公开(公告)号：CN114493970B

公开(公告)日：2024-07-09

申请号：CN202210107992.2

申请日：2022-01-28

Applicant: 暨南大学

Inventor： 何明锦 ,  冯丙文 ,  刘志全 ,  魏凯敏

IPC: G06T1/00 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种面向图像实例级局部区域的图像鲁棒水印方法、系统及介质。本发明将水印信息嵌入到图像的局部实例语义区域，所生成的局部含密图与原始图像在观感上无显著差异。此外，本发明将图像修复领域的部分卷积运用到局部水印信息的扩散上，提高了模型的鲁棒性，有助于水印提取网络对水印信息的提取。相比较于传统水印方案或使用基于CNN的一般方案，本发明创造适用于图像像素级的一个或多个实例区域的图像水印信息的嵌入和提取，使得一副图像所能承载的水印信息的更为多样。

公开(公告)号：CN117611422B

公开(公告)日：2024-05-07

申请号：CN202410089255.3

申请日：2024-01-23

Applicant: 暨南大学

Inventor： 冯丙文 ,  覃铁伟 ,  夏志华 ,  缪雨豪 ,  尹舟

IPC: G06T1/00 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/0475 ,  G06N3/094

Abstract: 本发明公开了一种基于摩尔纹生成的图像隐写方法，本发明属于图像信息隐藏领域，包括：获取干净图像和噪声向量；将所述干净图像和所述噪声向量输入至条件生成对抗网络中，得到不同层次的子摩尔纹图案；获取秘密消息，基于编码器将所述秘密消息隐藏在所述子摩尔纹图案中，得到隐藏消息的子摩尔纹图案；基于所述隐藏消息的子摩尔纹图案和所述干净图像，生成含秘图像。本发明利用条件gan框架进行摩尔纹图案的生成，简化了传统合成方式中人为设计的流程；本发明通过编码器将所述秘密消息隐藏在所述子摩尔纹图案中，得到隐藏消息的子摩尔纹图案；本发明的嵌入策略可以提高传统隐写分析工具的不可检测性。

公开(公告)号：CN113626566B

公开(公告)日：2023-07-18

申请号：CN202110763112.2

申请日：2021-07-06

Applicant: 暨南大学

Inventor： 魏凯敏 ,  林健成 ,  张继连 ,  刘志全 ,  冯丙文

IPC: G06F16/332 ,  G06F40/211 ,  G06F40/295 ,  G06N3/0455 ,  G06N3/08

Abstract: 本发明公开了一种基于合成数据的知识对话跨域学习方法。该方法针对知识对话系统跨域学习时数据资源不充分的问题，提出了以下策略：针对问答，闲聊提出模板和多轮对话生成模型共同构造合成数据方法；针对灾难性遗忘提出知识保留和模板方法构造合成数据方法；为了利用不匹配对话语料，我们提出了使用检索、过滤、排序等方法构建合成数据方法。使用该合成数据训练的模型性能可近似使用人工标注数据进行训练的模型，有效缓解了知识对话系统跨域学习对数据资源的依赖。

公开(公告)号：CN114493970A

公开(公告)日：2022-05-13

申请号：CN202210107992.2

申请日：2022-01-28

Applicant: 暨南大学

Inventor： 何明锦 ,  冯丙文 ,  刘志全 ,  魏凯敏

IPC: G06T1/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种面向图像实例级局部区域的图像鲁棒水印方法、系统及介质。本发明将水印信息嵌入到图像的局部实例语义区域，所生成的局部含密图与原始图像在观感上无显著差异。此外，本发明将图像修复领域的部分卷积运用到局部水印信息的扩散上，提高了模型的鲁棒性，有助于水印提取网络对水印信息的提取。相比较于传统水印方案或使用基于CNN的一般方案，本发明创造适用于图像像素级的一个或多个实例区域的图像水印信息的嵌入和提取，使得一副图像所能承载的水印信息的更为多样。

公开(公告)号：CN111064859B

公开(公告)日：2021-11-05

申请号：CN202010021400.6

申请日：2020-01-09

Applicant: 暨南大学

Inventor： 冯丙文 ,  李彤 ,  翁健 ,  卢伟

IPC: H04N1/32

Abstract: 本发明涉及一种图像信息嵌入方法，包括：S1，获取原始载体图像和待嵌入的秘密消息，将所述原始载体图像重排列并分割成载体向量x；将所述秘密消息分割成为秘密消息块m；计算所述原始载体图像中每个像素的嵌入扰动值，并将所述嵌入扰动值排列分割，得到与载体向量x对应的嵌入扰动向量w；S2，将载体向量x和秘密信息块m送入隐写编码器，并通过校验码生成经纠正的含密载体向量y；S3，将所有的含密载体向量合并并重排列，生成含密图像，完成秘密消息的嵌入。本发明通过纠正隐写向量，而不是纠正解码消息中的错误，从而得到较强的纠错能力。在鲁棒性和嵌入效率之间取得良好的平衡。

公开(公告)号：CN113507360A

公开(公告)日：2021-10-15

申请号：CN202110715134.1

申请日：2021-06-26

Applicant: 暨南大学

Inventor： 魏凯敏 ,  蔺晓川 ,  翁健 ,  吴永东 ,  贺宏亮 ,  冯丙文 ,  康政

IPC: H04L9/08 ,  H04L9/32 ,  H04L29/06

Abstract: 本发明公开了一种基于区块链的科技大数据的交换与共享的系统与方法，所述系统包括数据提供方与数据请求方，所述数据提供方是指将提供科技大数据，并将所述科技大数据通过区块链发布到区块链网络中，供其他科研参与者访问使用的科研机构或个人；所述数据请求方是指访问数据提供方提供的数据的科研机构或个人。本发明的优势在于，解决科技大数据在共享交换问题。采用区块链构建新型大数据交换系统，通过区块链的去中心化和去信任的方式集体维护可靠的分布式数据库，并通过区块链的可溯源特性确保数据可信以及实现版权保护和版权流动。

公开(公告)号：CN110458060A

公开(公告)日：2019-11-15

申请号：CN201910694429.8

申请日：2019-07-30

Applicant: 暨南大学

Inventor： 翁健 ,  黎天琦 ,  魏凯敏 ,  张悦 ,  何政宇 ,  陈思念 ,  冯丙文 ,  刘志全

IPC: G06K9/00 ,  G06K9/62

Abstract: 本发明公开了一种基于对抗学习的车辆图像优化方法及系统，该方法的步骤为：收集不同角度拍摄的车辆图像，将车辆图像划分为标准场景图像和非标准场景图像；对非标准图像进行图像预处理后作为低质量数据集；构建基于生成对抗网络的车辆图像优化模型，模型由生成器、判别器和特征提取器构成；训练基于生成对抗网络的车辆图像优化模型，设置损失函数，采用反向传播计算网络权重梯度并更新车辆图像优化模型参数；车辆图像优化模型训练完成后，保留生成器作为最终的车辆图像优化模型，输入多场景车辆图像，输出优化的标准场景图像。本发明实现复杂场景车辆图像到标准场景车辆图像迁移，达到优化图像质量目的，提升车辆检测识别准确率。

公开(公告)号：CN109347852A

公开(公告)日：2019-02-15

申请号：CN201811315880.6

申请日：2018-11-07

Applicant: 暨南大学

Inventor： 刘志全 ,  翁健 ,  马建峰 ,  李盈 ,  兰奕明 ,  魏凯敏 ,  冯丙文

IPC: H04L29/06 ,  H04L29/08 ,  H04L12/24 ,  H04L9/32

CPC classification number: H04L63/20 ,  H04L9/3247 ,  H04L41/14 ,  H04L67/12

Abstract: 本发明公开了一种轻量级的车联网信任评估方法，具体包括步骤：S1、在节点先前交互结束时，交互双方均根据交互体验为对方生成一条包含自身数字签名的信任证明并发送给对方；S2、交互双方收到新的信任证明后验证其签名信息，并更新本地存储以保存对自身最有利的至多η条信任证明，其中η∈Z+为系统参数；S3、在潜在交互开始时，潜在交互双方均将本地存储的信任证明发送给对方以证明自身可信赖；S4、潜在交互双方通过数字签名信息验证信任证明的真实性并据此导出对方的信任值和决定是否同意与之交互，当且仅当双方都同意时进行交互。本发明不依赖信任中心和路侧单元，更符合车联网的大规模、分布式特性。

公开(公告)号：CN113935882B

公开(公告)日：2024-07-12

申请号：CN202111134369.8

申请日：2021-09-27

Applicant: 暨南大学

Inventor： 李彤 ,  冯丙文 ,  蔡东洪 ,  魏凯敏 ,  刘志全

IPC: G06T1/00 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于卷积特征融合的水印去除方法、装置、计算机设备和存储介质，所述方法包括：获取图像数据库，其中，图像数据库包括水印图像；将所述水印图像输入多任务水印分割网络，得到初步去除水印的第一图像、预测的水印图案、预测的水印掩码和预测的水印嵌入强度；根据所述水印图像、所述水印图案、所述水印掩码和所述水印嵌入强度，得到初步去除水印的第二图像；将所述第一图像和所述第二图像进行拼接，得到拼接图像；将所述拼接图像输入基于注意力模块特征选择的优化网络，得到去除水印的图像。本发明提出的水印去除方法，通用性强，能适用于各种嵌入强度、各种颜色的水印的去除。

公开(公告)号：CN113946830B

公开(公告)日：2024-05-07

申请号：CN202111175586.1

申请日：2021-10-09

Applicant: 暨南大学 ,  中国电子产品可靠性与环境试验研究所((工业和信息化部电子第五研究所)(中国赛宝实验室))

Inventor： 李星政 ,  冯丙文 ,  黄晓昆 ,  徐天昊

IPC: G06F21/57 ,  G06F21/56 ,  G06F40/289 ,  G06N3/049 ,  G06N3/08 ,  G06N3/0464

Abstract: 本发明公开了基于多模态检测的Android APP漏洞细粒度检测方法，包括以下步骤：S1、选择需要进行检测的APP；S2、对APP的Java源代码编译形成smali代码；S3、对Java源代码进行分析提取细粒度的代码片段java code slice；S4、从smali代码中匹配java code slice形成代码片段smali code slice；S5、将code slice进行转换为向量形式；S6、对向量形式的java code slice和smali codeslice进行多模态早期融合，对两个数据的简单相加后去除冗余数据，得到融合的向量数据；S7、将三种独立的数据通过三个独立的BLSTM深度学习模型得到三个独立的检测结果；S8、将三个检测结果通过多模态晚期融合，综合三个检测结果做出检测结论。本发明方法能够更高准确率、更快速率以及细粒度的完成漏洞检测工作。