-
公开(公告)号:CN108199832B
公开(公告)日:2021-02-26
申请号:CN201711460012.2
申请日:2017-12-28
Applicant: 东华大学
Abstract: 本发明涉及一种CLOC认证加密算法抵御差分故障攻击的检测方法,首先用CLOC认证加密算法对某个输入消息进行处理,保证输出正确结果;其次在处理过程中导入故障,诱导其得到错误的输出结果,诱导次数为两次;通过计算两次的差分值来测评CLOC认证加密对差分故障攻击的抵御能力。如果检测到有故障发生,能够推导出故障发生的具体位置,进一步判断故障位置的有效性。本发明操作简单、实现快速且准确度高,对测评CLOC认证加密抵御差分故障攻击的能力提供了良好的分析依据。
-
公开(公告)号:CN108199832A
公开(公告)日:2018-06-22
申请号:CN201711460012.2
申请日:2017-12-28
Applicant: 东华大学
Abstract: 本发明涉及一种CLOC认证加密算法抵御差分故障攻击的检测方法,首先用CLOC认证加密算法对某个输入消息进行处理,保证输出正确结果;其次在处理过程中导入故障,诱导其得到错误的输出结果,诱导次数为两次;通过计算两次的差分值来测评CLOC认证加密对差分故障攻击的抵御能力。如果检测到有故障发生,能够推导出故障发生的具体位置,进一步判断故障位置的有效性。本发明操作简单、实现快速且准确度高,对测评CLOC认证加密抵御差分故障攻击的能力提供了良好的分析依据。
-
公开(公告)号:CN106850186A
公开(公告)日:2017-06-13
申请号:CN201710011796.4
申请日:2017-01-06
Applicant: 东华大学
CPC classification number: H04L9/004 , H04L9/0643
Abstract: 本发明提供了一种SHA‑256散列算法抵御差分故障攻击的检测方法,首先输入某一消息并利用SHA‑256对其进行处理;在处理过程中施行两种环境控制,一种控制处理过程准确无误地运行,并记录其输出结果为Y,另一种则是在处理同一消息的过程中人为地导入故障,诱导其得到错误的输出结果,并记为Y*;通过计算Y与Y*的差分值,来测评SHA‑256对差分故障攻击的抵御能力。如果检测到有故障发生,能够推导出故障发生的位置,并进一步判断故障位置的有效性。本发明提供的方法具有简单、快速、准确且易于实现等特点,为检测SHA‑256算法抵御差分故障攻击的能力提供了良好的分析依据。
-
公开(公告)号:CN114781503A
公开(公告)日:2022-07-22
申请号:CN202210382800.9
申请日:2022-04-09
Applicant: 东华大学
Abstract: 一种基于深度特征融合的点击率预估方法,包括如下步骤:拿到历史数据,将数据经过热编码后变成由0和1组成的高维稀疏特征,得到基础特征;对基础特征经过嵌入层进行特征向量构建,构建后的向量作为模型训练输入;经过浅层模型FmFM和深层模型DenseDNN,同时学习显式和隐式特征交互;将FmFM模型和DenseDNN网络的结果拼接后,经过Sigmoid函数得到输出结果,用AUC和LogLoss两个指标来判断模型预测的准确率。本发明用特征融合的方式提升模型性能,使得点击率预估的结果更准确,提高广告媒介的利益。
-
公开(公告)号:CN114691995A
公开(公告)日:2022-07-01
申请号:CN202210357247.3
申请日:2022-04-06
Applicant: 东华大学
IPC: G06F16/9535 , G06F16/958 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于信息传播和注意力机制的序列推荐方法。对输入的用户行为序列计算出每个物品对应的传播力;对用户的评分数据进行修正;进行特征提取利用矩阵分解计算出当前时间物品与当前时间节点之前物品的相关性,将相关性结果输入至Softmax函数输出预测下个物品的概率;建立二元交叉熵损失函数,当损失函数未达到给定条件时,将信息重新传入神经网络模型进行训练,直至输出的结果满足给定条件,将训练完成的模型作为最终模型用于序列推荐。本发明能够更加用户的历史行为序列数据计算出物品的传播力信息,将物品的传播力信息加入到深度模型中,帮助序列推荐得到更好的性能。
-
公开(公告)号:CN104158656A
公开(公告)日:2014-11-19
申请号:CN201410244502.9
申请日:2014-06-04
Applicant: 东华大学
Abstract: 本发明公开了一种检测MD4散列函数是否受到差分故障攻击的方法,包括:1)将随机生成需要MD4处理的消息,保存在M中;2)使用MD4散列函数,以M作为输入进行处理,获取正确输出结果Y;3)对MD4散列函数实施故障导入,获取错误输出Y*;4)基于获得的正确输出Y和错误输出Y*,计算输出差分值ΔY;5)根据输出差分值ΔY来确定MD4散列函数是否受到了差分故障攻击以及该故障导入的位置。本发明可快速、准确地衡量含有MD4散列函数的计算设备是否受到了差分故障攻击并且可以判断受到攻击的位置,对于保障MD4散列函数的安全运行提供了有力的支持。
-
公开(公告)号:CN114706481A
公开(公告)日:2022-07-05
申请号:CN202210369501.1
申请日:2022-04-09
Applicant: 东华大学
IPC: G06F3/01 , G06K9/62 , G06N3/04 , G06N3/08 , G06N20/10 , G06Q30/02 , G06Q30/06 , H04N21/2187 , H04N21/442 , H04N21/466 , H04N21/478
Abstract: 一种基于眼动特征与DeepFM的直播购物兴趣度预测方法,对经过眼动仪输出后的直播视频进行注视时间相关的数据处理。利用封装后的跟踪模型对于直播售卖物品进行跟踪。建立跟踪框为用户视点与目标区域。基于得到用户的眼动数据,并引入协作信息图,通过协作信息图将用户行为和项目知识编码为统一的关系图;基于DeepFM架构,在深度神经网络上添加自注意力机制提高模型对于关键信息的学习能力;输出结果并通过二元交叉熵损失函数Logloss以及AUC评判模型精度。本发明基于用户历史浏览数据(含眼动数据)训练模型。使用者可通过此模型预测用户对于直播商品的兴趣度大小,以供相关人员调整直播策略、提升直播中用户的体验。
-
公开(公告)号:CN105046160A
公开(公告)日:2015-11-11
申请号:CN201510430312.0
申请日:2015-07-21
Applicant: 东华大学
IPC: G06F21/60
CPC classification number: G06F21/60
Abstract: 本发明涉及一种基于直方图的面向数据流差分隐私发布方法,包括以下步骤:对于每一个时刻i,数据流接收的数据集为Di,对数据集Di中属性A出现的不同元素值进行统计,并按照元素值的大小升序排列,对频数进行归一化处理为P;记最后一次发布的含噪局部最优直方图所对应的真实数据的分布归一化后为Q,计算P与Q的EMD相似度τ;若τ>σ,则给数据集Di分配隐私预算,其中,,并给数据集Di添加相应的拉普拉斯噪声得到数据集Oi;对数据集Oi利用分组与合并策略,进行局部最优直方图发布。本发明在保证每个窗口中隐私总预算不超过ε时,发布数据的可用性较好。
-
公开(公告)号:CN101017575B
公开(公告)日:2013-01-16
申请号:CN200710037585.4
申请日:2007-02-15
Applicant: 东华大学
IPC: G06T17/00
Abstract: 本发明涉及一种基于人体部件模板和体形轮廓的三维虚拟人体自动生成方法,依据人体躯干特有的形状特征,将人体分解成三个身段:胸身段、腰身段、臀身段,并在分解身段部件的基础上,将每个身段部件进一步分解成一组相关的关键截面,这些关键截面的组合反映了对应身段的几何形状,这些身段和截面就称为人体部件。任何一个三维虚拟人体的构建都可以选用人体部件的模板,然后按照人体体形轮廓控制修改和组装即可实现。本发明所生成的三维虚拟人体与现有方法的不同之处是本方法所生成的三维虚拟人体是由人体部件模板系列与人体截面轮廓控制修改规则和正方位、侧方位体形轮廓控制定位组装规则来完成的,采用该方法可以实现三维虚拟人体/人台的自动生成。
-
公开(公告)号:CN101017575A
公开(公告)日:2007-08-15
申请号:CN200710037585.4
申请日:2007-02-15
Applicant: 东华大学
IPC: G06T17/00
Abstract: 本发明涉及一种基于人体部件模板和体形轮廓的三维虚拟人体自动生成方法,依据人体躯干特有的形状特征,将人体分解成三个身段:胸身段、腰身段、臀身段,并在分解身段部件的基础上,将每个身段部件进一步分解成一组相关的关键截面,这些关键截面的组合反映了对应身段的几何形状,这些身段和截面就称为人体部件。任何一个三维虚拟人体的构建都可以选用人体部件的模板,然后按照人体体形轮廓控制修改和组装即可实现。本发明所生成的三维虚拟人体与现有方法的不同之处是本方法所生成的三维虚拟人体是由人体部件模板系列与人体截面轮廓控制修改规则和正方位、侧方位体形轮廓控制定位组装规则来完成的,采用该方法可以实现三维虚拟人体/人台的自动生成。
-
-
-
-
-
-
-
-
-