-
公开(公告)号：CN117856982A
公开(公告)日：2024-04-09
申请号：CN202410055770.X
申请日：2024-01-12
Applicant: 重庆邮电大学
IPC: H04L1/1607 , H04L5/00 , H04B17/391
Abstract: 本发明申请保护一种间歇反馈下基于立即可解网络编码的重传方法，包括以下步骤：信源节点向信宿节点广播原始数据包，并根据信宿节点返回的ACK/NACK建立状态反馈矩阵；以预期重传次数增加的临界性为判断标准划分信宿节点；通过灰狼算法选择最优编码包；信源节点向信宿节点重传编码包，并根据信宿节点返回的ACK/NACK更新状态反馈矩阵；直至恢复所有请求包。本发明采用GE信道模型构建前向传输通道和后向反馈信道来模拟更加符合真实通信环境中的持久性擦除；本发明采用灰狼算法在编码向量空间中自适应且并行地搜索可行解，相比传统基于图的线性启发式算法，能够减小计算复杂度，提高系统重传效率。
-
公开(公告)号：CN116451115A
公开(公告)日：2023-07-18
申请号：CN202310350704.0
申请日：2023-04-04
Applicant: 重庆邮电大学
IPC: G06F18/24 , G06F18/214 , G06F18/22 , G06N3/04 , G06N3/08
Abstract: 本发明涉及多数据集多属性模型相似性比较方法，属于人工智能领域。本发明通过同分布输入在对比模型上的输出分布差异来度量模型之间的相似性。本发明选择使用待比较模型双方对应的全部或部分训练集，另筛选合适的与待比较模型双方分类标签语义特征相关性较弱的数据集，将这几个数据集中的样本作为测试样本。然后将合适的测试样本分别输入待比较的两个模型中，获得相应的输出。进一步利用预测标签一致率对比模型，并通过多个来源的数据集以及多个与待比较模型双方分类标签语义特征相关性较弱的数据集综合多数据集多属性形成综合相似度。本发明解决了在无法获取模型结构和参数信息的情况下难以比较判断两个模型的相似度的问题，以达到发现无授权使用深度学习模型行为的目的。
-
公开(公告)号：CN112733187B
公开(公告)日：2022-10-11
申请号：CN202110031814.1
申请日：2021-01-11
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于时间属性的数字取证分析鉴别方法，属于信息安全领域。首先，提取电子数据并解析文件元数据包含的时间戳信息。然后，根据常见操作对文件时间戳的影响规则对文件进行基础性判断。再然后，进一步地基于$LogFile判断$MFT时间创建记录是否有被篡改的可能。接着，基于$USNjrnl判断$MFT时间修改记录是否被篡改的可能。其次，基于Prefetch files记录的时间戳判断是否有时间伪造工具使用痕迹。最后，基于Link files记录的时间戳判断$MFT时间是否被篡改。本发明有助于案件中对单一证据的不确定性进行真实性鉴别，提高取证分析结果的可信性。
-
公开(公告)号：CN102945288B
公开(公告)日：2016-01-20
申请号：CN201210499314.1
申请日：2012-11-29
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种从物理内存镜像中提取文本数据文件的方法，利用eprocess结构特征值及它们之间的偏移量搜索出notepad.exe进程的eprocess结构，获取进程的页目录基地址；获取文本数据描述信息、内存中的标示信息，通过操作系统地址转换的原理，准确获取notepad.exe进程中的文本数据。本发明可用于数据恢复、数据提取、计算机取证等方面。
-
Patent Agency Ranking
公开(公告)号：CN118135989A
公开(公告)日：2024-06-04
申请号：CN202410282316.8
申请日：2024-03-13
Applicant: 重庆邮电大学
IPC: G10L13/027 , G10L25/69 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种基于模型指纹的音频主动归因取证方法，属于音频处理和数字取证领域。该方法包括两个主要阶段：模型指纹嵌入阶段和音频归因阶段。模型指纹嵌入阶段：为音频生成模型添加模型指纹，并同步训练模型指纹解码器，通过解码器提取出音频的模型指纹；音频归因阶段：将提取出的音频的模型指纹与存储的模型指纹对比，如果相同，则认为是已知模型生成的；否则，则认为不是已知模型生成的。本发明方法无需对音频样本进行操作，直接通过添加模型指纹的方法使得生成音频中带有模型指纹，进行音频主动归因。本发明不仅能够让模型拥有者对模型进行指纹识别，而且可以准确地检测到包含指纹的音频并归因，确保了音频生成模型的分发和使用更加透明。
-
公开(公告)号：CN116248326A
公开(公告)日：2023-06-09
申请号：CN202211602950.2
申请日：2022-12-13
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种面向深度神经网络的信息隐藏方法，属于信息安全领域。方法包括：信息隐藏阶段、触发阶段、隐藏信息提取阶段。信息隐藏阶段包括：隐藏参数位预处理、伪随机选择嵌入层、加密信息、嵌入密文；触发阶段包括：通信双方共享相关参数、获取有效输入、获取目标类别、验证触发目标；隐藏信息提取阶段包括：根据触发目标确定嵌入位置、获取有效参数位、提取信息、解密信息。本发明解决了直接嵌入神经网络参数的深度神经网络信息隐藏方法无法抵抗剪枝攻击的问题；采用伪随机选择确定隐藏信息嵌入位置并利用触发目标作为密钥对隐藏信息进行加密，在一定程度上能够抵御攻击者知道隐藏信息方法后进行的白盒攻击，提高了方法的安全性。
-
公开(公告)号：CN102945288A
公开(公告)日：2013-02-27
申请号：CN201210499314.1
申请日：2012-11-29
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种从物理内存镜像中提取文本数据文件的方法，利用eprocess结构特征值及它们之间的偏移量搜索出notepad.exe进程的eprocess结构，获取进程的页目录基地址；获取文本数据描述信息、内存中的标示信息，通过操作系统地址转换的原理，准确获取notepad.exe进程中的文本数据。本发明可用于数据恢复、数据提取、计算机取证等方面。
-
公开(公告)号：CN117893778A
公开(公告)日：2024-04-16
申请号：CN202410061944.3
申请日：2024-01-16
Applicant: 重庆邮电大学
IPC: G06V10/74 , G06V10/774 , G06V10/77
Abstract: 本发明涉及一种GAN生成图像的归因取证方法，属于计算机视觉、数字取证领域。该方法包括三个主要阶段：训练编码器阶段、重建图像阶段和归因图像阶段。训练编码器阶段：为已知的GAN模型训练相应的编码器；重建图像阶段：将待检测图像输入训练好的编码器，编码器通过映射将待检测图像转换为潜在向量，并将其输入相应的GAN模型生成重建图像；归因图像阶段：计算待检测图像与重建图像的感知差异性度量，寻找具有最小感知差异性度量的GAN模型。然后，比较该感知差异性度量与该模型的阈值，进行归因。该方法解决了GAN生成图像平滑和模型架构多样化导致无法准确归因的问题，提高了归因的准确性。通过训练编码器确定最佳潜在向量，并利用图像重建方法进行归因，该方法适应了GAN模型快速发展的特点，并为实际取证工作提供可靠的依据。
-
公开(公告)号：CN112733187A
公开(公告)日：2021-04-30
申请号：CN202110031814.1
申请日：2021-01-11
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于时间属性的数字取证分析鉴别方法，属于信息安全领域。首先，提取电子数据并解析文件元数据包含的时间戳信息。然后，根据常见操作对文件时间戳的影响规则对文件进行基础性判断。再然后，进一步地基于$LogFile判断$MFT时间创建记录是否有被篡改的可能。接着，基于$USNjrnl判断$MFT时间修改记录是否被篡改的可能。其次，基于Prefetch files记录的时间戳判断是否有时间伪造工具使用痕迹。最后，基于Link files记录的时间戳判断$MFT时间是否被篡改。本发明有助于案件中对单一证据的不确定性进行真实性鉴别，提高取证分析结果的可信性。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.019 seconds)
