公开(公告)号：CN106790034A

公开(公告)日：2017-05-31

申请号：CN201611162053.9

申请日：2016-12-15

Applicant: 中国电子技术标准化研究院((工业和信息化部电子工业标准化研究院)(工业和信息化部电子第四研究院))

Inventor： 范科峰 ,  徐荣茂 ,  刘贤刚 ,  李琳 ,  姚相振 ,  周睿康

IPC: H04L29/06 ,  H04L29/08

Abstract: 本发明公开了一种物联网设备认证和安全接入的方法，包括感知设备D、物联网管理平台、管理平台分配表、云服务器X；注册步骤A中，感知设备D通过出厂编号的特征信息，生成第一认证信息Q1，注册步骤B中，云服务器X为云服务器0至云服务器7中负载低的云服务器，认证步骤A中，感知设备D通过另外的特征信息生成认证信息I，发送给物联网管理中心，认证步骤B中，将所采集新的信息与注册步骤B中的信息进行匹配，使用传感器将收到的操作指令数据，通过智能芯片进行数据解密和签名验证，获得正确、完整的操作指令，另外，通过建立认证中心对传感器的设备认证协议，从而建立物联网基础设施的认证、数据完整和保密传输的信息安全系统。

公开(公告)号：CN106790034B

公开(公告)日：2019-04-19

申请号：CN201611162053.9

申请日：2016-12-15

Applicant: 中国电子技术标准化研究院((工业和信息化部电子工业标准化研究院)(工业和信息化部电子第四研究院))

Inventor： 范科峰 ,  徐荣茂 ,  刘贤刚 ,  李琳 ,  姚相振 ,  周睿康

IPC: H04L29/06 ,  H04L29/08

Abstract: 本发明公开了一种物联网设备认证和安全接入的方法，包括感知设备D、物联网管理平台、管理平台分配表、云服务器X；注册步骤A中，感知设备D通过出厂编号的特征信息，生成第一认证信息Q1，注册步骤B中，云服务器X为云服务器0至云服务器7中负载低的云服务器，认证步骤A中，感知设备D通过另外的特征信息生成认证信息I，发送给物联网管理中心，认证步骤B中，将所采集新的信息与注册步骤B中的信息进行匹配，使用传感器将收到的操作指令数据，通过智能芯片进行数据解密和签名验证，获得正确、完整的操作指令，另外，通过建立认证中心对传感器的设备认证协议，从而建立物联网基础设施的认证、数据完整和保密传输的信息安全系统。

公开(公告)号：CN107070857A

公开(公告)日：2017-08-18

申请号：CN201611163697.X

申请日：2016-12-15

Applicant: 中国电子技术标准化研究院((工业和信息化部电子工业标准化研究院)(工业和信息化部电子第四研究院))

Inventor： 范科峰 ,  刘茜 ,  刘贤刚 ,  李琳 ,  姚相振 ,  周睿康

IPC: H04L29/06

CPC classification number: H04L63/0209 ,  H04L63/0263 ,  H04L69/26

Abstract: 本发明公开了一种基于TCP/IP的DNP3协议网络保护框架，包括监视和控制模块、监视模块、功能选择和生成模块、自动标记模块、数据集、基于规则的学习模块、规则模块、异常行为分析模块、分类模块、数据库、操作模块。本发明的有益效果是：该框架采用基于规则的异常检测机制来检测网络攻击，并且还提出了分类原则，为访问控制提供自治的网络保护。本框架的目标是能够对于拥有Master和Outstations的root权限的攻击者的攻击进行探测，能够对于操作员的错误操作进行警告，同时还能够提供及时的保护。保证了使用的安全性与极高的隐密性；该种基于TCP/IP的DNP3协议网络保护框架操作方便，安全性高，各模块连接反应速度快。

公开(公告)号：CN118984228A

公开(公告)日：2024-11-19

申请号：CN202410414129.0

申请日：2024-04-08

Applicant: 中国电子技术标准化研究院((工业和信息化部电子工业标准化研究院)(工业和信息化部电子第四研究院)) ,  桂林电子科技大学

Inventor： 曹旭光 ,  范科峰 ,  马慧琳 ,  徐存

IPC: H04L9/40 ,  H04L9/00 ,  H04L9/32 ,  H04L9/08 ,  H04N1/44 ,  G06V20/70 ,  G06V10/26 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0475 ,  G06N3/098 ,  G06N3/09

Abstract: 本发明公开了基于联邦学习隐私保护的结肠息肉语义分割深度学习方法，具体涉及联邦学习的隐私保护和医疗语义分割领域，包括以下步骤：S1、将Kvasir‑SEG数据集和CVC‑ClinicDB数据集进行数据预处理，然后将数据集中的真实图像进行one‑hot编码；S2、构建联邦学习框架，初始化随机加密算法池，随机选取客户端数量，分别部署客户端和服务器端模型；S3、将原始图片加载进Dataloader，设置超参数，并送入客户端模型学习；本发明为医疗图像处理领域深度学习和隐私保护的发展提供了新的思路，并且经过验证，采用联邦学习隐私保护的模型的实际效果可以达到原始模型的准确率，并且可以做到更好的隐私保护。

公开(公告)号：CN119206720A

公开(公告)日：2024-12-27

申请号：CN202410414127.1

申请日：2024-04-08

Applicant: 中国电子技术标准化研究院((工业和信息化部电子工业标准化研究院)(工业和信息化部电子第四研究院)) ,  桂林电子科技大学

Inventor： 曹旭光 ,  范科峰 ,  马慧琳 ,  徐存

IPC: G06V20/70 ,  G06V10/26 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/09

Abstract: 本发明公开了一种皮肤病变语义分割双通道深度学习模型，涉及语义分割和医学图像处理技术领域，包括预处理模块、特征提取模块、条纹池化模块、PVT结构模块、DPNet网络构建模块、CB模块、内部学习模块以及病变分割模块；预处理模块，将皮肤病变数据集进行数据预处理，处理过程采用随机预处理方式；特征提取模块，采用ResNet50作为SPResNet的主干网络进行特征提取。本发明通过采用双通道结构，其一使用SPResNet结构，其二使用PVT结构，兼顾细节提取和全局特征关联，结合了CNN和Transformer结构的优点，采用互补的方式增加了整个网络的实际性能，以解决上述背景技术中提出现有的深度学习模型在结构上的缺陷，提高皮肤病变分割的精确度。