-
公开(公告)号：CN115208767B
公开(公告)日：2023-10-27
申请号：CN202210512262.0
申请日：2022-05-12
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本发明公开了一种基于仿真技术的以太坊网络探测方法、装置、计算机设备和存储介质，所述方法包括：采集数据，所述数据包括节点间相识关系和节点元数据；创建启动节点后，通过利用节点发现协议的特点，对对等节点进行反复查询并聚合去重，节点数据库得到此前未被分析的节点相识关系；根据所述节点间相识关系和节点元数据，对以太坊网络中节点的行为进行分析。本发明通过利用节点发现协议的特点，对对等节点进行反复查询并聚合去重，节点数据库得到此前未被分析的节点相识关系，进而根据节点相识关系和节点元数据对以太坊网络中节点的行为进行分析，发现的活跃节点数量比现有其他方法都多，表明本方法可以更加完整的展现以太坊网络性质。
-
公开(公告)号：CN114881696A
公开(公告)日：2022-08-09
申请号：CN202210526151.5
申请日：2022-05-16
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本发明公开了一种基于区块链的隐私保护广告归因方法、系统、装置、计算机设备及存储介质，所述方法包括：利用区块链的不可篡改以及隐私求交的特性，让本次归因的参与方得到与任意一方之间的交集数据，而不泄漏任何交集以外的数据；所述参与方包括多个流量方和广告主；利用区块链的去中心化、不可篡改、共识机制以及可信执行环境，将所述交集数据与广告主数据进行关联，按照特定的时间窗口与归因逻辑进行归因操作，使各广告平台、各广告主以及各流量方均能得到归因明细。本发明提供的方法通过利用区块链的特性，很好地解决了广告归因过程中的信任与隐私问题。
-
公开(公告)号：CN110867012A
公开(公告)日：2020-03-06
申请号：CN201911121710.9
申请日：2019-11-15
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本发明提供了一种基于智能合约的去中心电子投票方法、装置、系统及存储介质，该去中心电子投票方法包括初始化步骤、选民注册步骤、门限加密步骤、选票加密签名步骤、选票上传步骤、选票合法判断步骤、解密步骤和统计公布步骤。本发明的有益效果是：本发明能够保证投票公开透明，选民的匿名性得到了保护，系统健壮性强可抵制恶意攻击者攻击，小部分恶意的选民也不会破坏整个选举的进行；并且本发明将投票管理者的权利降到最小。
-
公开(公告)号：CN110309331A
公开(公告)日：2019-10-08
申请号：CN201910599265.0
申请日：2019-07-04
Applicant: 哈尔滨工业大学(深圳)
IPC: G06F16/51 , G06F16/583 , G06F16/31 , G06F16/33 , G06K9/62
Abstract: 本发明专利涉及一种基于自监督的跨模态联合哈希检索方法，该方法包括以下步骤：步骤1：针对图像模态数据进行处理：采用深度卷积神经网络对图像模态的数据进行特征提取，对图片数据进行哈希学习，将深度卷积神经网络的最后一层全连接层的节点个数设置为哈希码的长度；步骤2：针对文本模态数据进行处理：使用词袋模型对文本数据进行建模，建立一个两层的全连接神经网络对文本模态的数据进行特征提取，神经网络的输入是使用词袋模型表示的词向量，第一个全连接层节点的数据与第二个全连接层节点的数据与哈希码的长度相同；步骤3：针对类别标签处理的神经网络：采用自监督的训练方式从标签数据中提取语义特征；步骤4：最小化图像与文本网络所提取的特征与标签网络的语义特征间的距离，使得图像与文本网络的哈希模型能够更充分学习不同模态间的语义特征。
-
公开(公告)号：CN109284411A
公开(公告)日：2019-01-29
申请号：CN201810402753.3
申请日：2018-04-28
Applicant: 哈尔滨工业大学深圳研究生院
Abstract: 本发明涉及图像数据处理领域，特别涉及一种基于有监督超图离散化图像二值编码方法。该方法包括以下步骤：S1.假设一个由n幅图像组成训练集，将训练集所有样本通过学习哈希函数映射到汉明空间的二值化哈希码；S2.定义一个线性多分类模型，采用优化函数对离散化变量进行优化，得出第一目标函数；S3.采用超图对数据哈希码之间的距离度量一致性进行约束，得出第二目标函数；S4.整合第一目标函数和第二目标函数，得到完整的目标函数，采用“位循环坐标下降方法”学习哈希码矩阵，并通过迭代运算优化目标函数。本发明既可以保持数据在原始空间相似性，又能提高检索的准确率。
-
Patent Agency Ranking
公开(公告)号：CN108510559A
公开(公告)日：2018-09-07
申请号：CN201810288688.6
申请日：2018-03-30
Applicant: 哈尔滨工业大学深圳研究生院
IPC: G06T9/00
Abstract: 本发明涉及一种基于有监督多视角离散化的多媒体二值编码方法。该方法包括：S1. 假设一个由n幅图像组成训练集，通过学习得到包含一系列子函数的哈希函数，将样本的两种不同模态的特征映射到经过优化的特征空间中，得到的一系列与哈希子函数对应的哈希值，然后通过二值量化将哈希值转化为二值化哈希码：S2. 基于有监督训练的哈希函数：定义一个线性多分类模型并对模型函数进行优化，采用最小平方损失作为目标函数；S3. 基于最小量化损失的哈希函数：假设一种模态的特征，通过哈希函数优化至量化损失最小；S4. 基于多视角锚图的哈希函数：构造锚图，并采用锚图正则化哈希函数；S5. 优化算法。本发明既可以保持数据在原始空间相似性，又能提高检索的准确率。
-
公开(公告)号：CN107784663A
公开(公告)日：2018-03-09
申请号：CN201711124878.6
申请日：2017-11-14
Applicant: 哈尔滨工业大学深圳研究生院
Abstract: 本发明公开了一种基于深度信息的相关滤波跟踪方法及装置，其方法包括：基于深度图的图像分割技术，自适应性量化深度信息，得到深度图像分割结果；利用深度图像分割结果，根据不同场景构建相应的三维空间模型的分层结构；利用分层结构，并结合核相关滤波跟踪算法处理目标尺度变化及检测遮挡。本发明一方面过滤前景和背景信息减少跟踪的干扰因素，结合成熟的图像特征提取技术；另一方面这样的分层结构简化了深度信息的使用方法，使得处理目标尺度变化以及检测遮挡更为容易。结合核相关滤波跟踪算法实现了使用二维表观模型在空间结构下的跟踪方法，能够有效应对遮挡和处理目标尺度变化，提高视觉跟踪效果。
-
公开(公告)号：CN116226662B
公开(公告)日：2024-02-09
申请号：CN202310012741.0
申请日：2023-01-05
Applicant: 哈尔滨工业大学(深圳)
IPC: G06F18/214 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种多智能体协同强化学习方法、终端及存储介质，方法包括：获取环境参数，构造模拟环境，并根据环境参数以及智能体数目确定学习者智能体；根据任务需求构造对应数量的工作者智能体，并根据任务需求构造对应数量的行动者智能体；其中，每个工作者智能体用于与多个行动者智能体进行交互，每个行动者智能体分别与一个独立的模拟环境交互；获取样本数据，根据样本数据对学习者智能体进行训练，得到训练后的模型参数；通过学习者智能体定期将训练后的模型参数更新到共享内存中，并通过工作者智能体定期从共享内存中更新决策网络的参数，得到强化学习后的策略。本发明提高了多智能体的强化学习过程中的样本利用率及样本数量。
-
公开(公告)号：CN113742775B
公开(公告)日：2023-07-28
申请号：CN202111049937.4
申请日：2021-09-08
Applicant: 哈尔滨工业大学(深圳)
IPC: G06F21/62 , G06V10/764 , G06N20/00
Abstract: 本发明提供一种图像数据安全检测方法、系统及介质，其中机器学习分类模型在训练前，利用预设恶意扩充方法扩充数据持有端的原始训练集，得到第一扩充集和第二扩充集，其中第一扩充集记录有原始训练集的样本图像，第二扩充集存储有原始训练集各类别标签的标签编码，并同时利用原始训练集、第一扩充集和第二扩充集进行训练；模型提供端则可在本地利用相同扩充方法还原第一扩充集和第二扩充集，并将第二扩充集输入至训练后的分类模型，还原出原始训练集中各类别标签与标签编码的对应关系，进而便可利用第一扩充集及该对应关系对原始训练集进行还原及泄露检测，避免数据窃取攻击在标签编码未知时难以检测的问题，增强了安全人员对数据泄露的检测能力。
-
公开(公告)号：CN115632761B
公开(公告)日：2023-06-23
申请号：CN202211038350.8
申请日：2022-08-29
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本发明公开了一种基于秘密共享的多用户分布式隐私保护回归方法及装置，方法包括下述步骤：数据提供方C1，C2，...，Cn分别将各自的隐私数据(x1，y1)，(x2，y2)，...，(xn，yn)通过加性算术秘密共享分发给第一服务器S0和第二服务器S1，得到数据特征的秘密份额和数据标签的秘密份额；第一服务器S0和第二服务器S1基于获得的数据特征的秘密份额和数据标签的秘密份额进行安全两方计算；第一服务器S0和第二服务器S1分别将各自的模型参数的秘密份额 0和 1发送给数据使用方，然后数据使用方在本地重构出完整的模型参数w＝ 0+ 1。本发明在保证较高安全性的同时，以较低通信代价和较少交互次数完成模型训练任务。
-
-
-
-
-
-
-
-
-
Search Results
55
records
(took 0.022 seconds)
