-
公开(公告)号：CN119165506B
公开(公告)日：2025-03-21
申请号：CN202411633042.9
申请日：2024-11-15
Applicant: 湖南大学
IPC: G01S19/07 , G06F17/10 , G06N3/0442 , G06N3/08
Abstract: 本发明公开了一种对流层误差修正方法、装置、电子设备及存储介质，方法包括如下步骤：获取离测站最近的前后两个格网点的多个气象参数数据；获得测站的各气象参数的数值；获得测站处的天顶干延迟、天顶湿延迟；构建深度学习模型；获得测站对应的对流层的干延迟残差和对流层的湿延迟残差；获得测站对应的对流层修正后的干延迟和湿延迟。本发明利用格网点的多个气象参数去获得测站的各气象参数的数值，从而获得较为精确的测站气象参数值，通过深度学习模型获得对流层的干延迟残差和对流层的湿延迟残差，并最终获得补偿修正残差后的干延迟和湿延迟；从而对对流层的延迟进行修正，减少误差，提高信号精度。
-
公开(公告)号：CN118444879A
公开(公告)日：2024-08-06
申请号：CN202410612003.4
申请日：2024-05-16
Applicant: 湖南大学
Abstract: 本发明提出一种动态混合熵单元与动态混合真随机数发生器，动态混合熵单元包括，包括用于利用输入信号产生振荡信号的振荡环一和振荡环二，振荡环一和振荡环二上均设置有D触发器采样节点，振荡环一和振荡环二连接，且振荡环一的振荡信号作为控制振荡环二在延迟环与反相环之间的随机动态切换的激活信息。本发明通过振荡环一控制振荡环二在延迟环与反相环之间的随机动态切换，进而可以实现动态混合输出，使得最终结果表现出很大的随机性。
-
公开(公告)号：CN115795243A
公开(公告)日：2023-03-14
申请号：CN202210869496.0
申请日：2022-07-21
Applicant: 湖南大学
Abstract: 本发明将突破传统的傅里叶变换实现方式，探索基于存算一体技术的傅里叶变换实现新方法，创新性地从模拟电路角度提出高能效的傅里叶变换计算电路，属于信号分析与信号处理领域。首先，研究如何利用忆阻阵列设计复数矩阵乘法运算电路；其次，在此基础上，展开对一维傅里叶变换及其逆变换的可编程存内计算电路的研究。考虑在实际应用中需要处理大量的二维信号，因此，在一维傅里叶变换计算电路研究基础上，进行二维傅里叶变换的可编程存内计算电路研究。本发明对实时傅里叶变换的实现有十分重要的科学意义和潜在的经济效益；研究成果可以广泛应用于物联网领域中的信号处理，有助于在该领域形成核心知识产权。
-
公开(公告)号：CN115525890A
公开(公告)日：2022-12-27
申请号：CN202110711467.7
申请日：2021-06-25
Applicant: 腾讯科技(深圳)有限公司 , 湖南大学
Inventor： 张吉良
IPC: G06F21/54 , G06F21/55 , G06F8/36 , G06F16/901 , G06F16/903
Abstract: 本申请提供了一种程序的保护方法、检测器、电子设备及计算机可读存储介质；方法包括：从内存中加载程序的待执行的多个指令，从多个指令中识别出非分支指令和分支指令，并获取分支指令携带的地址；从检测器中的索引表中读取针对分支指令预记录的地址，并与分支指令携带的地址进行比对；将非分支指令、以及比对一致的分支指令作为合法指令，将合法指令存储到检测器中的等待链表；将等待链表中的合法指令按照对应的执行顺序连接，并发送到处理器执行。通过本申请，能够在降低实施成本的基础上有效防护针对程序的代码攻击。
-
公开(公告)号：CN113127857B
公开(公告)日：2022-05-31
申请号：CN202110411299.X
申请日：2021-04-16
Applicant: 湖南大学
Abstract: 本发明公开了一种针对对抗性攻击的深度学习模型防御方法，包括获取待训练的原始深度学习模型和原始训练数据；构建转换层；对原始训练数据进行数据转换并补充数据构成训练数据；对待训练的原始深度学习模型进行训练得到深度学习模型；将转换层插入到深度学习模型的输入层后面得到高鲁棒性深度学习模型；在高鲁棒性深度学习模型工作时对输入的数据进行监测，并采用深度学习模型中的转换层进行对应的防御。本发明还公开了包括所述针对对抗性攻击的深度学习模型防御方法的深度学习模型。本发明提高了模型在面对各类对抗样本时的鲁棒性，同时保证了模型的精度不受到影响；而且通用性高、可靠性好且防御效果好。
-
Patent Agency Ranking
公开(公告)号：CN113127857A
公开(公告)日：2021-07-16
申请号：CN202110411299.X
申请日：2021-04-16
Applicant: 湖南大学
Abstract: 本发明公开了一种针对对抗性攻击的深度学习模型防御方法，包括获取待训练的原始深度学习模型和原始训练数据；构建转换层；对原始训练数据进行数据转换并补充数据构成训练数据；对待训练的原始深度学习模型进行训练得到深度学习模型；将转换层插入到深度学习模型的输入层后面得到高鲁棒性深度学习模型；在高鲁棒性深度学习模型工作时对输入的数据进行监测，并采用深度学习模型中的转换层进行对应的防御。本发明还公开了包括所述针对对抗性攻击的深度学习模型防御方法的深度学习模型。本发明提高了模型在面对各类对抗样本时的鲁棒性，同时保证了模型的精度不受到影响；而且通用性高、可靠性好且防御效果好。
-
公开(公告)号：CN110706727A
公开(公告)日：2020-01-17
申请号：CN201910938265.9
申请日：2019-09-30
Applicant: 湖南大学
IPC: G11C11/16
Abstract: 本发明公开了一种磁性随机存取存储器及基于STT MARM的可重构PUF方法，磁性随机存取存储器包括多行存储单元，每一行包括多个存储单元，每一行的所有存储单元的源选择线相互连接后接地；每一行所有存储单元的字选择线相互连接并接入WL编码器；相邻两行存储单元之间通过交叉结构连接；最后一行存储单元通过最后一个交叉结构接解码器。本发明在传统STT-MRAM中插入DEMUX，构成可重构PUF结构，利用设计的位线上的并联电流产生响应位，根据所提出的邻近位线可重构算法和N选1可重构算法，增大对比并联电流的差异，从而获得稳定的响应输出。在保证可靠性的情况下，将资源开销限制在可接受范围内。
-
公开(公告)号：CN110610208A
公开(公告)日：2019-12-24
申请号：CN201910859405.3
申请日：2019-09-11
Applicant: 湖南大学
Abstract: 本发明涉及一种主动安全增量数据训练方法。其发明内容主要包括(1)基于主动学习的增量数据重训练方法；(2)基于对抗样本攻击检测的模型安全性验证方法。基于上述方法，动态训练新增样本、更新模型，扩大模型决策边界的同时，确保模型的稳定性。
-
公开(公告)号：CN107590385A
公开(公告)日：2018-01-16
申请号：CN201710832254.3
申请日：2017-09-15
Applicant: 湖南大学
Abstract: 本发明公开了一种硬件辅助抗代码复用攻击防御系统及方法，其中防御系统包括预处理模块、缓存、内存、CPU和加密解密架构，所述加密解密架构包括PUF模块、第一密钥寄存器、第一长度寄存器、第二密钥寄存器、第二长度寄存器、PUF加密模块、汉明距离编码模块、汉明距离解码模块、解压缩模块和判决模块。本发明利用程序返回地址与密钥间的汉明距离并匹配来抵抗ROP攻击；由于对汉明距离进行了编码操作，消除了以往工作中攻击者可通过选择明文攻击的方式来猜测由PUF模块产生的密钥这一安全性问题，因而安全性高；同时，将指令级别的数据隐藏技术应用于JOP攻击防御中，性能开销低，无需修改指令集，通用性好，安全性高。
-
公开(公告)号：CN114372299B
公开(公告)日：2024-05-07
申请号：CN202210024761.5
申请日：2022-01-09
Applicant: 北京航空航天大学杭州创新研究院 , 湖南大学
IPC: G06F21/72
Abstract: 本发明提出一种基于物理不可克隆函数的安全分支预测器抗Spectre攻击的方法，包括BTB的逆向过程、Spectre防御微架构设计以及基于PUF的安全分支预测器的实施及性能开销测试。基于PUF的安全分支预测器，通过引入进程标识符和完整分支地址作为物理不可克隆函数的激励，物理不可克隆函数的响应用来生成抗冲突的分支索引。本发明提出的方法，可为同地址空间和跨地址空间的分支预测状态提供安全隔离，使攻击者难以创建分支冲突来毒化受害分支，有效缓解了Spectre‑BTB和Spectre‑PHT攻击；且在各分支预测器上的实验评估表明该方法产生的平均性能开销小于3％，较好地平衡开销并保证了安全性。
-
-
-
-
-
-
-
-
-
Search Results
33
records
(took 0.025 seconds)
