-
公开(公告)号：CN116484422A
公开(公告)日：2023-07-25
申请号：CN202310437937.4
申请日：2023-04-21
Applicant: 河南科技大学
Abstract: 本发明公开了一种车联网中基于敏感语义位置替换的轨迹隐私保护方法，首先对车辆时空轨迹基于地图中的兴趣点进行轨迹语义标注，然后提取出敏感语义位置，包括起点位置、终点位置、用户自定义敏感语义位置和停留位置，为每个敏感语义位置设置一个双半圆区域作为替换区域，从替换区域中筛选出语义属性和查询概率与敏感语义位置相同或相似的兴趣点PoI对该敏感语义位置进行替换，从而得到重构轨迹。本发明通过将轨迹中的敏感语义位置替换成其它的非敏感语义位置，不仅保护了用户的轨迹隐私，而且提高了轨迹数据的可用性。
-
公开(公告)号：CN116506858A
公开(公告)日：2023-07-28
申请号：CN202310489303.3
申请日：2023-04-28
Applicant: 河南科技大学
IPC: H04W12/121 , H04W4/40 , H04L9/40
Abstract: 本发明公开了一种基于时空特征并行分析的车联网入侵检测方法，分别在车联网正常运行状态时和发生入侵时分别采集若干个车联网流量数据序列，提取得到车联网流量数据特征矩阵，进行标签标注得到车联网流量数据样本，构建包括空间特征提取模块，时域特征提取模块，特征拼接模块，自注意力模块，特征融合模块和多层感知机的车联网入侵检测模型并进行训练，当需要对车联网进行入侵检测时，采集数据并得到车联网流量数据特征矩阵，输入至训练好的车联网入侵检测模型，得到车联网入侵检测结果。本发明从车联网流量数据中并行提取空间特征和时域特征并融合得到时空特征，提高对车联网流量数据的表征能力，进而提高车联网入侵检测性能。
-
公开(公告)号：CN116506302A
公开(公告)日：2023-07-28
申请号：CN202310475349.X
申请日：2023-04-27
Applicant: 河南科技大学
Abstract: 本发明公开了一种基于反事实推断的网络对齐方法，首先提取用户特征并嵌入到双曲空间，然后基于双曲图注意力网络进行用户特征聚合，得到每个用户在双曲空间中的聚合特征嵌入向量，通过社区发现得到每个网络的社区集合，基于特征嵌入向量和社区进行反事实推断对用户特征嵌入向量进行优化，最后基于社区和优化后的用户特征嵌入向量进行用户对齐。本发明以社区作为处理变量分析网络因果关系，通过反事实网络和事实网络优化用户特征嵌入向量，减小数据分布差异对网络对齐的干扰，提高网络对齐的准确率。
-
公开(公告)号：CN112367662B
公开(公告)日：2022-12-27
申请号：CN202011417047.X
申请日：2020-12-07
Applicant: 河南科技大学
Abstract: 本发明公开了一种车联网中基于位置偏移的全假k匿名位置隐私保护方法，用户在需要进行位置隐私保护时，将用户车辆坐标为发送至匿名服务器，匿名服务器设置一个包含该用户车辆坐标的区域作为隐匿区域，在隐匿区域内选取k‑1个位置与用户车辆坐标组成匿名组，对匿名组中每个位置分别进行位置偏移，得到偏移位置组，匿名服务器将所生成的偏移位置组反馈给用户，供用户查询使用。本发明对生成假地址的方法进行改进，使供用户查询使用的位置是偏移后生成的，即使查询位置处于用户不可能到达的地方，攻击者也无法认定该位置与用户真实位置无关，使得假地址更加真实。本发明通过位置偏移，可以在不提高通信开销的前提下，提高对用户位置隐私的保护程度。
-
公开(公告)号：CN118230270B
公开(公告)日：2025-05-27
申请号：CN202410263673.X
申请日：2024-03-07
Applicant: 河南科技大学
IPC: G06V20/56 , G06V10/764 , G06V10/774 , G06N3/098
Abstract: 本发明公开了一种车联网中基于簇头选择和知识蒸馏的对抗联邦学习方法，首先从车辆簇中选择簇头车辆，然后部署对抗联邦学习模型，将待学习的图像分类模型作为学生模型，在簇头车辆部署生成器和老师模型，在成员车辆部署判别器和学生模型，然后进行对抗联邦学习，学习过程中由生成器生成对抗样本并作为老师模型和学生模型的输入图像，在计算损失函数时考虑老师模型和学生模型对于对抗样本标签的预测概率，在对抗联邦学习完成后，将学生模型的参数进行聚合，用于更新图像分类模型的参数。本发明可以在防御梯度逆向攻击的同时提高联邦学习的聚合效率，提高聚合模型的分类精度。
-
Patent Agency Ranking
公开(公告)号：CN119478729A
公开(公告)日：2025-02-18
申请号：CN202411475617.9
申请日：2024-10-22
Applicant: 河南科技大学
IPC: G06V20/17 , G06V20/10 , G06V10/30 , G06V10/26 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/0895
Abstract: 本发明提供一种基于YOLOv10的小麦叶片虫害检测方法，能够改进数据处理和模型架构，提升检测的精度和速度，解决现有技术中数据集局限性和模型优化不足的问题，从而提高小麦病虫害识别的准确率，帮助农业生产者实时监控和防治病虫害。与现有技术相比检测精度高、推理速度快、泛化能力强、节约计算资源。改进后的YOLOv10模型通过引入CoordAttention机制，显著提升了病虫害检测的准确性。模型通过去除NMS，优化了推理流程，每张图像的推理速度达到0.8毫秒，极大提升了实时检测的效率。结合多种数据集进行训练，模型在不同田间环境下均表现良好，能够处理不同光照、角度、遮挡等复杂场景，提高了在实际生产中的适用性。模型的优化使其在推理时计算资源消耗更低。
-
公开(公告)号：CN118230270A
公开(公告)日：2024-06-21
申请号：CN202410263673.X
申请日：2024-03-07
Applicant: 河南科技大学
IPC: G06V20/56 , G06V10/764 , G06V10/774 , G06N3/098
Abstract: 本发明公开了一种车联网中基于簇头选择和知识蒸馏的对抗联邦学习方法，首先从车辆簇中选择簇头车辆，然后部署对抗联邦学习模型，将待学习的图像分类模型作为学生模型，在簇头车辆部署生成器和老师模型，在成员车辆部署判别器和学生模型，然后进行对抗联邦学习，学习过程中由生成器生成对抗样本并作为老师模型和学生模型的输入图像，在计算损失函数时考虑老师模型和学生模型对于对抗样本标签的预测概率，在对抗联邦学习完成后，将学生模型的参数进行聚合，用于更新图像分类模型的参数。本发明可以在防御梯度逆向攻击的同时提高联邦学习的聚合效率，提高聚合模型的分类精度。
-
公开(公告)号：CN116095100B
公开(公告)日：2024-08-20
申请号：CN202211301461.3
申请日：2022-10-24
Applicant: 河南科技大学
Abstract: 本发明公开了一种基于异常行为发现的车联网内部入侵检测方法，构建基于记忆增强自编码器的车联网内部入侵检测模型，该模型基于异常通信行为数据的重构误差大于正常通信行为数据的原理来实现入侵检测，云服务器初始化车联网内部入侵检测模型的相关参数并下发至各个路边单元，基于联邦聚合对车联网内部入侵检测模型进行训练，训练完成后各个路边单元采用训练好的车联网内部入侵检测模型对其覆盖范围内的车辆进行入侵检测。本发明通过对车联网内部中的正常车辆通信行为特征进行建模，当车辆的通信行为与正常模型发生重大偏离时则认为该车辆为被入侵车辆。
-
公开(公告)号：CN117440342A
公开(公告)日：2024-01-23
申请号：CN202311352990.0
申请日：2023-10-18
Applicant: 河南科技大学
Abstract: 本发明公开了一种车联网中异步联邦学习梯度动态压缩方法，在车联网的路边基站中设置中心参数服务器，各个车辆中设置客户端，车辆选择路边基站建立连接并加入车辆簇，联邦学习每个轮次开始前，中心参数服务器计算该轮次的梯度压缩因子并广播给车辆簇中所有车辆，每个车辆客户端分别根据梯度压缩因子执行权重向量更新并计算模型梯度参数，将模型梯度参数进行聚合后得到局部聚合梯度，连同历史模型梯度参数分布上传至中心参数服务器，中心参数服务器根据历史模型梯度参数分布计算每个车辆在聚合模型中的权重并对局部聚合梯度进行全局聚合压缩，得到全局梯度向量并广播至所有车辆。本发明可以提高联邦学习的鲁棒性，平衡了模型计算效率和资源消耗。
-
公开(公告)号：CN116506858B
公开(公告)日：2025-05-27
申请号：CN202310489303.3
申请日：2023-04-28
Applicant: 河南科技大学
IPC: H04W12/121 , H04W4/40 , H04L9/40
Abstract: 本发明公开了一种基于时空特征并行分析的车联网入侵检测方法，分别在车联网正常运行状态时和发生入侵时分别采集若干个车联网流量数据序列，提取得到车联网流量数据特征矩阵，进行标签标注得到车联网流量数据样本，构建包括空间特征提取模块，时域特征提取模块，特征拼接模块，自注意力模块，特征融合模块和多层感知机的车联网入侵检测模型并进行训练，当需要对车联网进行入侵检测时，采集数据并得到车联网流量数据特征矩阵，输入至训练好的车联网入侵检测模型，得到车联网入侵检测结果。本发明从车联网流量数据中并行提取空间特征和时域特征并融合得到时空特征，提高对车联网流量数据的表征能力，进而提高车联网入侵检测性能。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.02 seconds)
