一种融合压缩感知的隐私保护图像检索方法

    公开(公告)号:CN111522973B

    公开(公告)日:2023-03-31

    申请号:CN202010300704.6

    申请日:2020-04-16

    Abstract: 本发明涉及加密图像检索技术领域,具体涉及一种融合压缩感知的隐私保护图像检索方法,包括:根据图像库中的图像特征构建图像库索引输入查询图像,根据查询图像构建查询索引加密查询索引得到加密后的查询索引将发送给服务器;服务器接收到加密后的查询索引后,计算加密后的查询索引和图像库索引之间的汉明距离,并将汉明距离发送给图像拥有者,图像拥有者解密所有汉明距离,获得解密的汉明距离集合D,如果D=φ,则查询结束;如果D≠φ,则图像拥有者与服务器执行n‑out‑of‑k不经意传输协议检索查询图像的相似图像集。本发明将压缩感知技术融合到图像加密技术中,能够保留图像特征的距离,实现高效的检索算法。

    一种基于邻域相似度和多类型交互的恶意信息溯源方法

    公开(公告)号:CN115375328A

    公开(公告)日:2022-11-22

    申请号:CN202211023091.1

    申请日:2022-08-25

    Abstract: 本发明属于信息处理领域,尤其涉及一种基于邻域相似度和多类型交互的恶意信息溯源方法;所述方法包括获取社交网络平台中的用户相关数据和恶意信息相关数据,利用拓扑结构刻画用户节点的重要性,得到用户节点的初始评分向量、传播路径的初始评分向量以及恶意信息的初始评分向量;通过构建多类型的三元交互网络来利用表示学习挖掘隐性信息优化转移概率矩阵;利用用户节点的初始评分向量、传播路径的初始评分向量以及恶意信息的初始评分向量,循环迭代计算得到用户节点的最终评分向量,进而及时有效定位溯源到恶意信息的传播源用户;这样可以有针对性的对信息进行防御,从而提高了社交网络平台信息传播的准确性和可靠性。

    一种基于图神经网络的恶意软件快速检测方法

    公开(公告)号:CN115344863A

    公开(公告)日:2022-11-15

    申请号:CN202210996905.3

    申请日:2022-08-19

    Abstract: 本发明属于网络与信息安全技术领域,具体涉及一种基于图神经网络的恶意软件快速检测方法,该方法包括:构建恶意软件检测模型,采用不同元结构挖掘软件节点中不同实体中的隐藏信息;捕获节点之间基于高阶内容的相关性,使用注意力机制,对元路径进行语义融合;采用基于元结构相似度匹配的Sim2vec算法从未知软件节点和与之相似的已知软件节点嵌入进行增量聚合,提升检测速度;本发明考虑到不同恶意软件实体的多样性和语义关系复杂性所带来的检测精度不准得问题,采用异质信息网络构建模型,并利用高阶图神经网络挖掘恶意软件的高阶特征信息,再利用相似度算法进行匹配,能够有效的进行恶意软件的快速检测。

    一种基于三元关联图和知识表示的影响力发现方法

    公开(公告)号:CN112256756A

    公开(公告)日:2021-01-22

    申请号:CN202011135676.3

    申请日:2020-10-22

    Abstract: 本发明属于数据挖掘技术领域,具体涉及到一种基于三元关联图和知识表示的影响力发现方法,包括通过网络爬虫获取数据,并进行数据清洗;根据获取的数据源按照用户的转发行为提取热点话题下的消息传播路径和话题下的总消息以及话题下的总用户信息,构建消息‑路径‑用户三元关联图模型;根据交叉迭代策略,在构建的消息‑路径‑用户三元关联图模型上进行正反迭代打分机制来挖掘出热点话题传播的关键元素节点;得到的关键消息、关键路径和关键用户的影响力得分序列结果和相关信息存储到服务器,完成影响力发现;本发明可以帮助使用者在异构、多属性的社交网络中发现高影响力用户。

    一种基于掩膜条件扩散模型的深度伪造对抗样本防御方法

    公开(公告)号:CN118862061A

    公开(公告)日:2024-10-29

    申请号:CN202410937158.5

    申请日:2024-07-12

    Abstract: 本发明公开了一种基于掩膜条件扩散模型的深度伪造对抗样本防御方法,属于深度伪造信息安全领域。通过在扩散模型加入掩膜条件编码器和采用残差预测,训练扩散模型能够有效去除对抗图像中的对抗扰动,同时不改变样本自身的信息。包括步骤获取目标图像,该目标图片是待防御的对抗样本图像;利用训练好的掩膜条件扩散模型,去除目标图像的对抗扰动,得到净化图像;利用深度伪造检测模型对所述净化图像进行检测,若所述净化图像被分类到正确的类别,则防御成功;反之,则防御失败。本发明以较低的计算成本实现了多种对抗样本攻击的防御,对于未知攻击也具有良好的鲁棒性,可以用作现有深度伪造检测领域中的对抗攻击防御。

    一种基于深度哈希的图像认证方法

    公开(公告)号:CN118228239A

    公开(公告)日:2024-06-21

    申请号:CN202410291593.5

    申请日:2024-03-14

    Abstract: 本发明属于图像哈希领域,具体涉及一种基于深度哈希的图像认证方法,包括:构建图像哈希生成的神经网络,采用迁移学习对模型参数进行初始化,使用注意力机制提高提取特征的准确性;设计了一种个性化训练策略,将哈希的生成过程分为两个阶段第一阶段定义为图像分类任务,第二阶段定义为细粒度图像认证任务;第一阶段通过对交叉熵损失进行改进,即通过添加间隔m、尺度因子s;第二阶段使用度量学习中的三元损失训练模型;本发明通过联邦学习生成各个参与机构图像数据的哈希值,通过基于秘钥的自生成阈值认证算法对已泄露图像进行认证并提高认证的效率。

    一种基于改进群签名的联邦学习隐私保护方法

    公开(公告)号:CN118133311A

    公开(公告)日:2024-06-04

    申请号:CN202410273317.6

    申请日:2024-03-11

    Abstract: 本发明属于信息安全领域,特别涉及一种基于改进群签名的联邦学习隐私保护方法,包括客户端根据服务器分发的密钥对数据进行加密,使用服务器发放的密钥进行签名后再上传至服务器;服务器收到各个客户端上传的数据后,通过聚合签名算法将收到的数据聚合为一个签名,通过该签名验证客户端的合法性;若合法,服务器则根据数据进行全局参数更新,并在全局参数更新完成后为每个客户端分发的模型副本上添加条件损失函数,且每个客户端的条件损失函数不同;若签名不合法,则根据关键样本输入该客户端训练的模型中,模型根据关键样本输出标签集合,根据标签集合与原始标签集合的偏差确定可疑客户端的编号;本发明通过聚合签名技术来进一步降低联邦学习中计算的开销,同时也引入了一个条件损失函数模块,使得分发出去的联邦学习模型也同样具有可追溯性。

    一种针对同义词替换攻击的防御方法

    公开(公告)号:CN115719061A

    公开(公告)日:2023-02-28

    申请号:CN202211422598.4

    申请日:2022-11-15

    Abstract: 本发明涉及一种针对同义词替换攻击的防御方法,包括将新闻文本嵌入向量表示得到新闻文本的句子向量序列;提取新闻文本中每个句子的关键词生成候选关键词集;将每个候选关键词的词向量和glove训练词向量进行余弦相似度计算得到候选关键词的同义词;对候选关键词的同义词进行语法检查;将与关键词候选关键词词性相同的同义词作为最终候选词,用最终候选词对新闻文本中相应的关键词进行替换得到第二新闻文本;将第二新闻文本嵌入向量表示得到第一新闻文本向量;将新闻文本的句子向量序列输入LSTM计算得到第二新闻文本向量;将与第二新闻文本向量的余弦相似度超过设定阈值的第一新闻文本向量映射为文本并作为新闻文本的对抗样本。

    基于高阶传播网络的恶意-反恶意信息传播预测方法

    公开(公告)号:CN115495670A

    公开(公告)日:2022-12-20

    申请号:CN202211126773.5

    申请日:2022-09-16

    Abstract: 本发明属于信息传播分析处理领域,具体为基于高阶传播网络的恶意‑反恶意信息传播预测方法。所述方法包括获取社交网络平台的传播话题下的用户行为记录、信息参与记录以和信息传播情况,并进行预处理;从而提取出用户自身属性、用户群体属性以及用户影响力;计算出用户的多维信息影响力;根据动态博弈理论计算恶意信息与反恶意信息的传播推动力;将用户分成四类状态,建立出传播模型;根据恶意信息与反恶意信息的传播推动力,利用传播模型的动力学方程求解出任意用户在任意时刻参与恶意信息和反恶意信息传播的概率。

Patent Agency Ranking