-
公开(公告)号：CN103699863B
公开(公告)日：2016-08-17
申请号：CN201310654793.4
申请日：2013-12-06
Applicant: 广东工业大学 , 广州江南科友科技股份有限公司
IPC: G06K7/00
Abstract: 本发明公开了一种抗异步攻击的超轻量级无线射频识别认证方法，标签中增设了会话密钥Nt作为标志位，该标志位与上次认证过程中阅读器产生的随机数相关，并保持动态刷新，使攻击者重放的消息失效，能够有效解决抵抗异步攻击的问题；采用了双向认证方法来实现身份的认证，且引入超轻量级的非线性函数NLMC(x,y)来加密通信中的消息，提高了无线射频识别系统在开放环境中通信的保密性，更加安全。本发明可广泛应用于无线射频识别领域。
-
公开(公告)号：CN115987893B
公开(公告)日：2024-12-10
申请号：CN202310121111.7
申请日：2023-02-13
Applicant: 广东工业大学
IPC: H04L47/10 , H04L45/76 , H04L45/655 , H04L49/60 , H04L41/12 , H04L43/0894 , H04L43/0888
Abstract: 本发明公开了一种基于混合SDN的网络资源池拥塞控制框架，采用混合路由节点形成混合SDN架构，利用SDN控制器对资源池拥塞进行控制，从而达到对网络的集中控制和网络状态的监测，所述混合路由节点3个功能模块包括：路由协议控制模块，用于实现传统路由器的转发表生成功能；OpenFlow交换机模块，实现与SDN控制器的交互与流表转发功能；数据转发模块，根据转发规则转发数据。本发明提高了网络资源利用率又提高了拥塞接口缓解效率；同时利用SDN控制器中的网络测量技术可以针对基于显性反馈的资源池拥塞控制框架提供监控管理网络故障功能和预防防御网络攻击行为的功能，为更加安全高效的拥塞控制提供了保障。
-
公开(公告)号：CN118446285A
公开(公告)日：2024-08-06
申请号：CN202410470131.X
申请日：2024-04-18
Applicant: 中国电信股份有限公司广东分公司 , 广东工业大学
IPC: G06N3/098 , G06F9/48 , G06F18/231
Abstract: 本发明公开了一种高效的联邦学习客户端调度方法及系统，该方法包括：记录每个轮次各客户端的设备状态和本地要素；对服务器和客户端进行迭代交互学习，得到客户端的本地模型参数；对客户端进行聚类，并确定本轮可用客户端集合；计算客户端集合对应的效用值，并进行采样，得到本轮训练客户端集合；训练本轮训练客户端集合，并满足指定轮次需求，得到更新的全局模型。该系统包括记录跟踪模块、交互学习模块、聚类模块、筛选模块、效用计算模块、采样模块和联邦训练模块。通过使用本发明，能够考虑联邦学习现实场景中常见的统计异质性和系统异质性，有效地加快模型训练和提高输出模型最终性能。本发明可广泛应用于机器学习技术领域。
-
公开(公告)号：CN117423380A
公开(公告)日：2024-01-19
申请号：CN202311322872.5
申请日：2023-10-13
Applicant: 广东工业大学
IPC: G16B15/30 , G16B45/00 , G06N3/042 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种编码分子图结构关系的药物相互作用预测方法及系统，该方法包括：构建药物分子结构图；计算拉普拉斯矩阵，并对所述药物分子结构图中的节点赋予结构信息；基于图神经网络提取子结构信息；根据所述子结构信息，捕获药物分子信息和子结构交互信息并更新节点表示，聚合节点表示，得到图特征表示；计算所述药物对分子结构图的相似性；构建关系矩阵；根据所述图特征表示、所述相似性和关系矩阵进行预测。该系统包括：图结构构建模块、位置编码模块、子结构提取模块、聚合模块、相似性计算模块、关系矩阵构建模块和预测模块。通过使用本发明，能够增强对药物相互作用的理解和预测能力。本发明可广泛应用于模型预测领域。
-
公开(公告)号：CN113674379B
公开(公告)日：2024-01-09
申请号：CN202110975077.0
申请日：2021-08-24
Applicant: 广东工业大学
IPC: G06T11/00 , G06T7/168 , G06V10/774
Abstract: 本发明公开的一种基于参考支撑集的共稀疏分析模型的MRI重构方法、系统及计算机可读存储介质，方法包括：获取待重构的MRI图像数据和参考的另一对比度MRI图像的全采样数据；对两张不同对比度的MRI图像分别进行小波变换得到对应的稀疏表示，再求得对应的支撑集Ω1和Ω2；利用支撑集Ω1和Ω2学习更为准确的支撑集Ω*；利用支撑集Ω*得到基于参考支撑集的共稀疏分析模型；基于支撑集的稀疏约束和共稀疏分析模型得到最优化模型；求解最优化模型，输出重构的MRI图像。本发明利用已知对比度的全采样图像作为参考图像，引导学习更为准确的支撑集，利用支撑集的稀疏约束对共稀疏分析模型进行优化得到最优化模型，利用共轭梯度法和交替迭代的思想重构MRI图像，提高了重构效率，实现简单，性能良好。
-
Patent Agency Ranking
公开(公告)号：CN117036220A
公开(公告)日：2023-11-10
申请号：CN202311018478.2
申请日：2023-08-11
Applicant: 广东工业大学
IPC: G06T5/50 , G06N3/0475 , G06N3/045
Abstract: 本申请提供了一种跨模态医学图像合成方法、系统及介质，该方法包括：基于第一MRI图像与第一CT图像分别获取对应的MRI潜在编码与CT潜在编码，所述第一MRI图像与所述第一CT图像为对应的采集的原始MRI图像以及CT图像；基于所述MRI潜在编码与所述CT潜在编码获取融合潜在编码；将所述融合潜在编码分别输入第一生成网络与第二生成网络获取对应的第二MRI图像与第二CT图像，所述第一生成网络由所述第一MRI图像作为标签训练得到，所述第二生成网络由所述第一CT图像作为标签训练得到。从而解决目前难以通过扩散模型解决医学图像领域中跨模态图像合成的问题，且提高图像质量。
-
公开(公告)号：CN113283476B
公开(公告)日：2023-10-10
申请号：CN202110460692.8
申请日：2021-04-27
Applicant: 广东工业大学
IPC: G06F18/214 , G06F18/241 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种物联网网络入侵检测方法，基于条件生成对抗网络和深度神经网络对物联网网络入侵行为进行检测；具体步骤如下：S1、对物联网的原始流量数据进行预处理；S2、对少数类流量数据样本进行分类；S3、建立包括有生成器和判别器的条件生成对抗网络；S4、重复训练生成器和判别器；S5、通过训练好的条件生成对抗网络生成虚假的少数类流量数据样本；S6、结合步骤S5生成的虚假的少数类流量数据样本和真实的原始流量数据训练深度神经网络；S7、通过训练好的深度神经网络检测物联网入侵攻击行为。本发明具有检测准确率高、误报率低等优点。
-
公开(公告)号：CN116797871A
公开(公告)日：2023-09-22
申请号：CN202310632038.X
申请日：2023-05-30
Applicant: 广东工业大学
IPC: G06V10/774 , G06V10/82 , G06V10/764 , G06V10/26 , G06V10/28 , G06N3/0475 , G06N3/045 , G06N3/084
Abstract: 本发明公开了一种基于AdvDrop的对抗样本生成方法，涉及机器学习安全的技术领域，本发明将图像输入空间域和频域两个不同分支进行处理，对于频域攻击AdvDrop，首先将输入图像分割为N*N块，并对每一个块使用离散余弦变换DCT将它们转换到频域，引入量化矩阵M来降低变换后图像的一些特定频率，通过在量化过程中引入正切函数来逐步接近量化函数，进而通过新的量化函数准确调整量化矩阵M，然后再通过逆离散余弦变换IDCT操作将图像从频域转回空间域，然后通过空间域攻击和频域攻击融合模块，利用来自不同领域的梯度来迭代更新对抗性扰动，最终生成对抗样本，本发明提高了生成对抗样本的质量，可降低对抗样本的分布特征与真实样本的分布特征的差异，提高攻击成功率。
-
公开(公告)号：CN116390108A
公开(公告)日：2023-07-04
申请号：CN202310426085.9
申请日：2023-04-20
Applicant: 广东工业大学
Abstract: 本发明公开的属于信息科学技术领域，具体为一种基于风险分级图的动态施工环境视觉传感器网络部署优化方法，包括建筑信息模型模块、动态多障碍视觉节点优化部署数据建模模块和优化算法及可视化模块，所述建筑信息模型模块、所述动态多障碍视觉节点优化部署数据建模模块和所述优化算法及可视化模之间通过风险图进行数据传输，还包括具体步骤如下：从建筑信息模型中提取空间、构筑物、障碍物等信息，并生成风险图，本发明考虑了动态的施工进程，考虑了不同区域对覆盖率需求的差异，对不同区域进行分级以调配资源优先满足覆盖率高需求区域，得出全过程下的最优视觉传感器网络部署方案；实现了优化结果的可视化。
-
公开(公告)号：CN115987893A
公开(公告)日：2023-04-18
申请号：CN202310121111.7
申请日：2023-02-13
Applicant: 广东工业大学
IPC: H04L47/10 , H04L45/76 , H04L45/655 , H04L49/60 , H04L41/12 , H04L43/0894 , H04L43/0888
Abstract: 本发明公开了一种基于混合SDN的网络资源池拥塞控制框架，采用混合路由节点形成混合SDN架构，利用SDN控制器对资源池拥塞进行控制，从而达到对网络的集中控制和网络状态的监测，所述混合路由节点3个功能模块包括：路由协议控制模块，用于实现传统路由器的转发表生成功能；OpenFlow交换机模块，实现与SDN控制器的交互与流表转发功能；数据转发模块，根据转发规则转发数据。本发明提高了网络资源利用率又提高了拥塞接口缓解效率；同时利用SDN控制器中的网络测量技术可以针对基于显性反馈的资源池拥塞控制框架提供监控管理网络故障功能和预防防御网络攻击行为的功能，为更加安全高效的拥塞控制提供了保障。
-
-
-
-
-
-
-
-
-
Search Results
317
records
(took 0.062 seconds)
