-
公开(公告)号：CN118862144A
公开(公告)日：2024-10-29
申请号：CN202410837156.9
申请日：2024-06-26
Applicant: 北京交通大学
IPC: G06F21/62 , G06N3/0464 , G06N3/0442 , G06N3/094 , G06F18/25 , G06F18/22
Abstract: 本发明提供一种多模态隐私数据生成模型训练方法、数据生成方法及系统，属于数据隐私保护技术领域，本发明实现了在一个统一框架中生成RGB图像和表格数据，无需使用额外的公开数据和端到端的训练方式，并且各类型数据的生成过程中相互联系，提升了生成数据的语义一致性，能够有效融合不同模态的关键信息实现准确的多模态数据判别；提出多角度判别与多模态匹配损失，多模态判别损失主导GAN模型的训练过程，单模态判别损失用于辅助模型平衡不同模态的学习效率，匹配损失促进模型对模态间关系的学习。为了降低生成模型的隐私泄漏风险，提出将差分隐私机制应用在基于GAN的图像与表格数据联合生成模型上，以平衡合成数据的可用性与隐私性。
-
公开(公告)号：CN118230263A
公开(公告)日：2024-06-21
申请号：CN202410111708.8
申请日：2024-01-26
Applicant: 北京交通大学
Abstract: 本发明提供一种骑行流量及人流量轻量化监控方法及装置，属于基于机器视觉的交通流量监控技术领域，获取慢行交通道路非机动车道视频，进行预处理，得到所需格式的视频图像序列进行标注，输入模型进行训练，得到训练轮次内平均精确度最高的权重文件，用于目标检测和跟踪算法；在检测视频中划分非机动车道区域，检测非机动车道上的机动车辆；利用训练好的模型，对非机动车道行驶的机动车进行识别检测，为每辆车分配唯一的标识；维护一个集合，记录每个标识和对应的数量；根据目标标识和集合，动态更新骑行流量和行人流量数据。本发明通过目标的唯一标识，可以动态更新人流量和骑行流量数据，提供了准确、实时、稳定可靠的慢行交通数据。
-
公开(公告)号：CN118172049A
公开(公告)日：2024-06-11
申请号：CN202410280035.9
申请日：2024-03-12
Applicant: 北京交通大学
Abstract: 本发明公开了一种基于区块链大规模交易的隐私保护与监管的方法，包括交易发出的发送方、交易接收者的接收方、独立的验证方、以及能够打开交易并对交易进行链接溯源的监管方，验证方是共识算法所选取的记账者，验证发送方的交易并记录于区块链上；其中，隐私保护通过Merkle树的成员证明保障交易发送方的身份隐私，监管是指在交易结束后监管方通过该陷门打开交易获得交易的数值与身份隐私。本发明在加密货币的方案设计角度中引入监管，从而达到对违法交易进行监管溯源，进而减少违法交易数量的效果。本发明设计Sigma零知识证明协议能够降低共识算法中引入监管所带来的额外计算与传输开销。
-
公开(公告)号：CN117977504A
公开(公告)日：2024-05-03
申请号：CN202311243728.2
申请日：2023-09-26
Applicant: 国网吉林省电力有限公司电力科学研究院 , 吉林省电力科学研究院有限公司 , 北京交通大学 , 国网吉林省电力有限公司 , 国网吉林省电力有限公司长春供电公司
Inventor： 李成钢 , 刘亚东 , 董洪达 , 刘乃毓 , 侍哲 , 于非桐 , 王伟 , 李德鑫 , 崔运海 , 刘大鹏 , 吴奎忠 , 郭振华 , 刘文斌 , 张大海 , 张浩 , 罗国敏 , 谭颖婕
IPC: H02H7/26 , G06F18/10 , G06F18/2131 , G01R31/08
Abstract: 基于零序电流瞬时能量的配电网差动保护判据构建方法，属于电网故障检测技术领域，提出了以零序电流瞬时能量比值为差动保护动作判据，可以保证保护可靠动作；同时提出了一种改进的完全自适应噪声集合经验模态分解ICEEMDAN+希尔伯特Hilbert变换算法，该算法能够很好地降低噪声并且能够消除EMD算法带来地模态混叠问题。在算法层面实现了零序电流的降噪，加强了所提判据的可靠性。本发明构建一种更稳定、可靠性更高的配电网差动保护判据，并且在算法上实现采集信息的降噪；解决传统差动保护判据在配电网中出现的误判问题；同时解决零序电流作为配电网差动保护判据时可靠性低的问题。
-
公开(公告)号：CN116562874B
公开(公告)日：2024-01-02
申请号：CN202310473481.7
申请日：2023-04-27
Abstract: 本发明提供一种基于零知识证明的隐私保护跨链交易验证方法，用于解决现有跨链平台难以在隐私保护的前提下验证跨链交易真实性的难题。基于零知识证明与集合成员证明的隐私保护特性，根据跨链交易隐私内容与默克尔树的计算关系，创造性地提出了一种基于零知识证明的隐私保护跨链交易验证方法，源链生成零知识证明以证明跨链交易的真实性，中继链验证零知识证明从而审查跨链交易，实现隐私保护的跨链交易验证方法。本发明提供的方法有效地防止了恶意用户伪造跨链交易；解决了中继链节点存在自主干扰跨链交易执行与隐私泄露的问题；中继节点无需查看跨链交易内容即可零知识地审查跨(56)对比文件Xiaoyan Zhang.Privacy-PreservingCross-Chain Payment Scheme forBlockchain-Enabled Energy Trading《.2021IEEE/CIC International Conference onCommunications in China (ICCC)》.2021,109-114.管章双.基于零知识证明的账户模型区块链系统隐私保护研究《.中国优秀硕士学位论文全文数据库 信息科技辑(月刊)，2020年第11期》.2020,12-30.郭朝等.区块链跨链技术分析《.物联网学报》.2020,第4卷(第2期),35-47.
-
Patent Agency Ranking
公开(公告)号：CN117254957A
公开(公告)日：2023-12-19
申请号：CN202311232035.3
申请日：2023-09-22
Abstract: 本发明提供一种面向DPoS区块链恶意收购的主动防御方法，属于网络安全防御技术领域，建立博弈模型，确定博弈参与者、博弈策略以及收益；求解纳什均衡；根据不同的投票系统选取放大参数；量化计算DPoS区块链的主动防御安全性。本发明根据博弈理论，将博弈模型延伸到了在DPoS区块链治理领域的具体应用；可以作为在不同的DPoS区块链环境中优化投票系统设计的基础；更加聚焦于区块链治理过程中的主动防御安全，能够提高DPoS区块链在各种投票系统设计下面对恶意收购的主动防御安全性。
-
公开(公告)号：CN116962085A
公开(公告)日：2023-10-27
申请号：CN202311213109.9
申请日：2023-09-20
Applicant: 北京交通大学
Abstract: 本说明书实施例提供了一种鲁棒的个性化联邦学习方法、装置及系统，方法包括：服务器接收来自多个客户端的模型更新数据，模型更新数据为在客户端上训练的本地模型的参数在训练前后的参数差值；服务器根据模型更新数据，得到各模型更新数据之间的基于α的层位置正则化相似度；服务器针对每一个客户端，根据基于α的层位置正则化相似度，得到模型更新数据的权重；服务器根据模型更新数据的权重和模型更新数据，分别得到各客户端对应的聚合模型更新数据；服务器发送聚合模型更新数据到各客户端。本申请提供的技术方案用以解决在联邦学习中系统中存在恶意攻击者时，通过本地协作训练算法同时训练本地模型和聚合模型来抵御恶意客户端的投毒攻击问题。
-
公开(公告)号：CN116842179A
公开(公告)日：2023-10-03
申请号：CN202310906387.6
申请日：2023-07-21
Applicant: 北京交通大学
IPC: G06F16/35 , G06F18/241 , G06F40/30 , G06N3/094
Abstract: 本发明提供了一种基于渲染的对抗样本生成方法，包括：S1，评估各个词语对于文本分类模型输出结果的影响力；选择对模型有一定影响力的词语分类存储，生成各类重点词表；S2，对于文本标题中的内容，采用基于视觉无察觉的插入的修改方式；S3，对于多段落文本开头段和结尾段中的内容，采用基于视觉无察觉的分隔修改方式；S4，对于多段落文本的中间段和单段落文本的段首句、段尾句中的内容，采用基于视觉无察觉的逆序修改方式；S5，对于多段落文本的中间段和单段落文本除首尾外的中间句中内容，采用基于视觉无察觉的替换修改方式。本发明为文本对抗样本的语义保留和不可区分性，以及提高文本分类模型的安全性提供了有益的参考。
-
公开(公告)号：CN116702191A
公开(公告)日：2023-09-05
申请号：CN202310615878.5
申请日：2023-05-29
Applicant: 北京交通大学 , 中国铁道科学研究院集团有限公司电子计算技术研究所
Abstract: 本发明提供了一种联邦学习本地模型参数聚合方法。该方法包括：对可信机构进行初始化处理，获得系统公共参数和主私钥；客户端和中心服务器向可信机构请求注册，可信机构组建所有客户端的通信群；客户端使用本地数据对中心服务器下发的全局模型进行训练，获得本地模型参数；客户端使用签名密钥和中心服务器的公钥签名并加密本地模型参数，将本地模型参数的密文和签名以匿名方式上传给中心服务器；中心服务器解密各客户端上传的本地模型参数，验证本地模型参数的签名；聚合经过验证的本地模型参数，根据聚合结果更新全局模型，向通信群中的所有客户端广播更新后的全局模型。本发明方法强化了联邦学习的隐私保护能力，维护联邦学习系统的鲁棒性。
-
公开(公告)号：CN116527393A
公开(公告)日：2023-08-01
申请号：CN202310662319.X
申请日：2023-06-06
Applicant: 北京交通大学
IPC: H04L9/40 , G06N20/00 , G06F18/214
Abstract: 本发明提供了一种面向联邦学习投毒攻击的防御方法、装置、设备及介质，包括：从多个客户端中获取本地数据对应的第一特征嵌入信息，本地数据预存在客户端中，各个客户端中的本地数据为总训练样本的不相交的样本子集；对第一特征嵌入信息与预存的本地数据对应的数据标签进行互信息计算；根据计算得到的互信息对第一特征嵌入信息进行异常特征嵌入剔除，并将剔除后的第一特征嵌入信息作为正常特征嵌入信息；基于正常特征嵌入信息对预存的顶部模型进行训练，以优化顶部模型参数。本发明能够在不借助辅助数据以及不接触客户端底部模型的条件下实现对恶意样本的规避且不影响模型的可用性，适用于纵向联邦学习场景中。
-
-
-
-
-
-
-
-
-
Search Results
153
records
(took 0.111 seconds)
