-
公开(公告)号：CN111382324A
公开(公告)日：2020-07-07
申请号：CN202010114810.5
申请日：2020-02-25
Applicant: 华南理工大学
IPC: G06F16/903 , H04L29/08 , G06K9/62
Abstract: 本发明公开了一种智能化设备管理系统，系统通过互联网将智能化设备管理系统和云存储系统互相连接起来，所有的设备数据信息存储在云存储系统上，智能化设备管理系统从云存储系统上获取企业设备数据，并提供一系列特色设备管理功能，如网络地址定位和物理位置定位服务，互联网内容查询代理服务，以及设备图片识别等智能化服务。本发明将设备数据信息资源存放在第三方云存储系统，实现了资源统一，并且提供了特色设备管理功能，实现了设备管理智能化。
-
公开(公告)号：CN108632139B
公开(公告)日：2020-05-22
申请号：CN201810275628.0
申请日：2018-03-30
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于协同定位信息的位置隐私保护方法及系统，包括步骤：1)根据历史交互数据得到用户与好友的关系强度；2)将用户与好友的关系强度值保存到数据库并且定期更新；3)用户发送一条带有地理位置信息的分享内容到服务器；4)提取分享内容中好友信息(也就是协同定位信息)和地理位置信息；5)基于关系强度以及协同定位信息进行位置隐私保护；6)将位置隐私保护结果发送给好友。本发明同时考虑了用户与好友交互和好友与用户交互对用户与好友关系强度的影响，好友与用户交互频率的下降，会使得用户与好友的关系强度降低。
-
公开(公告)号：CN108108160A
公开(公告)日：2018-06-01
申请号：CN201810001801.8
申请日：2018-01-02
Abstract: 本发明公开了一种个人设备管理系统，包括企业设备管理系统、移动终端设备管理系统以及云存储系统。企业设备管理系统是将企业设备分配到所属的用户，并且提供设备管理功能；移动终端设备管理系统，用于用户管理拥有权限的设备，通过互联网与企业设备管理系统交互信息，以此提供必需的设备管理功能，并且提供移动终端特色管理功能；云存储系统是存储所有设备信息，并通过互联网与企业设备管理系统和移动终端设备管理系统交换和更新信息。本发明将设备数据信息资源存放在第三方云存储系统，实现资源统一并且多元化的设备管理，同时结合移动终端的便捷特色，将设备管理工作分担到用户个人，允许用户自助管理自己名下的设备。
-
公开(公告)号：CN114758387B
公开(公告)日：2024-03-29
申请号：CN202210340990.8
申请日：2022-04-02
Applicant: 华南理工大学
IPC: G06V40/16 , G06V40/40 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于单帧RGB图像的轻量级人脸反欺诈方法及装置，该方法包括：训练数据的采集和预处理，以及搭建人脸欺诈检测网络；训练搭建的人脸欺诈检测网络；输入待检测图像，计算预测欺诈得分；根据预测欺诈得分与预设阈值的比较结果得到欺诈人脸检测结果。该方法只有1.34M的参数量，占用内存空间小，计算耗时短，并且只需要输入单帧RGB图像即可高效地进行人脸欺诈检测。该装置包括数据采集模块、数据预处理模块、网络训练模块和网络预测模块。该装置只需要安装RGB相机，无需安装额外的采集设备，便于部署。采用此方法和装置可以快速、高效地完成人脸欺诈检测任务。
-
公开(公告)号：CN116311430A
公开(公告)日：2023-06-23
申请号：CN202310150281.8
申请日：2023-02-22
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于图像多样化特征的深度伪造检测方法与装置，包括：获取待识别的彩色人脸图像，将其转变为灰度图像，通过添加了通道注意力机制的SRNet神经网络提取纹理特征，得到第一特征图；通过添加了空间注意力机制的XceptionNet神经网络从待识别的彩色人脸图像中提取能表示原始图像整体模式的语义特征，得到第二特征图；分别将第一、二特征图放入添加了时序注意力机制的双向GRU神经网络，提取能表示帧级差异的时序特征，得到第三、第四特征图；通过通道维度的拼接将第三、四特征图融合，得到第五特征图；将第五特征图送入真假分类器，得到人脸图像的检测结果。本发明能够有效提升对深度伪造样本的检测能力。
-
Patent Agency Ranking
公开(公告)号：CN114663665A
公开(公告)日：2022-06-24
申请号：CN202210186455.1
申请日：2022-02-28
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于梯度的对抗样本生成方法与系统，包括：获取原始图像样本和待攻击的神经网络模型；将原始图像样本输入神经网络模型，根据交叉熵损失函数获取原始图像样本的损失信息；根据损失信息得到对应的梯度符号矩阵并生成扰动信息，采用扰动信息对原始图像样本添加扰动，得到第一噪声图像样本；对第一噪声图像样本进行过滤操作和剪切操作，得到第二噪声图像样本；判断第二噪声图像样本是否满足对抗样本的要求，若未满足将其输入神经网络模型进行下一轮迭代，反之将其作为对抗样本并停止迭代。本发明可生成攻击成功率更高且噪声可见性更小的对抗样本，来增强神经网络模型抵御对抗攻击的能力。
-
公开(公告)号：CN117973459A
公开(公告)日：2024-05-03
申请号：CN202410221148.1
申请日：2024-02-28
Applicant: 华南理工大学
IPC: G06N3/0475 , G06N3/094 , G06V10/25 , G06V10/764 , G06V10/40
Abstract: 本发明公开了一种图像分类场景下基于特征分布感知的对抗样本生成方法，包括：获取原始图像、具有大量重复几何图形的特征载体图像及待攻击的神经网络模型；获得原始图像的显著图；将显著图划分为显著区域与背景区域；将显著区域从原始图像中提取出来，并输入到待攻击的神经网络模型中计算特征权重图与聚合特征图；根据特征权重图与聚合特征图计算特征损失，并破坏显著图像中的特征信息，得到第一噪声图像；通过特征载体图像向原始图像中添加几何干扰特征，获得第二噪声图像，将第二噪声图像中显著图像对应的区域从图像中去除，获得第三噪声图像；将第一、三噪声图像拼接获得对抗样本。本发明能有效提高在常见对抗训练模型下的效果。
-
公开(公告)号：CN114663665B
公开(公告)日：2024-04-05
申请号：CN202210186455.1
申请日：2022-02-28
Applicant: 华南理工大学
IPC: G06V10/30 , G06V10/764 , G06V10/82 , G06N3/0475 , G06N3/094
Abstract: 本发明公开了一种基于梯度的对抗样本生成方法与系统，包括：获取原始图像样本和待攻击的神经网络模型；将原始图像样本输入神经网络模型，根据交叉熵损失函数获取原始图像样本的损失信息；根据损失信息得到对应的梯度符号矩阵并生成扰动信息，采用扰动信息对原始图像样本添加扰动，得到第一噪声图像样本；对第一噪声图像样本进行过滤操作和剪切操作，得到第二噪声图像样本；判断第二噪声图像样本是否满足对抗样本的要求，若未满足将其输入神经网络模型进行下一轮迭代，反之将其作为对抗样本并停止迭代。本发明可生成攻击成功率更高且噪声可见性更小的对抗样本，来增强神经网络模型抵御对抗攻击的能力。
-
公开(公告)号：CN112800458A
公开(公告)日：2021-05-14
申请号：CN202110101588.X
申请日：2021-01-26
Applicant: 华南理工大学
Abstract: 本发明公开了一种社交网络中基于用户间关系强度的轨迹隐私保护方法，包括：1)用户分享原始轨迹及个性化需求，并对轨迹预处理得到待保护轨迹；2)提取社交网络数据中用户背景属性、连接及交互三个维度的特征数据并计算得到特征向量；3)将特征向量形成的数据经过K‑means聚类及BP神经网络计算用户间的关系强度RS；4)设计一种满足差分隐私的半径限制地理不可分机制；5)将用户与好友之间的关系强度与隐私预算进行映射，对待保护轨迹使用半径限制地理不可分机制及位置聚类进行隐私保护，再将保护后轨迹发送给对应的好友。本发明考虑多个维度的关系特征并综合无监督聚类及神经网络方法计算关系强度，同时利用半径限制及位置聚类以提高隐私保护效用。
-
公开(公告)号：CN114758387A
公开(公告)日：2022-07-15
申请号：CN202210340990.8
申请日：2022-04-02
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于单帧RGB图像的轻量级人脸反欺诈方法及装置，该方法包括：训练数据的采集和预处理，以及搭建人脸欺诈检测网络；训练搭建的人脸欺诈检测网络；输入待检测图像，计算预测欺诈得分；根据预测欺诈得分与预设阈值的比较结果得到欺诈人脸检测结果。该方法只有1.34M的参数量，占用内存空间小，计算耗时短，并且只需要输入单帧RGB图像即可高效地进行人脸欺诈检测。该装置包括数据采集模块、数据预处理模块、网络训练模块和网络预测模块。该装置只需要安装RGB相机，无需安装额外的采集设备，便于部署。采用此方法和装置可以快速、高效地完成人脸欺诈检测任务。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.017 seconds)
