-
公开(公告)号：CN114255152A
公开(公告)日：2022-03-29
申请号：CN202111620169.3
申请日：2021-12-28
Applicant: 海南大学
Abstract: 本发明涉及一种基于联邦学习和区块链的零水印远程医疗图像保护方案，远程医疗系统中存在的隐私保护和数据安全问题一直备受人们关注；零水印可以满足既不损害医学影像，又实现版权保护；联邦学习是一种具有隐私保护和安全加密技术的分布式机器学习框架；区块链是一个不可更改，不可伪造的账簿系统，本研究提出一种基于联邦学习和区块链的零水印医学图像版权保护方案，可以在不对宿主图像产生失真并且不泄露数据的情况下，提供安全有效的版权保护；该方案通过联邦学习来训练编码器网络；可有效从医学图像中提取鲁棒特征获得零水印图像；通过区块链将零水印图像存储在星际文件系统（IPFS）上，实现文件分享的安全性、去中心化和不可篡改性。
-
公开(公告)号：CN117057968A
公开(公告)日：2023-11-14
申请号：CN202310884498.1
申请日：2023-07-19
Applicant: 海南大学
Abstract: 发明名称：一种基于分数阶正交矩的鲁棒可逆水印算法摘要：本发明涉及一种基于分数阶正交矩的鲁棒可逆水印算法。该算法利用分数阶正交的高鲁棒性，优化正交矩成分数阶正交矩用于水印的嵌入，并提出了一种去噪器对水印图像进行预处理，提高了抗几何和常规攻击鲁棒性。同时，对辅助信息的提取进行了优化，使辅助信息更小、更稳定。具体来说，首先，提出了一种用更少的信息表示该图像失真的方法，然后该信息作为辅助信息嵌入到载体图像中。其次，将水印嵌入低阶分数阶正交矩。缔结分数阶正交矩的优点是具有更强鲁棒性和在几何变形居于更大的不变性。最后，在提取水印之前，利用去噪器对水印图像进行去噪处理。该算法产生的辅助信息尺寸小且稳定，对噪声攻击具有更强的鲁棒性，对几何攻击具有较好的抵抗力。
-
公开(公告)号：CN117034333A
公开(公告)日：2023-11-10
申请号：CN202310869506.5
申请日：2023-07-17
Applicant: 海南大学
Abstract: 发明名称：一种基于云端图片库的版权保护和隐私保护的方案摘要：本发明涉及一种基于云端图片库的版权保护和隐私保护的方案。在版权保护阶段，本方案采用鲁棒可逆水印技术，通过改进稳定性、抗几何攻击和抗常规攻击能力，提高版权保护的可信度。同时，在隐私保护阶段，本方案使用图像加密和可逆信息隐藏技术，确保用户标签信息在图像密文域中的安全嵌入，从而增强隐私保护。该方案建立了一套基于云端图片库的稳定可靠的机制，为用户提供了全面的版权和隐私保护。通过云端图片库方案的应用，用户可以享受到更安全、可靠的图片存储和管理服务，有效防止版权侵权和保护个人隐私。
-
公开(公告)号：CN114359551A
公开(公告)日：2022-04-15
申请号：CN202210109798.8
申请日：2022-01-29
Applicant: 海南大学
Abstract: 本发明涉及一种基于联邦学习和卷积神经网络的细粒度眼底图像分类方案，医学眼底图像辨别眼底疾病问题一直备受医生和学者们关注；许多全身疾病都可以从眼底图像上反映出来；与传统方法人工观察相比，深度学习的出现，特别是卷积神经网络为眼底图像分类精度带来较大提升；医学上对个人隐私的问题越来越重视，各个医院的数据作为资产不可能拿出来分享，这就造成了数据孤岛的现象；联邦机器学习是一个机器学习框架，能在保护患者隐私、数据安全要求下可以有效解决数据孤岛问题；该方案通过联邦学习来训练分类网络，拓展了数据集提高分类的准确度；在卷积神经网络中，将病例信息同眼底图像特征融合进行分类并使用注意力机制进一步提高分类准确性。
-
-
-
Search Results
4
records
(took 0.017 seconds)
