-
公开(公告)号：CN115834248A
公开(公告)日：2023-03-21
申请号：CN202310063509.X
申请日：2023-02-06
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
Abstract: 本发明属于数据处理相关技术领域，提出了面向信息物理系统的攻击和异常数据流检测方法及装置，包括：获取信息物理系统中实时数据流并将所获取的数据流转换为数据对象集；对所述数据对象集进行预处理后输入至训练好的反向传播网络中，得到数据对象集所对应的数据标签；根据数据对象集所对应的数据标签判断当前数据是否被攻击或攻击类型，对可能存在的威胁进行快速检测。
-
公开(公告)号：CN114781008B
公开(公告)日：2022-10-28
申请号：CN202210395273.5
申请日：2022-04-15
Applicant: 山东省计算中心(国家超级计算济南中心) , 山东钢铁集团永锋临港有限公司
Abstract: 本发明公开了面向物联网终端固件安全检测的数据识别方法，包括：对待分析固件进行解压；以解压待分析固件的目录作为根目录，遍历根目录中所有文件，若文件类型非链接类或图片类，则使用二进制方式读取文件内容，并利用预先编写的正则表达式匹配特定格式数据，将与预先编写的正则表达式匹配的数据加入预筛选数据集合；提取预筛选数据集合内各数据所属文件中与各数据相关的特征字符，并计算特征字符与预设关键字符集的相似度，并根据相似度降序，对各数据进行验证。本发明还提供了面向物联网终端固件安全检测的数据识别装置。本发明能够对固件中特定格式数据进行检测和提取，降低因固件中存在特定格式数据而造成的安全和隐私泄露风险。
-
公开(公告)号：CN111552511A
公开(公告)日：2020-08-18
申请号：CN202010408790.2
申请日：2020-05-14
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明的VxWorks系统物联网固件解包恢复文件名的方法，包括：a).固件分析；b).特征字符串搜索；在未解压的原始固件中搜索是否含有“MINIFS”或者连续16个“ow”特征字符串；c).文件名定位；将特征字符串的位置记为position，偏移量记为offset；d).确定文件偏移，建立未恢复的文件名undefinefilei与文件名字符串filei的一一映射；e).解包并恢复文件名。本发明的固件文件名恢复方法，实现了对VxWorks系统物联网固件文件名的恢复，为对固件文件的进一步分析提供了必要前提。
-
公开(公告)号：CN110708160A
公开(公告)日：2020-01-17
申请号：CN201910959287.3
申请日：2019-10-10
Applicant: 山东省计算中心(国家超级计算济南中心)
Inventor： 付勇 , 杨美红 , 王美琴 , 郭山清 , 王继志 , 陈丽娟 , 樊燕红 , 杨明 , 杨英 , 陈振娅 , 穆超 , 李冠霖 , 杨光 , 文立强 , 王彪 , 杨明瞾 , 王英龙
IPC: H04L9/30
Abstract: 本公开公开了基于SM2算法标量乘法编码的抗侧信道攻击方法及系统，包括：生成基准坐标表，生成预编码坐标参数表ParTable；获取椭圆曲线公钥密码算法的参数k；基于基准坐标表、预编码坐标参数表ParTable和椭圆曲线公钥密码算法的参数k，实时生成编码表；基于实时生成的编码表，完成椭圆曲线公钥密码算法中的固定点标量乘法kG的运算，在椭圆曲线公钥密码的数字签名生成过程、数字签名验证过程、加密过程或密钥交换协商过程中使用运算获取的kG，抵御侧信道攻击。
-
公开(公告)号：CN119513498B
公开(公告)日：2025-05-23
申请号：CN202411673870.5
申请日：2024-11-21
Applicant: 齐鲁工业大学(山东省科学院) , 山东省计算中心(国家超级计算济南中心) , 青岛理工大学
IPC: G06F18/10 , G06F18/213 , G06F18/22 , G06N3/0442 , G06N3/0464 , G06N3/08 , G06N20/20
Abstract: 本发明属于时间序列预测的技术领域，更具体地，涉及一种基于深度集成学习模型和高低频分离的时间序列数据预测方法。所述方法包括：收集系统中的时间序列数据，对得到的数据进行预处理；对原始时间序列数据进行VMD变分模态分解，将时间序列分解成K个有限带宽的模态分量；联合最大信息系数法和重构误差分析法来确定最佳的分解模态数量K；对分解的所有模态使用过零率和中心频率来划分高低频分量；分别针对高频分量和低频分量建立合适的预测模型；将所有模态预测结果进行叠加，得到最终的时间序列预测结果。本发明组合了多种深度学习模型使得预测方法具备更强的灵活性和适应性，能够针对不同特征的分量选择合适的模型进行预测，从而提升整体性能。
-
Patent Agency Ranking
公开(公告)号：CN119989410A
公开(公告)日：2025-05-13
申请号：CN202510078470.8
申请日：2025-01-17
Applicant: 山东省计算中心(国家超级计算济南中心) , 山东金煜电子科技有限公司
IPC: G06F21/62 , G06F21/60 , G06F21/33 , G06F16/901 , G06N5/01 , G06N5/022 , G06N5/04 , H04L9/40 , H04L9/00 , H04L9/32
Abstract: 本发明属于信息检索的技术领域，更具体地，涉及一种基于树分解的加密图质量约束最短路径查询方法、装置及计算机可读存储介质。所述方法包括密钥分发机构将密钥对发送至数据所有者，将密钥发送至用户；数据所有者将图数据构造为密文索引，并发送至云平台；当用户对图数据进行查询时；将授权令牌通过安全信道发送至用户；用户接收到授权令牌后，开始对图数据进行查询；云平台执行查询算法；获取查询的质量约束最短距离以及该最短路径的中间节点；授权令牌到达限制时间后，用户将失去对图数据G的查询权限。本发明解决了数据存储在第三方服务器上可能带来泄露和安全风险，尤其是云服务器可能未经授权访问或窃取数据，威胁用户隐私与安全的问题。
-
公开(公告)号：CN119882575A
公开(公告)日：2025-04-25
申请号：CN202510360780.9
申请日：2025-03-26
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: G05B19/042
Abstract: 本发明属于机器人控制的技术领域，更具体地，涉及一种基于双重预分割的大规模物联网数据收集系统及方法。所述方法包括：对物联网中的传感器节点进行预分割，将监测区域内的所有传感器节点划分为多个簇，每个簇由一个簇头节点管理；根据无人机数量和数据分布特征，将监测区域划分为多个子区域；基于深度强化学习为无人机群设计无碰撞的飞行路径；无人机根据路径规划过程提供的飞行路径，在检测区域内移动，访问传感器节点并收集数据；同时记录已访问节点和未访问节点的状态。本发明在大规模复杂的物联网环境下，远少于传感器节点数量的无人机即可实现大量数据的采集，并合理规划无人机路径实现无碰撞规划，高效完成节点数据的采集任务。
-
公开(公告)号：CN119808896A
公开(公告)日：2025-04-11
申请号：CN202510296997.8
申请日：2025-03-13
Applicant: 齐鲁工业大学(山东省科学院) , 山东省计算中心(国家超级计算济南中心)
IPC: G06N3/098 , G06F21/62 , G06F18/2132 , G06F18/214
Abstract: 本发明属于隐私保护的技术领域，更具体地，涉及面向保隐私异构去中心化学习的正则约束自适应调整方法。所述方法包括：将每个客户端#imgabs0#的本地模型#imgabs1#划分为共享模型#imgabs2#和保留模型#imgabs3#，对共享模型#imgabs4#进行正则化约束；客户端#imgabs5#使用上一轮聚合后的共享模型#imgabs6#和本地保留模型#imgabs7#，基于本地数据集#imgabs8#进行梯度下降更新；通过KL散度对正则化参数#imgabs9#进行动态更新调整；对共享模型进行差分隐私保护，然后将加噪后的共享模型广播给邻居客户端；客户端i的邻居客户端接收加噪后的共享模型并进行聚合，以得到下一迭代轮次的本地模型。本发明在保护数据隐私的同时，减轻数据异质性和差分隐私噪声对模型性能的负面影响。
-
公开(公告)号：CN119696907A
公开(公告)日：2025-03-25
申请号：CN202411890563.2
申请日：2024-12-20
Applicant: 齐鲁工业大学(山东省科学院) , 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明属于保密通信的技术领域，更具体地，涉及一种满足K跳约束的加密图最短路径查询方法。所述方法包括：图数据拥有者生成授权令牌并通过安全信道发送给图数据查询者；图数据查询者加密查询请求并发送给图数据拥有者；图数据拥有者解密查询请求对原始图数据进行处理并加密图数据信息发送给云服务器；云服务器接收到加密的数据处理查询最短路径发送给数据查询用户；图数据查询者接收到查询的结果，利用授权令牌的sk进行解密，得到明文结果。本发明解决了现有技术数据容易泄露，查询效率低下的问题。
-
公开(公告)号：CN119293861A
公开(公告)日：2025-01-10
申请号：CN202411845784.8
申请日：2024-12-16
Applicant: 齐鲁工业大学(山东省科学院) , 山东省计算中心(国家超级计算济南中心)
IPC: G06F21/62 , G06N3/0464 , G06N3/098
Abstract: 本发明属于联邦学习的技术领域，更具体地，涉及面向异构联邦学习的自适应差分隐私保护方法。所述方法包括在模型的不同层次上引入自适应噪声。模型的各层次对整体学习效果的贡献存在差异，为了在加噪的同时尽可能减小对关键特征的破坏，本文基于模型层次的重要性程度对不同部分进行差异化加噪，即在较重要的层次上施加较少噪声，而在次要层次上施加更多噪声。本发明解决了传统的差分隐私联邦学习方法由于噪声的引入，通常会对模型的性能产生负面影响，尤其是降低模型的收敛速度和精度的问题。
-
-
-
-
-
-
-
-
-
Search Results
108
records
(took 0.041 seconds)
