-
公开(公告)号：CN108282778A
公开(公告)日：2018-07-13
申请号：CN201810064385.6
申请日：2018-01-23
Applicant: 中国科学技术大学
Abstract: 本发明公开了一种空间网中匿名快速的漫游接入认证方法，利用该方法能够降低漫游用户的接入认证时延，提高用户的接入体验，同时还能够为用户提供高强度的匿名性。除此之外，用户动态撤销的支持，让系统能够及时地踢出被撤销用户，同时撤销过程也不会对用户接入认证的性能产生太多的影响。
-
公开(公告)号：CN107689026A
公开(公告)日：2018-02-13
申请号：CN201710735459.X
申请日：2017-08-24
Applicant: 中国科学技术大学
IPC: G06T1/00
Abstract: 本发明公开了一种基于最优编码的可逆隐写方法，包括：产生原始载体序列，再采用预定方式将其处理为复合载体序列，并构建复合载体序列的失真矩阵；利用待嵌入消息长度以及原始载体序列长度计算出嵌入率；结合嵌入率、复合载体序列的分布概率，以及失真矩阵来计算最优的转移概率矩阵；利用最优的转移概率矩阵对复合载体序列执行递归编码，从而可逆地并且最小化失真将秘密消息嵌入到复合载体序列中得到载密序列。该方法借鉴了隐写领域的失真模型，为可逆隐藏的载体定义准确的修改失真，再使用可逆隐藏领域中最优的编码技术最小化失真地完成信息嵌入，从而实现更高的安全性。
-
公开(公告)号：CN106021170A
公开(公告)日：2016-10-12
申请号：CN201610348495.6
申请日：2016-05-19
Applicant: 中国科学技术大学
IPC: G06F15/18
CPC classification number: G06N99/005
Abstract: 本发明公开了一种采用半监督低秩表示模型的图构建方法，包括：将样本的已知标签信息转化为低秩表示模型中的一个约束条件；将图构建问题转化为带约束条件的线性凸优化问题，并求解出最优系统矩阵；利用该最优系统矩阵并结合节点之间的链接关系，采用随机游走过程将有向图转换为无向图，以保留节点的方向信息并实现权重矩阵的对称化。该方法可以更好地捕获数据的全局结构，还可以提高基于图的半监督算法的性能。
-
公开(公告)号：CN103345767B
公开(公告)日：2016-08-10
申请号：CN201310275158.5
申请日：2013-07-02
Applicant: 中国科学技术大学
IPC: G06T9/00
Abstract: 本发明公开了一种高安全性的JPEG图像的隐写方法，该方法包括：获取JPEG图像压缩过程中变换域上每一量化离散余弦变换DCT系数的量化取整误差，以及取整前后的量化DCT系数xi与Xi；利用取整前后的量化DCT系数xi与Xi定义对应的纵向失真与横向失真，并利用量化取整误差构建纵向失真的最小化嵌入失真模型；根据所述纵向失真的最小化嵌入失真模型，及对应的纵向失真与横向失真计算每一量化DCT系数的最优修改概率；将获得的每一量化DCT系数的最优修改概率转换为三元失真，并调用校验网格码STC，将取整后的量化DCT系数Xi作为载体嵌入秘密消息，再封装成完整的JPEG图像。通过采用本发明公开的方法保证了嵌入秘密消息的安全性以及嵌入秘密消息后良好的图像质量。
-
公开(公告)号：CN103345767A
公开(公告)日：2013-10-09
申请号：CN201310275158.5
申请日：2013-07-02
Applicant: 中国科学技术大学
IPC: G06T9/00
Abstract: 本发明公开了一种高安全性的JPEG图像的隐写方法，该方法包括：获取JPEG图像压缩过程中变换域上每一量化离散余弦变换DCT系数的量化取整误差，以及取整前后的量化DCT系数xi与Xi；利用取整前后的量化DCT系数xi与Xi定义对应的纵向失真与横向失真，并利用量化取整误差构建纵向失真的最小化嵌入失真模型；根据所述纵向失真的最小化嵌入失真模型，及对应的纵向失真与横向失真计算每一量化DCT系数的最优修改概率；将获得的每一量化DCT系数的最优修改概率转换为三元失真，并调用校验网格码STC，将取整后的量化DCT系数Xi作为载体嵌入秘密消息，再封装成完整的JPEG图像。通过采用本发明公开的方法保证了嵌入秘密消息的安全性以及嵌入秘密消息后良好的图像质量。
-
Patent Agency Ranking
公开(公告)号：CN102075931A
公开(公告)日：2011-05-25
申请号：CN201110008634.8
申请日：2011-01-14
Applicant: 中国科学技术大学
Abstract: 本发明公开了一种卫星网络中信息理论安全的密钥协商方法，可以用于卫星网络中的密钥协商，属于无线网络通信技术领域。所述协议包括：将信息理论安全引入卫星网络中，并根据卫星网络的特征建立协商协议；协商协议中，合法通信双方是在卫星网络中一对独立的离散无记忆信道上通信的，并且通过一个仅仅两轮的两级编码通信方案来完成优先提取和信息协商，然后通过通用散列技术来完成保密增强，最后双方得到一个信息理论安全的共享密钥。本方法考虑了卫星网络中延时较大和信道不对称的特性，实现了信息理论安全的密钥协商，可以使得卫星网络中通信双方共享密钥是无条件安全的。
-
公开(公告)号：CN119904345A
公开(公告)日：2025-04-29
申请号：CN202411983198.X
申请日：2024-12-31
Applicant: 中国科学技术大学
IPC: G06T1/00 , G06T9/00 , G06N3/0464
Abstract: 本发明公开了一种基于串行嵌入和并行提取的图表图像深度水印方法，首先对水印模型进行第一阶段串行训练，逐一使用各个噪声层训练并微调水印模型，得到一个能向图表图像中嵌入具有抗多种失真能力的水印特征的水印编码器；再进行第二阶段的并行训练，固定串行训练阶段得到的水印编码器，并行地同时训练多个水印解码器，每个水印编码器针对一种特定失真进行水印信息提取。该方法在确保水印嵌入不会影响图表图像质量的同时，还能实现图表图像版权保护和泄露阻止功能，从而有助于加强对图表图像的知识产权和安全性保护。
-
公开(公告)号：CN119888578A
公开(公告)日：2025-04-25
申请号：CN202510345754.9
申请日：2025-03-24
Applicant: 中国科学技术大学 , 北京三快在线科技有限公司
IPC: G06V20/40 , G06V40/16 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/0895
Abstract: 本发明公开了一种二阶段预训练人脸伪造视频检测方法、系统、设备及介质，它们是一一对应的方案，方案中：以预训练的图像级人脸表征模型对构建的视频级的人脸伪造视频检测模型（简称为模型）的主干部分进行初始化，为模型注入丰富的人脸表示先验知识；同时提出二阶段的训练方法来训练初始化后的模型：第一阶段采用对比学习，通过真实人脸视频高效生成具有不同伪造痕迹的训练样本，使网络能够分辨不同伪造方法形成的时间和空间域内的特定伪造痕迹；第二阶段在人脸伪造检测数据集上对模型进行微调，以提高模型的检测精度。
-
公开(公告)号：CN119383472A
公开(公告)日：2025-01-28
申请号：CN202411459932.2
申请日：2024-10-18
Applicant: 安徽清新互联信息科技有限公司 , 中国科学技术大学
IPC: H04N23/70 , H04N23/95 , H04N23/84 , H04N25/60 , G06T5/50 , G06V10/26 , G06V10/25 , G06T3/4038 , G06V10/74 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于深度学习的摄像机图像增强方法及系统，涉及图像处理技术领域，包括如下步骤：将所获取的原始图像序列输入到深度神经网络模型中，通过分割网络输出当前帧图像的语义分割结果，用于引导深度神经网络模型学习当前帧图像中的感兴趣目标，以便融合不同帧图像中相同目标的图像数据；通过亮度估计网络输出当前帧图像的画面明亮程度，以调整摄像头光圈；通过图像增强网络输出当前帧图像对应的增强图像；该摄像机图像增强方法及系统，充分保留了画面细节。
-
公开(公告)号：CN119273523A
公开(公告)日：2025-01-07
申请号：CN202411305423.4
申请日：2024-09-19
Applicant: 中国科学技术大学
IPC: G06T1/00 , G06T3/04 , G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种免疫几何失真的深度水印方法，首先结合Swin‑Transformer和可变形卷积网络DCN构建水印模型，所述水印模型包括水印编码器和水印解码器；利用风格迁移网络模拟不同种类的非几何失真的风格，形成失真风格组合噪声层；将所述失真风格组合噪声层应用于所构建水印模型的训练，增强水印模型对各种非几何失真的多重鲁棒性，提高鲁棒性的泛化能力。上述方法能在确保水印嵌入不会影响图像质量的同时，还能够实现图像版权保护和图像泄露阻止功能，从而有助于加强对图像的知识产权和安全性的保护。
-
-
-
-
-
-
-
-
-
Search Results
199
records
(took 0.026 seconds)
