一种基于数据水印的追溯方法及系统

    公开(公告)号:CN117291787A

    公开(公告)日:2023-12-26

    申请号:CN202311587143.2

    申请日:2023-11-27

    Abstract: 本发明提供一种基于数据水印的追溯方法及系统,可以利用数据水印追溯模型中的强解码分支和弱解码分支提取该待溯源RGB图像中的水印信息;其中,强解码分支对于修改图像语义的内容修改操作以及不改变图像语义的常规调节操作鲁棒,弱解码分支仅对上述不改变图像语义的常规调节操作鲁棒;通过利用强解码分支和弱解码分支的上述特性,可以对待溯源RGB图像进行准确溯源;其中,如果弱解码结果与强解码结果之间的相似度高于预设阈值,则确定待溯源RGB图像的内容未被篡改,因此可以基于强解码结果确定该待溯源RGB图像的源发送者,提升了被添加水印的图像在被上传至网络后可能被修改的情况下,针对该可能被修改的图像的溯源准确性。

    面向跨模态数据的语义检索方法

    公开(公告)号:CN116431788A

    公开(公告)日:2023-07-14

    申请号:CN202310403521.0

    申请日:2023-04-14

    Abstract: 本发明提供一种面向跨模态数据的语义检索方法,通过在检索学生模型的每一轮训练过程中,基于第一样本对检索教师模型进行当前轮训练,并基于当前轮训练后的检索教师模型对第二样本进行图文匹配,得到第二样本的匹配标签,再基于第二样本的匹配标签对检索学生模型进行当前轮训练,使得检索学生模型在训练过程中可以克服第二样本中的大量噪声带来的干扰;同时通过提供第二样本的匹配标签作为检索学生模型的训练目标,可以将各个第二样本中包含的多对多关系传达给检索学生模型,使得检索学生模型可以学习到上述多对多的关联关系,从而给出更优的跨模态检索结果,提升了检索学生模型在复杂的网络数据中的跨模态检索精度。

    一种社交网络关键节点挖掘的方法、装置及存储介质

    公开(公告)号:CN115827949A

    公开(公告)日:2023-03-21

    申请号:CN202211384169.2

    申请日:2022-11-07

    Abstract: 本申请公开了一种社交网络关键节点挖掘的方法、装置及存储介质,用于提高查找社交网络中关键节点的准确性。本申请方法包括:提取社交网络平台中的用户关系数据和社交网络文本数据,根据用户关系数据构建复杂网络图,再将复杂网络图将用户关系映射为邻接矩阵,将邻接矩阵中的节点输入节点katz中心度分析模型计算出用户节点的katz中心度,将社交网络文本输入预先构建的情感分析模型中,确定博文的情感数据并输出,对情感数据进行统计分析得到博文情绪占比,将节点katz中心度以及情绪占比输入预先构建好的节点重要程度评估模型确定社交网络平台的关键节点。

    一种数据分级方法、系统及相关装置

    公开(公告)号:CN119377792A

    公开(公告)日:2025-01-28

    申请号:CN202411960028.X

    申请日:2024-12-30

    Abstract: 本申请公开了一种数据分级方法、系统及相关装置,用于对数据进行快速且准确的分级。本申请方法包括:获取数据来源信息,基于所述数据来源信息得到数据清单;根据所述数据清单,通过预设分类模型提取目标数据;获取定性要素和定量要素,基于所述定性要素和所述分类模型对所述目标数据进行分级得到初始级别;判断已得到所述初始级别后的所述目标数据是否包含敏感信息;若是,则设定要素权重,基于所述定量要素和所述要素权重对目标数据得到所述目标数据的二次定级,在得到所述目标数据的所述二次定级后,结合所述初始级别对所述二次定级进行调整,最终得到目标数据的目标级别;若否,则将所述目标数据的所述初始级别确定为所述目标级别。

    基于贡献度的联邦学习激励方法、装置及系统

    公开(公告)号:CN119047601A

    公开(公告)日:2024-11-29

    申请号:CN202411545606.3

    申请日:2024-11-01

    Abstract: 本发明提供一种基于贡献度的联邦学习激励方法、装置及系统,该方法包括:接收参与方发送的梯度密文;在接收到预设数量或者时间内参与方发送的梯度密文后,对梯度密文进行解密验证,得到梯度数据;计算各参与方的奖励,对奖励签名后发送给奖励中心,以使奖励中心将奖励发送到对应的参与方账户;确定合格参与方,生成下一轮参与联邦学习的参与方列表;根据合格参与方的梯度数据生成聚合梯度,加密聚合梯度得到聚合梯度密文;将聚合梯度密文发送给参与方列表中的参与方,以使参与方进行下一轮迭代训练。利用本发明方案,可以使各参与方得到相应的激励,提升参与方的积极性,提升联邦学习效率。

    联邦学习激励方法及系统
    29.
    发明授权

    公开(公告)号:CN118245992B

    公开(公告)日:2024-07-23

    申请号:CN202410662711.9

    申请日:2024-05-27

    Abstract: 本发明提供一种联邦学习激励方法及系统,该方法包括:联邦学习平台发布任务发起方发起的联邦学习任务;接收用户提交的参与任务申请;对所述用户进行身份认证;对通过身份认证的用户通过区块链上存储的数字身份信息以及信誉评分确定是否允许所述用户参与所述联邦学习任务;如果允许,则将所述用户作为任务参与方添加至私有通道,以使任务参与方进行联邦学习建模训练;在联邦学习结束后,根据区块链上的智能合约向所述任务参与方发放任务奖励。利用本发明方案,可以为联邦学习参与方提供准确有效的激励机制,提升数据持有者参与联邦学习的动力,进而提升联邦学习模型的准确性。

    一种识别人群聚集的方法、装置及计算机可读存储介质

    公开(公告)号:CN117994719A

    公开(公告)日:2024-05-07

    申请号:CN202410026176.8

    申请日:2024-01-08

    Abstract: 本申请实施例公开了一种识别人群聚集的方法、装置及计算机可读存储介质,用于提高效率。本申请实施例方法包括:获取目标摄像头拍摄的视频流数据;将所述视频流数据输入预先训练完成的人头识别模型,得到标注人头框后的待检测图像序列,所述人头识别模型用于标注图像中的人头;获取所述待检测图像序列中的人头框的中心点坐标;计算所述待检测图像序列中各个人头框的面积;将所述中心点坐标和所述各个人头框的面积输入预先训练好的聚类模型,利用所述聚类模型对所述待检测图像序列逐张进行关于人头框的中心点的聚类,得到聚类结果;根据所述聚类结果确定是否发生人群聚集。

Patent Agency Ranking