-
公开(公告)号：CN106375157A
公开(公告)日：2017-02-01
申请号：CN201610928235.6
申请日：2016-10-31
Applicant: 华侨大学
Abstract: 本发明公开了一种基于相空间重构的网络流关联方法，方法包括在发送端获取发送端的网络流量序列的数字摘要及在接收端获取接收端的网络流量序列的数字摘要；接收端读取已保存的发送端的数字摘要，计算发送端的数字摘要和接收端的数字摘要的余弦相似度；若所述余弦相似度在预设的置信空间内，判定发送端和接收端存在通信关系，否则，判定发送端和接收端不存在通信关系。本发明不需要调制待追踪数据流的包大小、时间、速率等特征来嵌入水印信息，不影响传输效率，不会被现有的流水印攻击方法发现。
-
公开(公告)号：CN106201781A
公开(公告)日：2016-12-07
申请号：CN201610541235.0
申请日：2016-07-11
Applicant: 华侨大学
IPC: G06F11/14
CPC classification number: G06F11/1402
Abstract: 一种基于右边正则纠删码的云数据安全存储方法，首先将原始数据文件进行分块，按数据块数量和需求的冗余度建立正则二部图，按正则二部图对数据块进行异或运算生成信息节点。生成完毕将所有节点分组，每组生成一张DCT表，在正则二部图中标记出每个节点所属的DCT表。当数据上传到云端后，可通过DCT中的信息对云端数据进行审计，若发生数据丢失、篡改等，可通过二部图对丢失节点的相关节点进行运算，以此来恢复数据，保证数据安全。此方法具有空间成本小、计算复杂度低、传输开销低等优点。
-
公开(公告)号：CN105897774A
公开(公告)日：2016-08-24
申请号：CN201610479747.9
申请日：2016-06-27
Applicant: 华侨大学
IPC: H04L29/06
CPC classification number: H04L63/1408
Abstract: 本发明公开了一种基于机器学习的网络用户安全状态评估方法，包括：基于确定的风险传播源u和其传播时间t，建立网络风险的微观传播模型；基于所述传播源，对所述微观传播模型进行多轮的模拟传播；传播结束后，提取指定的特征属性及其对应的特征值形成特征向量；将提取到的特征向量输入到分类器中进行分类训练，生成可以判定新输入特征向量类属的分类规则；实际传播事件发生t时间后，提取网络中所有未被监控用户对应的特征向量；将提取到的特征向量输入训练好的分类器进行分类，获得所有未被监控用户安全状态的估计值。本发明方法通过部分用户的安全状态信息来估计网络中其他用户的安全状态，从而迅速有效地对高风险用户进行处理，阻止风险的传播。
-
公开(公告)号：CN105807254A
公开(公告)日：2016-07-27
申请号：CN201610120483.8
申请日：2016-03-03
Applicant: 华侨大学
CPC classification number: G01S5/0273 , G01S5/06 , G01S5/10
Abstract: 本发明涉及一种基于移动设备自身信息的无线定位方法，以已定位的移动设备作为全部锚点或者部分锚点，对待定位的移动设备进行测距定位。将已经定位出的移动设备作为“移动锚点”来定位其他移动设备。由于已定位的用户均能充当“移动锚点”，大大增加了环境中锚点的数量，防止了因固定锚点数量过少而不能定位等情况的出现，大大提高移动设备的定位率。本发明引入扩展了卡尔曼滤波，降低环境中多径效应和测距误差等的影响，进一步提高定位精度。本发明只需要一般的定位节点即可，对定位硬件无过多的要求，并且算法的计算复杂度较低。与传统定位方案相比，克服了节点的硬件要求较高、定位算法过于复杂、增加了定位成本和计算复杂度等不足。
-
公开(公告)号：CN103593899B
公开(公告)日：2016-05-18
申请号：CN201310535624.9
申请日：2013-11-01
Applicant: 华侨大学
IPC: G07C13/00
Abstract: 本发明提供一种基于蓝牙的匿名团体投票方法包括：投票发起方发起蓝牙投票事件；投票发起方对投票信息进行编辑存入蓝牙设备名字中，并使用密钥加密，经蓝牙进行发送；投票方打开设备蓝牙，接收投票发起方发布投票信息；投票方接收到信息即可使用密钥解密信息进行投票，同时设备成为节点，通过多跳方式进行转发投票信息；投票完毕后，将投票结果及自动产生的随机码存储到手机蓝牙设备名上，输入密钥加密并提交选票，设备将以多跳方式将不同选票者的选票信息扩散、汇总到投票发起方设备上；投票结束，系统根据收到有效信息进行解密，并自动计算投票结果呈现给投票发起方，之后公布选票结果，降低了成本，提高了灵活性、效率、安全性及可靠性。
-
Patent Agency Ranking
公开(公告)号：CN105429940A
公开(公告)日：2016-03-23
申请号：CN201510701787.9
申请日：2015-10-26
Applicant: 华侨大学
CPC classification number: H04L63/1466 , H04L9/0643 , H04L2463/146
Abstract: 本发明公开了一种利用信息熵和哈希函数进行网络数据流零水印提取的方法，该算法在发送端原始流量中，通过对数据流按时间进行分片，统计数据包大小的分布情况并计算香农熵，利用哈希函数对其进行零水印的提取；在接收端，利用同样的方法再次对接收到的流量进行零水印提取；通过对两端提取的零水印的比较来确认发送端和接收端是否存在明显的网络通信关系。采用本发明的网络流零水印系统的提取和检测方法，可以有效确定匿名通信系统中发送端和接收端之间的网络通信关系，为DDoS攻击定位提供理论依据。
-
公开(公告)号：CN104819722A
公开(公告)日：2015-08-05
申请号：CN201510236744.8
申请日：2015-05-11
Applicant: 华侨大学
CPC classification number: G01C21/28 , G01C21/3407
Abstract: 一种行车跟随方法和系统，具体步骤如下：1)用户通过具有定位功能和无线通信功能的移动终端登入；2)判断用户类别，若用户为导向车，则将其位置信息转发给跟随车，同时接收跟随车的位置信息并显示相关信息；若用户为跟随车，则将其位置信息发送给导向车，同时接收导向车的位置信息处理得到导向车的行进路径并显示相关信息。本发明方法和系统利用手机自带的GPS模块实现行车跟随，相较于传统的肉眼跟随方式和普通GPS导航系统具有不易跟丢、不依赖地图数据库的依赖，安全性高的优点。
-
公开(公告)号：CN104167210A
公开(公告)日：2014-11-26
申请号：CN201410414450.5
申请日：2014-08-21
Applicant: 华侨大学
IPC: G10L19/008 , H04N7/15 , H04L29/06
Abstract: 一种轻量级的多方会议混音方法和装置，1)客户端采用AMR编码器对语音进行编码后得到语音PCM数据及数据长度，对编码后的语音PCM数据采用分帧处理，计算每帧语音能量值，并结合该帧语音能量值及其数据长度来确定该帧为语音帧或非语音帧，从而统计出语音PCM数据中语音帧的概率值；2)服务器端通过接收到的语音概率值选出当前的语音概率值最高的两个发言者的语音流，并根据这两个语音概率值大小决定是否使用叠加原理将选出的最多两路语音流进行混音，最后转发混音后的语音包。该方法巧妙地弥补了手机等便携小设备计算能力弱的缺陷，同时又大大降低了服务器进行混音操作的计算量，可广泛应用在多媒体多方会议系统中。
-
公开(公告)号：CN112181666B
公开(公告)日：2023-09-01
申请号：CN202011155848.3
申请日：2020-10-26
Applicant: 华侨大学
IPC: G06F9/50 , G06F16/2455 , H04L41/14 , H04L41/142 , G06N3/0464 , G06N3/08 , G06F16/242
Abstract: 本发明提供一种基于边缘智能的设备评估和联邦学习重要性聚合方法，包括如下步骤：云服务器初始化：云服务器生成初始模型，设备评估与选择：边缘服务器接收终端设备的资源信息，生成资源特征向量，并将所述资源特征向量输入评估模型，本地训练：边缘服务器选择智能设备后，将转存的初始模型发送所述智能设备，智能设备对初始模型在联邦学习中进行本地训练，得到本地模型；本地模型筛选：将本地模型发送到边缘服务器，通过比较本地模型与前一轮全局模型的损失值来判断是否为异常的模型；全局聚合：利用经典的联邦平均算法进行全局聚合。本发明提供的方法一方面解决了带有资源约束设备的训练瓶颈问题，另一方面提高模型聚合的效果以减少冗余的训练与通信消耗。
-
公开(公告)号：CN112583575B
公开(公告)日：2023-05-09
申请号：CN202011413354.0
申请日：2020-12-04
Abstract: 本发明提供一种车联网中基于同态加密的联邦学习隐私保护方法，将基于同态加密的联邦学习引入车联网中，通过改进具有加法同态行的Paillier算法和具有乘法同态性的RSA算法，并结合AES算法和步长混淆的方式，同时采用分层加密技术，使加法同态在边缘端完成，而乘法同态在云端完成以提高加密效率，从而有效防止联邦学习恶意攻击，并有效降低加密导致的延迟的方法；该发明可以应用在车联网中进行隐私保护将联邦学习引入IoV中以解决用户隐私泄露问题。为了进一步地增强数据安全性，在联邦学习中引入高效的同态加密；而且改进了具有加法同态性的Paillier算法和具有乘法同态性的RSA算法，并结合AES算法和步长混淆的方式，构建一个具有全同态加密性的联邦学习架构。
-
-
-
-
-
-
-
-
-
Search Results
124
records
(took 0.052 seconds)
