-
公开(公告)号：CN113934945A
公开(公告)日：2022-01-14
申请号：CN202111211334.X
申请日：2021-10-18
Applicant: 暨南大学
IPC: G06F16/9537 , G06F16/9535
Abstract: 本发明公开了一种面向轨迹发布数据集的语义敏感的位置轨迹隐私保护方法、系统及介质。该方法包括对用户的初始轨迹T0进行停止点搜索，获得停止点；采用类别距离优先法或马尔科夫矩阵法获得POI；使用获得的POI替换停止点，得到混淆轨迹T1；以混淆轨迹T1作为输入，采用中间点生成算法得到中间轨迹Td；以初始轨迹T0以及中间轨迹Td作为输入，采用轨迹纠正算法得到保护语义信息的匿名轨迹Tdummy。本发明采用停止点混淆技术、类别‑距离优先法和马尔科夫矩阵，利用已有的POI信息和停止点搜索技术对用户的轨迹进行混淆，根据类别和概率判断来选择用于替换停止点的最佳POI，降低匿名后的轨迹效用损失，实现了面向语义的轨迹隐私保护。
-
公开(公告)号：CN113641192A
公开(公告)日：2021-11-12
申请号：CN202110763664.3
申请日：2021-07-06
Applicant: 暨南大学
Abstract: 本发明公开了一种基于强化学习的无人机群智感知任务的路径规划方法，在演员‑批评者架构中加入多头注意力机制和对其他无人机策略的拟合，使得无人机执行决策时，充分考虑其他无人机的状态和策略。当无人机的数据收集量大于平均水平时，给予额外的奖励值以加速任务完成。当无人机间的路径重叠时，根据信号点数据量判断属于协作或竞争，依此修正它们的奖励值，从而促进其协作。使用n步返回时序差分计算批评者网络的目标价值，使无人机更有远见。最后，为使无人机更好的探索最大化数据收集量，使用分布式架构，给不同虚拟场景的无人机决策网络输出的动作加上不同方差的噪声。
-
公开(公告)号：CN109195162A
公开(公告)日：2019-01-11
申请号：CN201811190159.9
申请日：2018-10-12
Applicant: 暨南大学
Abstract: 本发明公开了一种车联网中聚合两种信任评估的消息可靠性评估方法，其中，信任中心负责维护车辆的信任信息，车辆定期向信任中心请求自己最新的信任证书；消息发布者发送消息时附带最新的信任证书以证明自己可信赖；消息接收者收到每条消息后提取信任证书并综合考虑多个消息发布者的消息以判断其是否可靠，然后根据消息质量为每个消息发布者生成一条信任反馈，并发送至信任中心，随后信任中心更新本地存储。本发明高效聚合两种信任评估，且无需消息接收者实时请求信任中心，因而评估结果更加准确，评估速度更快，且兼容车辆短时间内无法连接到信任中心的情况，更符合车联网的高动态特性。
-
公开(公告)号：CN108322757A
公开(公告)日：2018-07-24
申请号：CN201810039694.8
申请日：2018-01-16
Applicant: 暨南大学
IPC: H04N19/467 , H04N19/593
Abstract: 本发明提供了基于帧内预测编码的视频隐写方法，通过构造合适的失真函数后利用STC进行实际嵌入，能确保修改预测模式造成的失真是接近最小的。本发明发送方嵌入消息时，从第一个关键帧I1开始嵌入，根据映射规则得到最优组集 将最优组集 秘密消息序列m1,1和嵌入扰动集送入第一层嵌入器得到含秘组集 将含秘组集 秘密消息序列m1,2和嵌入扰动集送入第二层嵌入器得到含秘组集 根据含秘组集 选用最终预测模式生成视频编码；最终生成含密编码视频X′；接收方提取消息时，从含密编码视频中获取帧内预测编码后的关键帧；从第一个关键帧开始消息提取，利用解码器得到预测模式；根据映射规则得到含密组集，并提取得到私密消息。
-
公开(公告)号：CN119963392A
公开(公告)日：2025-05-09
申请号：CN202510137789.3
申请日：2025-02-07
Applicant: 暨南大学
IPC: G06T1/00 , G06N3/045 , G06N3/0455 , G06N3/0464 , G06N3/0475 , G06N3/09 , G06N3/094
Abstract: 本发明公开一种数字图像水印嵌入与提取方法和装置、存储介质，将直方图位移与神经网络嵌入相结合，在DCT变换后先通过直方图位移使得嵌入的数据流在JPEG压缩下能产生最小的噪声，再通过神经网络补偿算法使得数据流对宿主图像的影响更小。采用本发明的技术方案，解决现有神经网络嵌入数字水印技术在应对JPEG压缩攻击时表现较差的问题。
-
Patent Agency Ranking
公开(公告)号：CN117828216A
公开(公告)日：2024-04-05
申请号：CN202311669809.9
申请日：2023-12-07
Applicant: 暨南大学
IPC: G06F16/958 , G06F18/2415 , G06N3/0455 , G06F18/213
Abstract: 本发明公开了一种多模态Web信息检索静态排序学习方法、系统、设备及介质，方法包括获取目标网页的网页截图与网页信息并基于截图与信息得到网页文本信息、HTML文本、HTML标签以及网页统计特征信息；分别对网页文本信息、HTML文本信息、HTML标签信息以及网页统计特征信息进行映射并进行特征提取，分别得到文本特征向量、HTML标签特征向量、HTML文本特征向量以及网页统计特征向量；将得到的4个特征向量进行特征组合，得到组合特征向量；根据组合特征向量进行评价与等级划分，生成网页的预测评价等级。本发明从多维度深入地探索网页信息的内在特征，更准确、客观与合理地对目标网页的Web内容质量进行评价，提高了评价准确度，且不易受各种作弊方法影响。
-
公开(公告)号：CN113507360B
公开(公告)日：2024-01-09
申请号：CN202110715134.1
申请日：2021-06-26
Applicant: 暨南大学
Abstract: 本发明公开了一种基于区块链的科技大数据的交换与共享的系统与方法，所述系统包括数据提供方与数据请求方，所述数据提供方是指将提供科技大数据，并将所述科技大数据通过区块链发布到区块链网络中，供其他科研参与者访问使用的科研机构或个人；所述数据请求方是指访问数据提供方提供的数据的科研机构或个人。本发明的优势在于，解决科技大数据在共享交换问题。采用区块链构建新型大数据交换系统，通过区块链的去中心化和去信任的方式集体维护可靠的分布式数据库，并通过区块链的可溯源特性确保数据可信以及实现版权保护和版权流动。
-
公开(公告)号：CN116664456B
公开(公告)日：2023-11-17
申请号：CN202310960223.1
申请日：2023-08-02
Applicant: 暨南大学
IPC: G06T5/00 , G06N3/0464 , G06N3/098 , G06T5/50 , G06V10/764 , G06V10/774 , G06V10/82
Abstract: 本发明提出一种基于梯度信息的图片重建方法、系统及电子设备，包括：获取联邦学习中的图片分类模型，及其原始真实图片的真实梯度信息；基于所述真实梯度信息和图片分类模型，获取虚拟图片、标签信息和虚拟梯度信息；获取所述真实梯度信息与所述虚拟梯度信息之间的损失值；基于所述损失值对虚拟图片进行迭代优化，获取重建的图像。本发明基于梯度信息可重建出高质量的图片，重建的虚拟图片与原始真实图片之间的PSNR值达到25.6至33.8之间。
-
公开(公告)号：CN113645187B
公开(公告)日：2023-04-11
申请号：CN202110761477.1
申请日：2021-07-06
Applicant: 暨南大学
IPC: H04L9/40
Abstract: 本发明公开了一种隐私度量和保护策略选择方法、装置、服务器和存储介质，应用于服务器，所述方法包括：接收用户客户端发送的隐私因素集和用户id；根据所述隐私因素集和用户id，将所述隐私因素集里的因素进行大类划分，获取对应的隐私策略参数；根据所述用户id，将所述隐私策略参数发送给对应的用户客户端；接收用户客户端根据所述隐私策略参数发送的新隐私策略参数；确认所述新的隐私策略参数后，将所述新隐私策略参数、所述隐私因素集和所述用户id绑定存储，作为隐私策略。本发明提出对隐私因素集里的因素进行大类划分，对影响环境的因素具有较高的可扩展性和容错性。
-
公开(公告)号：CN113436050A
公开(公告)日：2021-09-24
申请号：CN202110569103.X
申请日：2021-05-25
Applicant: 暨南大学
Abstract: 本发明公开了一种双输入卷积融合的可见水印检测擦除方法，包括以下步骤：构建可见水印检测擦除网络，包括多任务全卷积水印分割网络、基于部分卷积的水印去除网络以及基于普通卷积的双输入分支水印去除网络；输入待处理水印图像，水印图像经过多任务全卷积水印分割网络、基于部分卷积的水印去除网络以及基于普通卷积的双输入分支水印去除网络的处理，得到最终的无水印图像。本发明方法适用于多种嵌入强度的可见水印的去除，相比较于传统方案或使用单一卷积的CNN网络方案，能够适用于不同颜色，不同嵌入强度的水印的去除工作。
-
-
-
-
-
-
-
-
-
Search Results
53
records
(took 0.055 seconds)
