-
公开(公告)号：CN111669275B
公开(公告)日：2023-04-07
申请号：CN202010644360.0
申请日：2020-07-07
Applicant: 广东工业大学 , 广西明动软件有限公司
Abstract: 本发明公开了一种无线网络环境下可选择从节点的主从协作签名方法，该方法包括步骤：可信中心生成节点集合，生成身份凭证；主节点根据签名场景，与可信中心交互，选择从节点，主从节点进行身份验证；验证通过后，生成分布式密钥对，主从节点均存储分布式密钥对；主从节点通过零知识证明系统的交互生成协作签名。本发明中主节点根据场景需求，灵活选取从节点，在可信中心进行身份验证，通过后进行协作签名，签名过程中，利用Paillier密码系统和零知识证明系统，主从一轮交互便可完成方案证明，与现有签名技术相比，主、从节点与可信中心交互过程中不会造成信息泄露，无需恢复密钥输出签名，具有更高安全性和隐私保护能力。
-
公开(公告)号：CN115689429A
公开(公告)日：2023-02-03
申请号：CN202211271827.7
申请日：2022-10-18
Applicant: 广东工业大学
IPC: G06Q10/0835 , G06Q10/0833 , G06Q10/047 , G06F21/32 , G06V40/12
Abstract: 本发明公开了一种基于区块链的物流信息管理方法及系统，该方法包括：将寄件信息上传物流信息管理平台，并对寄件人的身份进行确认；确认成功后，采集物流车辆信息并结合寄件信息选取待配送货物，同时将待配送货物送至配送中心；根据寄件信息计算待配送货物间的距离和待配送货物与配送中心的距离，得到配送距离；根据配送距离选取最优配送路径，同时将物流信息上传至物流信息管理平台。该系统包括：身份确认模块、采集模块、计算模块和优化模块。通过使用本发明，能够提高安全性且优化配送路线。本发明作为一种基于区块链的物流信息管理方法及系统，可广泛应用于物流管理技术领域。
-
公开(公告)号：CN112422522B
公开(公告)日：2023-01-20
申请号：CN202011172441.1
申请日：2020-10-28
Applicant: 广东工业大学
Abstract: 本发明公开了一种基于区块链的医疗数据安全共享方法，采用了基于区块链的技术构建医疗数据共享系统，由于区块链本身的分布式特点，可以很好地解决全国100多万个医疗机构的医疗数据存储问题，从而实现医疗数据在联盟链上的互联互通；另外采用将完整医疗数据存储至线下，将其hash值、患者签名、医院签名、疾病关键词、时间戳在内的信息作为上传数据，是防止患者医疗数据被泄露的第一道屏障；采用EIGamal加密算法和对称加密算法，实现医疗数据共享，是防止患者医疗数据被泄露的第二道屏障，由于采用对称加密算法传输数据，相比单纯使用EIGamal加密算法的做法而言，可以明显地提高效率。
-
公开(公告)号：CN115510986A
公开(公告)日：2022-12-23
申请号：CN202211212575.0
申请日：2022-09-29
Applicant: 广东工业大学
Abstract: 本发明公开了一种基于AdvGAN的对抗样本生成方法，涉及机器学习安全的技术领域，构建AdvGAN生成对抗网络，包括生成器、判别器和蒸馏模型；在真实样本中添加随机噪声构建噪声增强样本，输入生成器中生成扰动样本；基于扰动样本和真实样本获得初步训练的生成器和判别器；在真实样本中添加高斯噪声，输入初步训练的生成器中生成对抗样本；基于对抗样本和扰动样本，利用蒸馏模型与初步训练的生成器和判别器相互优化，获得优化后的AdvGAN生成对抗网络，生成最终对抗样本。本发明提升了对抗样本生成速度，提高了生成对抗样本的质量；降低了对抗样本的分布特征与真实样本的分布特征的差异，增加了人为识别难度同时，提高了攻击成功率。
-
公开(公告)号：CN115393610A
公开(公告)日：2022-11-25
申请号：CN202210810689.9
申请日：2022-07-11
Applicant: 广东工业大学
Abstract: 本发明涉及人工智能领域，公开了一种对抗样本防御方法及系统，其中方法包括：获取输入样本。对输入样本的进行特征提取，得到输入样本的高维特征，并计算对应的真实显著特征和真实琐碎特征。训练一个基于生成对抗网络的显著特征提取器，并利用显著特征提取器对真实显著特征和真实琐碎特征进行重构，得到重构显著特征和重构琐碎特征。计算重构显著特征和重构琐碎特征之间的向量距离，确定输入样本的样本类型。将输入样本和重构显著特征输入softmax分类器，得到输入样本正确的分类标签。本发明通过将重构显著特征输入softmax分类器得到正确的标签，从而达到完全防御的目的的同时降低了模型训练的复杂度，从而提高了显著特征提取器的训练效率。
-
Patent Agency Ranking
公开(公告)号：CN115375850A
公开(公告)日：2022-11-22
申请号：CN202211038834.2
申请日：2022-08-29
Applicant: 广东工业大学
Abstract: 本发明公开的一种3D密集人脸对齐模型构建方法、系统和可读存储介质，其中方法包括：对人脸数据集中的人脸图像进行预处理得到人脸变形信息；建立多尺度双重注意力基本块和相似信息增强模块，以利用所述人脸变形信息建立3D人脸回归模型，其中，所述3D人脸回归模型至少包括所述多尺度双重注意力基本块以及所述相似信息增强模块；利用预设的损失函数监督训练所述3D人脸回归模型以得到所述3D密集人脸对齐模型。本发明基于拟合能力强大的深度学习技术，利用人脸变形信息增强的技术，为进一步提升3D密集人脸对齐任务精度提供了一种端到端训练的高效模型，能够利用人脸的变形信息增强输入图像中人脸对应的3D人脸，得到更准确的3D密集人脸对齐的模型框架。
-
公开(公告)号：CN113450288B
公开(公告)日：2022-09-06
申请号：CN202110889468.0
申请日：2021-08-04
Applicant: 广东工业大学
Abstract: 本申请的目的在于提供一种基于深度卷积神经网络单图像去雨方法、系统和存储介质，首先在第一阶段的雨层分离网络中，借助引入通道注意力的空洞卷积模块充分聚合输入雨图像的空间上下文信息，提取雨层信息，实现雨层分离和背景层的初步重建；然后在第二阶段的细节修复网络中，对分离的雨层生成雨纹位置信息的注意力映射，再借助引入通道注意力的多尺度特征融合的卷积模块，修复初步重建背景层中因移除雨层而丢失的细节，得到高质量的无雨图像。本发明通过搭建两阶段的深度卷积神经网络，有效地提取并移除雨图像中雨层，并修复退化的背景层，得到更高质量的无雨图像。
-
公开(公告)号：CN114844682A
公开(公告)日：2022-08-02
申请号：CN202210375971.9
申请日：2022-04-11
Applicant: 广东工业大学
IPC: H04L9/40 , H04L61/4511 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明提出一种DGA域名检测方法及系统，涉及网络安全的技术领域，获取域名公开数据集，对域名公开数据集进行预处理，得到训练数据集，将训练数据集分别输入初始二分类模型以及初始多分类模型，并训练初始二分类模型以及初始多分类模型，得到训练好的二分类模型以及多分类模型，在对待检测域名进行多分类以确定待检测域名所属DGA家族前，尽可能通过二分类模型筛选出待检测域名中的良性域名，即筛选出不属于DGA域名的域名，再对属于DGA域名的待检测域名进行多分类以确定属于DGA域名的待检测域名所属DGA家族，能够降低将良性域名误报为DGA家族的概率。
-
公开(公告)号：CN110213299B
公开(公告)日：2022-05-06
申请号：CN201910599571.4
申请日：2019-07-04
Applicant: 广东工业大学
IPC: H04L9/40 , H04L9/32 , H04L9/08 , H04L67/5681
Abstract: 本申请公开了一种适合移动云环境的多属性授权加密方法，包括当客户端向云存储服务器发起数据存储请求时，移动代理对拦截所述数据存储请求；根据所述数据存储请求获得待存储数据，其中，所述待存储数据通过ABE算法对数据信息进行加密获得；判断与所述云存储服务器之间的连接关系是否正常；若不正常，则对所述待存储数据进行存储，直至所述连接关系恢复正常；若正常，则将所述待存储数据上传至所述云存储服务器；该数据存储方法可有效解决用户端与云端之间网络不佳导致的数据信息泄露问题，保证用户信息安全；本申请还公开了一种适合移动云环境的多属性授权加密装置，也具有上述有益效果。
-
公开(公告)号：CN114338199A
公开(公告)日：2022-04-12
申请号：CN202111661242.1
申请日：2021-12-30
Abstract: 本发明提供了一种基于注意力机制的恶意流量检测方法和系统，涉及通信网络安全技术领域。所述方法包括步骤：S1、对待检测的流量数据集进行特征选择，得到精简特征集；S2、进行预处理得到预处理数据集；S3、输入到基于注意力机制的深度残差收缩网络，获得恶意流量检测结果；本发明采用的网络模型包括了含有注意力机制的深度残差收缩网络结构，在分类准确率和误报率上有较好的表现，能提取关键数据信息，有效地降低了模型的训练和测试的时间。又由于流量数据具有时序性和特征冗余性，因此本技术方案也结合使用了长短期记忆网络，既减少或者降低了检测数据中冗余信息的影响，也延续了数据信息的上下文联系，增强了恶意流量检测的准确率。
-
-
-
-
-
-
-
-
-
Search Results
317
records
(took 0.085 seconds)
