318.6
申请日：2020-11-10
Applicant: 郑州轻工业大学
Abstract: 本发明提出了一种基于分块置乱与状态转换的图像加密方法，其步骤为：利用密钥生成系统对图像矩阵进行处理生成初始迭代参数，输入四翼4D混沌系统进行迭代生成四个混沌序列；对混沌序列进行截取并降序排列得到行和列置乱向量生成置乱矩阵；使用扫描曲线对置乱矩阵进行置乱；利用置乱后矩阵对图像矩阵进行置乱得到像素置乱矩阵，将像素置乱矩阵进行DNA编码和混沌序列输入确定有限状态自动机得到状态转换序列；对状态转换序列进行DNA解码得到状态转换序列；利用混沌序列对状态转换序列E进行扩散得到加密图像。本发明的置乱方法能够有效的打破相邻像素的相关性，能够抵抗各种攻击，安全性高，确保图像的安全传输，非常适合图像加密。
-
公开(公告)号：CN112202545A
公开(公告)日：2021-01-08
申请号：CN202011156750.X
申请日：2020-10-26
Applicant: 郑州轻工业大学
Abstract: 本发明提出了一种基于Y型填充曲线和变步长约瑟夫遍历的图像加密方法，其步骤为：将灰度图像转换成二维的图像矩阵；计算图像矩阵的哈希值作为密钥，进行运算得到初始参数值；将初始参数值带入2D‑LSCM系统迭代得到混沌序列，进行处理得到序列矩阵，将两个序列矩阵分别作为起始矩阵和初始步长矩阵，采用约瑟夫函数对图像矩阵的每个像素值的二进制位进行比特置乱；使用Y型填充曲线对图像矩阵进行两次像素置乱操作；利用序列矩阵依次进行正向扩散和逆向扩散得到密文图像。本发明通过Y型填充曲线对图像进行混淆，实现密钥与明文图像关联，利用多样性的约瑟夫对图像像素进行比特级置乱，通过对实验结果的分析，具有更好的性能和更高的安全性。
-
-
-
-
-
-
-
-
-
Search Results
94
records
(took 0.032 seconds)
