一种安全高效的人脸特征模板生成方法

    公开(公告)号:CN115720140A

    公开(公告)日:2023-02-28

    申请号:CN202211355224.5

    申请日:2022-11-01

    Abstract: 本发明提出一种安全的人脸特征模板生成方法,涉及信息安全领域。本发明提供了一种使特征模板具有不可逆、可撤销、可链接和性能保持特性的模板生成方法,生成的特征模板能有效抵御常见的针对特征模板的攻击,可以有效保护个人的人脸信息不被泄露。该方法的其特征是:(1)使用两组不同的密钥分别驱动混沌系统产生两组不同的伪随机数序列,用于置乱生物特征和构造局部敏感哈希函数;(2)将用户安全密钥编码后使用纠错码技术存储,在查询阶段可以恢复,不需要再次输入,使得查询更为便捷;(3)提出的RNLSH哈希方法使用随机数序列构造哈希函数,使得函数构造更为灵活多样,使用RNLSH生成的特征模板不能被逆向破解。

    一种基于混洗器联邦差分隐私的矩阵分解推荐方法

    公开(公告)号:CN117743690A

    公开(公告)日:2024-03-22

    申请号:CN202311785735.5

    申请日:2023-12-22

    Abstract: 本发明涉及一种基于混洗器联邦差分隐私的矩阵分解推荐方法,属于计算机推荐系统领域和信息安全领域。该方法具体包括:用户i∈[1,n]在本地通过L(U,V),在第t∈[1,T]轮用户i求得用户i的隐因子向量#imgabs0#项目隐因子矩阵的梯度#imgabs1#并且选择#imgabs2#中的topk的梯度和以及使用PM扰动,再使用公钥pka加密生成mi∈[1,n],混洗器获得mi∈[1,n],填充打乱顺序后得到mi∈[1,nl+v],最后服务器通过解密无偏估计得到#imgabs3#同时更新得到Vt;如此经过T轮后得到V。本发明具有良好的隐私保护性和模型准确性。

    一种融合扩散模型的生成对抗网络推荐方法

    公开(公告)号:CN118585893A

    公开(公告)日:2024-09-03

    申请号:CN202410613520.3

    申请日:2024-05-17

    Abstract: 本发明提出的一种融合扩散模型的生成对抗网络推荐方法,包括从数据库中获取和清理数据信息,以获得所需信息;通过前向加噪过程不断向用户‑项目评分矩阵中规律地增加高斯噪声,以破坏原始评分记录并将该稀疏矩阵稠密化,并得到条件向量与真实样本;根据条件向量,生成器在潜向量空间中进行不同时刻下的大步数去噪,以得到预测评分矩阵;通过Masking操作来模拟原始评分矩阵的稀疏性,得到一个稀疏性与原始矩阵相同的预测评分矩阵;利用扩散模型后向过程,根据预测评分矩阵计算去噪后验分布,对条件向量去噪,并得到与真实样本对应的虚假样本用于判别器训练;通过判别器来判断不同时刻下的加噪矩阵的Wasserstein距离,并指导生成器的训练;对去噪后的预测评分集合进行排序,将预测评级较高的前k个项目推送给目标用户,以形成其个性化推荐列表。

    一种基于物品交互约束的自编码器推荐系统

    公开(公告)号:CN117150135A

    公开(公告)日:2023-12-01

    申请号:CN202311126047.8

    申请日:2023-09-01

    Abstract: 本发明提出的基于物品交互约束的自编码器推荐系统,包括从数据库中获取和清理数据信息,以获得所需信息;根据偏好特征模块从已有的评分信息中获取用户的偏好特征;根据物品特征获取模块从标签中获取物品特征;根据融合偏好特征模块,将两个特征融合到一起,用于后续对用户评分的预测;再根据融合特征处理模块对融合偏好特征进行处理,并输出预测评分;同时根据参数更新约束模块,对模型训练过程中的参数更新进行约束,以避免训练过程中产生的误差;根据推荐结果获取模块,对预测评分集合进行排序,将预测评级较高的前k个项目推送给目标用户,以形成其个性化推荐列表。

    一种基于生成对抗网络的评分可信推荐系统

    公开(公告)号:CN116910351A

    公开(公告)日:2023-10-20

    申请号:CN202310627922.4

    申请日:2023-05-30

    Abstract: 本发明提出的基于生成对抗网络的评分可信推荐系统,包括从数据库中获取和清理数据信息,以获得所需信息;根据基于用户偏好一致性的噪声识别规则,将不同偏好程度的用户和项目分类后,并识别原始评分矩阵中的噪声;根据设计的评分可靠性矩阵生成模块生成初始评分可靠性矩阵;根据设计的正样本填充规则,填充评分可靠性矩阵中非交互区域,以平衡数据;利用生成对抗网络去训练所获取的评分矩阵以及可靠性矩阵,以预测出各空白区域的评分值以及可靠性概率;通过与系统设定的可靠性阈值进行比较,将可靠性概率低于阈值的预测评级进行过滤,保留较高可靠性概率的评级;对过滤后的预测评分集合进行排序,将预测评级较高的前k个项目推送给目标用户,以形成其个性化推荐列表。

    一种基于项目相似性的流行度去偏推荐模型

    公开(公告)号:CN119622104A

    公开(公告)日:2025-03-14

    申请号:CN202411776918.5

    申请日:2024-12-05

    Abstract: 本发明提出的一种基于项目相似性的流行度去偏推荐模型,包括从数据库中提取用户项目评分数据并进行预处理,得到原始评分矩阵;基于KL散度计算项目间的相似性,并基于此相似性计算基于项目相似性的流行度(ISP);基于因果理论,将用户与项目的交互评分解耦为“真实兴趣”和“从众行为”两部分,并为用户和项目分配对应的嵌入向量;通过引入权重注意力机制,自适应学习用户的兴趣和从众行为的权重;基于得到的权重加权求和两部分得分,计算最终的个性化推荐得分;通过基于ISP的负采样方法划分训练数据集,并构建损失函数以监督解耦嵌入向量的学习;对用户未评分的项目进行评分值预测和排序,并选取前k个项目形成个性化推荐列表。

    具有预测可靠性的深度神经网络推荐系统

    公开(公告)号:CN115809358A

    公开(公告)日:2023-03-17

    申请号:CN202211586219.5

    申请日:2022-12-08

    Abstract: 本发明提出的具有预测可靠性的深度神经网络推荐系统,包括从数据库中获取和清理数据信息,以获得所需信息;根据系统设定的不同评级值,将用户‑项目评级矩阵R划分为对应的几个独立且只含0‑1二值的子矩阵;利用深度神经网络中的双塔模型去并行训练所获取的子矩阵,以预测出每个子矩阵中相同空白区域的概率值;归一化每个子矩阵中所得到的概率值,并将归一化后的最大概率值作为可靠性概率;根据所获取的可靠性概率,找到对应子矩阵所代表的评级,并将该评级作为该空白区域的预测评级;通过与系统设定的可靠性阈值进行比较,将可靠性概率低于阈值的预测评级进行过滤,保留较高可靠性概率的评级;对过滤后的预测评分集合进行排序,将预测评级较高的前k个项目推送给目标用户,以形成其个性化推荐列表。

Patent Agency Ranking