物联网基于联盟链和信任网的跨域访问控制方法及系统

    公开(公告)号:CN116506211A

    公开(公告)日:2023-07-28

    申请号:CN202310584122.9

    申请日:2023-05-23

    Abstract: 本发明公开了物联网基于联盟链和信任网的跨域访问控制方法包括,通过信任网系统中的信任传递算法Appleseed提供信任值列表,借助联盟链上部署的跨域访问实现访问控制决策;对区块链参与节点进行筛选和监督,保证可信度和参与维护系统的积极性;通过信任评估算法对各个域之间的信任值进行评估。本方法可以消除出现访问决策错误、访问记录被篡改的影响,利用信任网系统中的信任评估算法Appleseed对各个域之间的信任值进行评估,随着每次交互过程而对各个域的信任值进行动态更新,使得对跨域访问控制过程变的更加清晰可控,解决传统的跨域访问控制方案所存在的中心化问题。

    一种融合双重注意力机制的单目3D目标检测方法

    公开(公告)号:CN115909266A

    公开(公告)日:2023-04-04

    申请号:CN202211367523.0

    申请日:2022-11-03

    Abstract: 一种融合双重注意力机制的单目3D目标检测方法,基于目标检测算法,融合通道注意力机制及空间注意力机制,提供有效聚焦,提升收敛速度,减少时延,可以更好地解决目标检测的精度问题,提高网络的可解释性,同时提升目标检测的性能。通过将通道注意力机制(channel attention)、空间注意力机制(spatial attention)两种注意力机制综合运用,聚焦输入图像的全局与局部的双重重要信息来提高单目3D目标检测的精度。该发明成本极低、便于推广使用,能够在自动驾驶、障碍物检测与定位中扮演非常重要的角色。

    融合知识图谱和深度学习的糖尿病预测方法及系统

    公开(公告)号:CN115719625A

    公开(公告)日:2023-02-28

    申请号:CN202211045060.6

    申请日:2022-08-29

    Abstract: 本发明提供一种融合知识图谱和深度学习的糖尿病预测方法及系统,该方法通过构建体检数据实体向量库,基于体检数据实体向量库得到患者体检数据的向量表示,得到体检数据向量;构建糖尿病领域知识图谱;基于构建的糖尿病领域知识图谱,抽取患者症状描述中的实体和关系,并表示成向量的形式,得到症状描述向量,进而获得患者自身状况的矩阵;融合自注意力机制与卷积神经网络,构建分类预测模型,由分类预测模型获得预测结果。本发明与现有方法相比,能够通过同时考虑患者体检数据与症状描述,并基于知识和数据双驱动,具有更高的准确性和可解释性。

    基于国密算法的PMU电力系统通信方法

    公开(公告)号:CN115484033A

    公开(公告)日:2022-12-16

    申请号:CN202211114292.2

    申请日:2022-09-13

    Abstract: 本发明提供一种基于国密算法的PMU电力系统通信方法,信息发送设备与信息接收设备作为通信双方,向PMU电力系统的密钥管理服务申请获取国密SM2私钥;生成国密SM2完整公私密钥;信息发送设备从密钥管理服务中查询是否存在与信息接收设备之间的会话密钥,在不存在时,信息发送设备将加密后的会话密钥、签名结果、公钥以及ID信息发送给信息接收设备;信息接收设备验证通过后,协商出会话密钥或到密钥管理服务处查询会话密钥并解密;本发明不仅能够免去证书的管理,还解决了基于身份的加密体系中密钥托管的问题,同时结合国密算法进行签名、验证、加密,能够使得PMU电力系统的认证通信既轻量又安全。

    一种基于深度学习的多视窗交通标志检测方法

    公开(公告)号:CN109753949B

    公开(公告)日:2022-08-12

    申请号:CN201910097579.0

    申请日:2019-01-31

    Abstract: 本发明公开了一种基于深度学习的多视窗交通标志检测方法,首先通过仿射变换在不同的照明条件和方向上提供其他交通标志图片,然后利用扩充的数据集训练基于YOLO框架的交通标志检测模型,最后利用多视窗YOLO模型对输入图像进行分区域操作,对每个区域分别检测,并将检测结果进行融合,得到最终检测结果。本发明保证了需要进行交通标志检测的应用领域在进行交通标志检测时的准确性,不仅能提高交通安全性,同时也保证了交通运行效率,具有较高的研究意义。

    基于图像语义特征进行点云筛选的3D目标检测方法

    公开(公告)号:CN111145174B

    公开(公告)日:2022-08-09

    申请号:CN202010000186.6

    申请日:2020-01-02

    Abstract: 本发明提出了一种基于图像语义特征进行点云筛选的3D目标检测方法。包括以下步骤:首先2D语义分割方法对图像数据进行分割得到语义预测。将生成的语义预测通过已知的投影矩阵投影到LIDAR点云空间中,从而使点云中的每一个点都能获得对应图像位置的语义类别属性。我们将车辆、行人、骑车人相关的点从原始点云中提取出来并形成视锥。其次我们将视锥作为深度3D目标检测器的输入,并设计符合视锥特性的损失函数来进行网络训练。本发明设计了基于图像语义特征进行点云筛选的3D目标检测算法,大大减少了3D检测的时间和计算需求。最后我们的方法在3D目标检测的基准数据集KITTI上的表现表明,我们的方法具有很好的实时目标检测性能。

    一种基于混合项目对抗学习的跨项目软件缺陷预测方法

    公开(公告)号:CN114816983A

    公开(公告)日:2022-07-29

    申请号:CN202210231504.9

    申请日:2022-03-10

    Abstract: 本发明公开了一种基于混合项目对抗学习的跨项目软件缺陷预测方法,使用对抗学习的来改进特征学习的过程,以极大极小博弈的策略使得项目内的原始特征和重构特征难以判别,更好地保留原始鉴别特征。通过生成模型与判别模型的相互作用,在保留原始鉴别特征的同时,不同项目间的分布差异得到了有效的减小。值得注意的是,为了更充分利用不同项目间的信息,本发明提出了一种将源项目与目标项目按照随机比例进行混合的训练方法,通过该方法使得域分类器有了更加强大的判别能力,也为训练集数据不充足提供了一个可靠的解决方法。通过这种方式将增加了模型的泛化能力,使得模型通过在有标签源项目上训练更容易捕捉域间不变性特征。

Patent Agency Ranking