一种提升声纹安全性的方法

    公开(公告)号:CN114360553B

    公开(公告)日:2022-09-06

    申请号:CN202111483683.7

    申请日:2021-12-07

    Applicant: 浙江大学

    Abstract: 本发明公开了一种提升声纹安全性的方法,属于智能语音系统中的说话人识别安全技术领域。包括构造声纹安全模型;说话内容原子化;设置测试变量;构造测试样本;声纹安全模型训练与声纹注册;计算丰富度、长度、细节三种特征变量单步变化下的误识别率变化,得到特征变量的权重关系;针对待认证的原始认证词,提取原始认证词的音素特征,并得到原始认证词的误识别率;将误识别率与阈值作比较,若误识别率≤阈值,说明声纹安全,若误识别率>阈值,则根据特征变量的权重关系对原始认证词进行优化。区别于现有方法中着力于改进声纹模型、音频特征的研究趋势,本发明着力于通过优化说话内容的方式提升声纹安全性,可复配任何现有或改进的声纹模型。

    一种电容式触摸屏异常触碰检测方法及装置

    公开(公告)号:CN114546162A

    公开(公告)日:2022-05-27

    申请号:CN202210066463.2

    申请日:2022-01-20

    Applicant: 浙江大学

    Abstract: 本发明公开了一种电容式触摸屏异常触碰检测方法及装置,属于传感器异常检测领域。步骤1:对设备屏幕划分触摸区域,获取不同区域在正常触摸下的触摸点数据,包括触摸的起始时间及对应的压力值;步骤2:对触摸点数据进行特征提取,获得有效触摸点特征分布;步骤3:在设备屏幕的正常使用过程中,获取触摸点的所在区域、起始间隔和压力值,进行有效性检测,若属于有效触摸点,则屏幕正常响应,若属于无效触摸点,则对该触摸点进行阻断,屏幕不响应。该异常检测方法及装置可以检测到由于环境噪声导致的假触摸点,并进行阻断,保证手机等智能设备的安全性和用户体验。

    一种可动态配置的多核处理器容错系统

    公开(公告)号:CN112667450B

    公开(公告)日:2022-05-06

    申请号:CN202110017368.9

    申请日:2021-01-07

    Applicant: 浙江大学

    Abstract: 本发明涉及处理器技术领域,具体涉及一种可动态配置的多核处理器容错系统,所述多核处理器为可重配置的三个处理器,该多核处理器容错系统通过三个处理器的配置静态配置为常规容错模式、可靠容错模式或性能模式,然后根据模式切换寄存器的模式切换命令使得多核处理器容错系统在常规容错模式、可靠容错模式性能模式之间相互切换,最后根据所要切换的模式对三个处理器进行相应的配置。本发明能够满足数字芯片针对性能和可靠性需求的不同应用,提高处理器冗余方式的灵活度和可配置性,达到资源可配置和高效率的要求。

    一种基于硬件指纹的5G终端身份认证方法

    公开(公告)号:CN114374974A

    公开(公告)日:2022-04-19

    申请号:CN202111564622.3

    申请日:2021-12-20

    Applicant: 浙江大学

    Abstract: 本发明公开了一种基于硬件指纹的5G终端身份认证方法,该方法包括如下:预先构建终端设备的射频指纹样本库;当接收设备接收未知发射设备发送的信号后,对其进行起始点检测后,再提取射频特征得到射频特征向量;基于构建的射频指纹样本库对所述射频特征向量进行识别,从而确定未知发射设备身份。采用本发明的方法可以实现5G终端设备的高效认证,并同时保障数据的完整性和可靠性,且相对于现有的基于软件的识别方法而言,更为轻量和安全。

    一种安全驾驶监控方法、系统及可存储介质

    公开(公告)号:CN114212093A

    公开(公告)日:2022-03-22

    申请号:CN202111495952.1

    申请日:2021-12-08

    Applicant: 浙江大学

    Abstract: 本发明公开了一种安全驾驶监控方法、系统及可存储介质,涉及安全驾驶技术领域,该方法包括:通过智能手机的声学传感器和惯性测量单元,采集声学传感器信号和IMU信号;基于所述IMU信号中固定时间段内波峰和波谷对应关系,判断车辆状态,即正常驾驶、变道、转弯、离开环岛;基于所述声学传感器信号,并利用多普勒轮廓和深度神经网络对不同车辆状态时驾驶员的分心驾驶行为、后视镜检查行为进行检测,获取检测结果。本发明针对现有分心驾驶检测技术的缺陷进行改进,解决了现有检测技术中侵犯用户隐私及微小转动难以检测等问题,提高了分心驾驶识别精度的同时能够保障用户隐私。

    基于联邦学习的后门攻击防御方法、系统及可存储介质

    公开(公告)号:CN113962322A

    公开(公告)日:2022-01-21

    申请号:CN202111283267.2

    申请日:2021-11-01

    Applicant: 浙江大学

    Abstract: 本发明公开了一种基于联邦学习的后门攻击防御方法、系统及可存储介质,属于人工智能技术领域,通过计算三个特征参数可以精确表征训练模型更新的数据分布,神经网络内部结构和输出的细粒度差异,从而对中毒模型实现精准识别。同时结合新型聚类模型更新的设计,本发明能够消除包含具有高攻击影响的中毒模型的模型集群。此外,基于权重裁剪的防御可以有效地减轻可能未被检测到的中毒模型的影响。本发明充分考虑了攻击者的各种攻击手段,可以减轻最先进的后门攻击,而不影响模型在良性数据上的性能,达到良好的防御效果。

Patent Agency Ranking