-
公开(公告)号:CN114866352B
公开(公告)日:2022-10-04
申请号:CN202210785934.5
申请日:2022-07-06
Applicant: 山东省计算中心(国家超级计算济南中心) , 烟台海颐软件股份有限公司
IPC: H04L9/40
Abstract: 一种保护工业互联网数据隐私和完整性的方法及程序产品,属于信息安全的技术领域,首先利用‑差分隐私机制保证数据的敏感信息仅发生可控泄露,实现工业互联网数据的隐私性保障;然后,设计基于有约束最优化方法的攻击模型及最优数据完整性攻击策略;接着,研发一种系统状态预测机制,估计被控系统的实时状态,并设计基于可变辅助矩阵的数据完整性攻击检测方法,以检测多种数据完整性攻击,实现工业互联网数据的完整性保护。
-
公开(公告)号:CN114866352A
公开(公告)日:2022-08-05
申请号:CN202210785934.5
申请日:2022-07-06
Applicant: 山东省计算中心(国家超级计算济南中心) , 烟台海颐软件股份有限公司
IPC: H04L9/40
Abstract: 一种保护工业互联网数据隐私和完整性的方法及程序产品,属于信息安全的技术领域,首先利用‑差分隐私机制保证数据的敏感信息仅发生可控泄露,实现工业互联网数据的隐私性保障;然后,设计基于有约束最优化方法的攻击模型及最优数据完整性攻击策略;接着,研发一种系统状态预测机制,估计被控系统的实时状态,并设计基于可变辅助矩阵的数据完整性攻击检测方法,以检测多种数据完整性攻击,实现工业互联网数据的完整性保护。
-
公开(公告)号:CN119851693A
公开(公告)日:2025-04-18
申请号:CN202510010866.9
申请日:2025-01-03
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
Abstract: 本发明提出了基于混合池化策略的轻量化伪造语音检测方法及系统,属于语音处理及生物识别技术领域;通过卷积池化操作从原始语音数据中提取时频信息;基于混合池化方法从时频信息中提取高级特征表示,即:采用最大池化法提取低频特征,采用平均池化法提取高频特征;将低频特征和高频特征进行特征拼接以获得高级特征表示;按照频域和时序的方向对高级特征表示进行统计计算以获得高级特征统计结果;基于全连接层对伪造语音进行检测并输出检测结果。本发明能够在避免特征信息损失的基础上,降低伪造语音检测时的计算量及计算复杂性,应对未知攻击能力强;同时,显著提高了对伪造语音进行检测的准确率。
-
公开(公告)号:CN114896403B
公开(公告)日:2025-04-18
申请号:CN202210565193.X
申请日:2022-05-23
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院) , 山东山科智能科技有限公司
IPC: G06F16/353 , G06F40/284 , G06F40/30 , G06F18/214 , G06F18/2415 , G06F18/2431 , G06F18/25 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及数据处理技术领域,公开了基于门控机制的企业二级行业分类方法及系统,包括:获取待分类的企业信息;将待分类的企业信息,输入到训练后的企业二级行业分类模型中,输出企业二级行业分类结果;其中,训练后的企业二级行业分类模型,其工作原理是:获取待分类企业信息的单词特征向量,再从单词特征向量中提取企业信息的上下文向量;然后,将单词特征向量与上下文向量进行拼接;对拼接后的向量分别提取上下文特征和局部显著特征;对提取的两种特征进行加权融合,将融合后的特征进行分类,得到最终分类结果。本发明减少了传统二级行业分类中的人力开支,缩短了企业行业分类的系统执行时间,且分类结果准确、系统安全。
-
公开(公告)号:CN119652510A
公开(公告)日:2025-03-18
申请号:CN202411806152.0
申请日:2024-12-10
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
Abstract: 本发明公开了一种基于一次一密模式的量子安全直接通信方法,属于量子通信技术领域,包括以下步骤:Bob准备一批相干态通过量子信道发送给Alice,Alice将接收到的相干态分为两组,对其中一组执行零差检测,并将检测结果发送给Bob,Bob根据第一有效信息量进行安全检测;Alice根据秘密信息对相干态进行编码,编码后发送给Bob,Bob随机选择一个相干态执行零差检测,将结果发送给Alice,Alice根据第二有效信息量进行安全检测;Bob对其余的相干态执行零差检测并计算阈值,并进行解调得到秘密信息;本发明采用连续变量的量子态,容易产生和检测,传输过程中损耗小,安全性高,可与标准电信技术兼容。
-
公开(公告)号:CN119652426A
公开(公告)日:2025-03-18
申请号:CN202411806290.9
申请日:2024-12-10
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
Abstract: 本发明提供一种连续变量量子安全直接通信的方法,属于量子安全直接通信技术领域,包括:发送端制备双模压缩纠缠光束对S,将光束S1发送给接收端;发送端将光束S1调制为第一拉盖尔‑高斯光束S′1发送给接收端;发送端选择一个子集,测量光束S2在该子集的正交位置和正交动量,并与接收端测量光束S1的结果对比,检查干扰;接收端将S′1根据秘密信息调制为第二拉盖尔‑高斯光束S″1发送给发送端,发送端将S2和S″1重新组合为光束对S′并成像,根据成像结果得出秘密信息。本发明解决了连续变量量子安全直接通信在传输过程中容易受到噪声和损耗,且实现和管理复杂的问题。
-
公开(公告)号:CN119339739A
公开(公告)日:2025-01-21
申请号:CN202411394677.8
申请日:2024-10-08
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
Abstract: 本发明提供了一种基于域泛化的机械设备无监督异常声音检测方法及系统,本发明通过构建基于全局上下文的SE‑ECA融合注意力机制模块,分别构建MFCC分支网络架构和Log‑Mel分支网络架构,将所述模块添加至各分支网络架构中,分别对MFCC谱图特征和Log‑Mel谱图特征进行音频特征提取;将两个分支网络架构提取的音频特征嵌入在通道维度上进行合并,形成综合特征向量,对综合特征向量进行分类;构建并训练异常检测模型,异常检测模型利用高斯混合模型计算全局异常分数,在利用局部异常因子检测局部异常,再进行加权平均,本发明可以自动学习正常声音特征并检测异常,提升设备的异常检测性能。
-
公开(公告)号:CN119295702A
公开(公告)日:2025-01-10
申请号:CN202411439990.9
申请日:2024-10-15
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G06T17/20 , G06V10/40 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/0495
Abstract: 本发明提出基于深度3D可变形模型的3D网格重构方法及系统,涉及3D网格重构技术领域。包括将3D网格数据输入至深度3D可变形模型的编码器,利用跳步部分注意力螺旋卷积对3D网格数据进行编码,得到特征向量;将特征向量输入至深度3D可变形模型的解码器中,分别进行基于注意力的邻域选择和聚合权重解耦的非局部空间特征聚合、以及进行基于螺旋邻域的空间特征聚合,并基于多头注意力再次进行空间特征聚合,得到聚合结果;将聚合结果输入至部分注意力螺旋卷积中,得到重构的3D网格。本发明使用跳步螺旋卷积实现了模型的轻量化,提出的特征聚合方法只在训练中学习权重聚合矩阵,在推理阶段无需额外的成本。
-
公开(公告)号:CN115171710A
公开(公告)日:2022-10-11
申请号:CN202210799728.X
申请日:2022-07-08
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学
IPC: G10L21/007 , G10L21/0224 , G10L21/0232 , G10L19/02 , G10L25/63 , G06N3/08 , G06N3/04
Abstract: 本发明属于语音信号处理的语音增强技术领域,提供了一种基于多角度判别的生成对抗网络的语音增强方法及系统。该方法包括,获取带噪声语音信号;基于带噪声语音信号,采用训练好的生成对抗网络,得到增强后的语音信号;其中,所述生成对抗网络包括一个生成器和四个判别器。本发明的多角度判别包括:增强后语音信号、干净语音与情绪语音之间的差异;同时添加从频域判别学习增强后语音信号、干净语音与情绪语音之间的频域差异。本发明从不同语音信号的语音成分进行判别,以及语音的时域频域角度,能够从不同角度充分学习语音成分,为生成器提供足够多的反馈信息,可以有效改善语音失真,提高增强后语音的语音质量。
-
公开(公告)号:CN115145966A
公开(公告)日:2022-10-04
申请号:CN202211075909.4
申请日:2022-09-05
Applicant: 山东省计算中心(国家超级计算济南中心) , 北京威努特技术有限公司
IPC: G06F16/2455 , G06F16/23 , G06N20/00 , G06K9/62
Abstract: 本发明属于人工智能领域,提供了一种面向异构数据的对比联邦学习方法及系统,包括客户端利用当前轮次中当前次数局部更新的局部模型和上一次局部更新的历史局部模型的正余弦距离、当前轮次中当前次数局部更新的局部模型与当前全局模型之间的负余弦距离对当前局部模型进行优化,使得客户端当前轮次的局部模型靠近当前全局模型而远离上一轮次的局部模型,得到最新的局部模型;服务端获取多个客户端的最新的局部模型进行聚合,更新全局模型。本发明从模型相似度的角度建立异构环境下联邦学习的优化问题,使每个客户端都能够学习到接近全局模型表示,以最小化局部模型差异。
-
-
-
-
-
-
-
-
-