-
公开(公告)号：CN103530536A
公开(公告)日：2014-01-22
申请号：CN201310464154.1
申请日：2013-09-30
Applicant: 南通大学
IPC: G06F21/16
Abstract: 一种Java软件水印的嵌入方法，包括水印嵌入：将水印信息按设定的规则进行编码，形成水印字符串；调用软件中具备共同特征的n个数据，并对所述数据按1至n进行编号；将所述水印字符串分为n组，分别按所述编号顺序依次与所述n个数据一一建立唯一对应的映射关系，形成一个码本文件；和水印提取：调用软件中所述具备共同特征的n个数据；对照所述码本文件，将所述每个数据所对应的各组字符串取出，并按其编号顺序拼接成水印字符串；根据设定的规则将所述水印字符串译码，得到水印信息。有益效果为：该方法嵌入和提取水印的过程除程序中的方法名外不涉及任何具体的程序代码，隐蔽性强，可以抵抗多种常见的针对软件水印的攻击。
-
公开(公告)号：CN118413314A
公开(公告)日：2024-07-30
申请号：CN202410603017.X
申请日：2024-05-15
Applicant: 南通大学
Abstract: 本发明涉及密码电路实现技术领域，尤其涉及一种基于混淆机制可防御故障攻击的对称加/解密组合电路，包括一条加密电路单元、一条解密电路单元、混淆机制单元、去混淆机制单元和密钥扩展单元；加密电路单元和解密电路单元均为全展开结构，包括Nr个轮变换单元。本发明通过随机数发生器单元、存储器单元和混淆机制单元，使得填充数据不固定，同时对诱导(或注入)故障起到随机化的作用，与传统的单一扩散相比，本发明处理同一组数据功耗呈现动态变化，同时对加密路径中可能存在的故障信息进行随机扩散，破坏了诱导故障和故障密文之间的依赖关系，从而可有效防御故障攻击，提高加密电路的安全性。
-
公开(公告)号：CN113961933B
公开(公告)日：2024-07-23
申请号：CN202111227292.9
申请日：2021-10-21
Applicant: 南通大学
IPC: G06F21/57 , G06F18/2431 , G06F18/2415 , G06N3/0455 , G06N3/0499 , G06N3/047 , G06N3/09
Abstract: 本发明涉及信息安全和自然语言处理技术领域，具体涉及一种基于改进Bert模型的信息安全漏洞分类方法，包括步骤a、数据预处理，从语料库中搜集所有漏洞信息数据作为数据集，通过过滤和清洗的方式对数据集进行预处理，其数据集格式为 ；采用分词方式将数据集分为一个个字作为输入序列X＝(x1，x2，…，xn)。本发明首先对数据进行清洗和过滤，剔除数据集中的噪音数据，可提升信息安全漏洞分类模型的表现；本发明其次引入基于预训练的Bert模型对漏洞进行分类；最后在词嵌入层加入对抗训练FGM、双向编码器后加入多样本随机丢弃(multi‑sample dropout)和标签平滑Focal Loss等技巧提升模型鲁棒性和泛化能力，进一步提升漏洞分类的准确率。
-
公开(公告)号：CN114244495B
公开(公告)日：2023-07-18
申请号：CN202111412025.9
申请日：2021-11-25
Applicant: 南通大学
Abstract: 本发明属于密码电路技术领域，具体涉及一种基于随机掩码感染机制的AES加密电路。随机掩码感染机制对两条加密路径进行掩码，在加密电路运行到某个中间状态之后再进行去掩码，从而破坏电路功耗与所处理数据之间的依赖关系；对两路去除掩码之后的中间数据进行异或运算，通过扩散函数对所得的差值数据进行扩散，最后通过异或运算将获得的扩散数据注入原加密路径，从而破坏诱导故障和故障密文之间的对应关系。AES加密电路包括两条并行的AES加密电路单元、随机掩码感染机制单元和密钥扩展单元，通过随机掩码感染机制单元破坏AES加密电路的功耗和所处理数据之间、诱导故障和故障密文之间的依赖关系，有效防御功耗攻击和故障攻击，提高AES加密电路的安全性。
-
公开(公告)号：CN115422973A
公开(公告)日：2022-12-02
申请号：CN202211072485.6
申请日：2022-09-02
Applicant: 南通大学
Abstract: 本发明提供一种基于注意力的时空网络的脑电情绪识别方法，包括以下步骤：S1、获取受试者观看视频片段的脑电数据和标签数据；S2、数据预处理，包括：降采样、去除基线信号、去除眼电信号和眨眼的生理伪迹、带通通滤波保留4.0～45.0Hz的脑电信号对数据进行划分；S3、构建基于核注意力的时空卷积神经网络模型；S4、训练神经网络模型，进行参数调整，得到脑电情绪识别的分类结果；S5、利用设定的评价指标，以SVM模型作为基线，与多种深度神经网络模型的比较，验证基于核注意力的时空网络模型的有效性。本发明具有较高的识别准确率，能使机器有效识别和理解人类的情绪，使人机交互更加友好，在人机交互领域具有较强的应用价值。
-
Patent Agency Ranking
公开(公告)号：CN115205965A
公开(公告)日：2022-10-18
申请号：CN202210717229.1
申请日：2022-06-23
Applicant: 南通大学
IPC: G06V40/20 , G06V10/82 , G06V10/774 , G06V20/70 , G06V10/776 , G06V10/26 , G06N3/04 , G06N3/08
Abstract: 本发明提供基于改进的YOLO_X算法与注意力模块相结合的头盔检测方法，包括以下步骤：S1、获取人佩戴头盔与未佩戴头盔的图像数据，并进行筛选；S2、对筛选后的一部分图像数据进行重采样和数据增强；S3、将经过数据增强与未数据增强的图像数据汇总成数据集，并对图像数据进行标签标注S4、构建基于改进的YOLO_X算法与注意力模块相结合的头盔检测模型；S5、选取数据集中的一部分图像数据作为训练集训练S4的头盔检测模型并进行参数优化，然后选取数据集中的另一部分图像数据作为测试集放入优化后的头盔检测模型中，输出头盔佩戴预测结果。本发明能提高头盔检测算法的准确度，从而辅助相关部门制定相关决定，减轻交通部门与施工单位的工作量。
-
公开(公告)号：CN114244495A
公开(公告)日：2022-03-25
申请号：CN202111412025.9
申请日：2021-11-25
Applicant: 南通大学
Abstract: 本发明属于密码电路技术领域，具体涉及一种基于随机掩码感染机制的AES加密电路。随机掩码感染机制对两条加密路径进行掩码，在加密电路运行到某个中间状态之后再进行去掩码，从而破坏电路功耗与所处理数据之间的依赖关系；对两路去除掩码之后的中间数据进行异或运算，通过扩散函数对所得的差值数据进行扩散，最后通过异或运算将获得的扩散数据注入原加密路径，从而破坏诱导故障和故障密文之间的对应关系。AES加密电路包括两条并行的AES加密电路单元、随机掩码感染机制单元和密钥扩展单元，通过随机掩码感染机制单元破坏AES加密电路的功耗和所处理数据之间、诱导故障和故障密文之间的依赖关系，有效防御功耗攻击和故障攻击，提高AES加密电路的安全性。
-
公开(公告)号：CN110867224B
公开(公告)日：2022-02-08
申请号：CN201911030948.0
申请日：2019-10-28
Applicant: 南通大学
IPC: G16H10/60 , G06F40/205 , G06F40/279 , G06N3/00
Abstract: 本发明公开一种用于大规模脑病历分割的多粒度Spark超信任模糊方法，首先在Spark云平台上将大规模脑病历数据属性集分割至不同的多粒度进化子种群Granu‑populationi中；设计一种基于多粒度Spark超信任模型，构建多粒度种群内不同超级精英之间信任度；调整多粒度中心阈值，对超级精英使用多粒度子种群均衡调整策略进行动态更新，对大规模脑病历进行全局搜索分割与局部精化分割，超级精英在各自区域内能协同提取知识约简子集；最后求得大规模脑病历最优分割特征集并存储至Spark云平台中。本发明能稳定分割大规模脑病历知识约简集,为脑部疾病智能诊断和辅助治疗提供重要的诊断依据。
-
公开(公告)号：CN109359464B
公开(公告)日：2021-10-15
申请号：CN201811268289.X
申请日：2018-10-29
Applicant: 南通大学
Abstract: 本申请公开了一种基于区块链技术的无线安全认证方法，利用工作量证明和延长最长链相结合的共识机制，将用户的信息产生交易记录在不可篡改且去中心化的区块链账本中，并分别设计了用户注册阶段和用户登录与认证阶段协议。能够有效的避免分布式拒绝服务(DDoS)攻击等常见的攻击方式，使得用户在无线网络环境下能够安全识别网络设备，不被恶意用户攻击。且使用了较少的运算量，能够有效的降低运算成本的开销。
-
公开(公告)号：CN113344887A
公开(公告)日：2021-09-03
申请号：CN202110664376.2
申请日：2021-06-16
Applicant: 南通大学
Abstract: 本发明公开了一种基于深度学习与模糊逻辑的间质性肺炎评估方法，包括以下步骤：收集汇总间质性肺病图像，制作样本数据集；输入病例图像，训练深度学习模型，深度学习模型并部署；导入实时肺部CT图像，通过深度学习模型自动标记出所有病变区域；对所有病变区域进行模糊，该发明采用模型训练和模型预测分离的形式，在胸部纵隔窗CT图像数据中心的电脑上对间质性肺炎深度学习模型进行训练和优化，将训练后深度学习模型部署到搭建了深度学习环境的服务器设备中，通过接收科室主机传递的患者CT图像，由模型读取图像，在服务器中进行间质性肺炎推理预测，实现检测自动化，缓解医生每天因阅读大量CT图像产生的疲劳和误诊，辅助医生决策的速度和准确度。
-
-
-
-
-
-
-
-
-
Search Results
58
records
(took 0.025 seconds)
