-
公开(公告)号：CN103294959A
公开(公告)日：2013-09-11
申请号：CN201310206648.X
申请日：2013-05-29
Applicant: 南京信息工程大学
IPC: G06F21/60
Abstract: 本发明提出了一种抗统计分析的文本信息隐藏方法，所述方法发送方收集大量相同主题的选择题并构建成题库，且不需要与接收方共享该题库。发送方通过对题库中题目进行基于选项内容长度的编码，根据秘密信息选取具有指定编码值的选择题自动产生逼真的隐写文本，同时将额外的秘密信息嵌入在隐写文本中选择题的选项排列顺序中，选项排列顺序的修改不会影响选择题的具体内容和各项统计特性。秘密信息的提取则直接通过计算隐写文本中每道题基于选项内容长度和选项排列的编码值来获取。本发明隐蔽性好、隐藏容量大、抗统计分析的能力强。
-
公开(公告)号：CN118301620B
公开(公告)日：2024-08-16
申请号：CN202410726538.4
申请日：2024-06-06
Applicant: 南京信息工程大学
IPC: H04W12/37 , H04W12/126 , H04W12/68 , H04W12/60 , H04M1/72463 , G06F11/30 , G06F11/34 , G06F21/62 , G06V10/82 , G06N3/08
Abstract: 本发明公开了一种移动应用程序通用语音窃听检测方法及装置，属于移动设备与软件安全技术领域，所述方法包括检测到麦克风访问行为，通过虚拟镜像技术获取屏幕信息；通过预训练过的L‑YOLO模型对屏幕信息进行识别和定位，判断屏幕上是否出现了麦克风图标、且麦克风图标是否被用户触碰；根据L‑YOLO模型的识别结果，判断麦克风访问行为是否为窃听行为；本发明可以准确判断当前的麦克风访问属于用户的正常操作还是移动应用程序的非法窃听，且能够有效识别任意移动应用程序在任意逻辑下的窃听行为，保证语音交互中的用户隐私免遭泄露。
-
公开(公告)号：CN118279121A
公开(公告)日：2024-07-02
申请号：CN202410714806.0
申请日：2024-06-04
Applicant: 南京信息工程大学
IPC: G06T1/00 , G06V10/44 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/0475 , G06N3/048 , G06N3/047 , G06N3/084
Abstract: 本发明公开了基于U‑Net的生成概率模型的图像隐写方法及系统，涉及图像处理技术领域，方法包括以下步骤：接收封面图像，将封面图像输入至预先建立的双分支U‑Net模型的生成器中，输出得到嵌入位置概率；将嵌入位置概率转化成失真代价，将失真代价进行动态更新后嵌入生成含秘图像；将封面图像和含秘图像输入至双分支U‑Net模型的判别器中进行隐写分析，输出得到判别结果，其中，所述判别结果为分类图像的准确率。
-
公开(公告)号：CN117939027B
公开(公告)日：2024-06-07
申请号：CN202410325137.8
申请日：2024-03-21
Applicant: 南京信息工程大学
IPC: H04N1/32 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了基于DCT特征提取的JPEG图像隐写方法及系统，涉及图像处理技术领域，包括：接收JPEG载体图像，将JPEG载体图像输入至预先建立的策略网络模型内，得到策略矩阵；根据策略矩阵，以逐系数的方式对修改动作进行采样，通过迭代生成模拟隐写图像，其中，所述修改动作通过预先建立的环境网络模型评估贡献并返回奖励矩阵；将策略矩阵输入至预先建立的环境网络模型内进行训练，输出得到训练后的策略矩阵，将训练后的策略矩阵转换为嵌入代价，模拟隐写图像根据嵌入代价生成得到最终的隐写图像。
-
公开(公告)号：CN117253262B
公开(公告)日：2024-01-30
申请号：CN202311516455.4
申请日：2023-11-15
Applicant: 南京信息工程大学
IPC: G06V40/12 , G06V10/82 , G06V10/774 , G06N3/0475 , G06N3/094 , G06N3/0464
Abstract: 本发明公开了一种基于共性特征学习的伪造指纹检测方法及装置，其方法包括：获取测试指纹图像；将测试指纹图像输入训练好的共性特征提取器，提取测试共性特征；将测试共性特征输入第一分类器获取测试真伪检测结果；其中，共性特征提取器的训练损失由真伪检测损失、伪造材料鉴别损失、特征分布损失构成，通过伪造材料鉴别损失剔除共性特征中的伪造材料信息，从而提高在面对未知伪造材料的泛化能力；通过特征分布损失能够在有限的指纹数据集下学习(56)对比文件LÁZARO JANIER GONZÁLEZ-SOLER等.Fingerprint Presentation AttackDetection Based on Local FeaturesEncoding for Unknown Attacks 《.IEEEAccess》.2021,第9卷第5806-5820页.
-
Patent Agency Ranking
公开(公告)号：CN117253262A
公开(公告)日：2023-12-19
申请号：CN202311516455.4
申请日：2023-11-15
Applicant: 南京信息工程大学
IPC: G06V40/12 , G06V10/82 , G06V10/774 , G06N3/0475 , G06N3/094 , G06N3/0464
Abstract: 本发明公开了一种基于共性特征学习的伪造指纹检测方法及装置，其方法包括：获取测试指纹图像；将测试指纹图像输入训练好的共性特征提取器，提取测试共性特征；将测试共性特征输入第一分类器获取测试真伪检测结果；其中，共性特征提取器的训练损失由真伪检测损失、伪造材料鉴别损失、特征分布损失构成，通过伪造材料鉴别损失剔除共性特征中的伪造材料信息，从而提高在面对未知伪造材料的泛化能力；通过特征分布损失能够在有限的指纹数据集下学习到与数据相干性低的共性特征；因此，本发明能够在有限的指纹数据集下学习，实现泛化能力强和检测准确性高的优点。
-
公开(公告)号：CN117201063A
公开(公告)日：2023-12-08
申请号：CN202310895502.4
申请日：2023-07-20
Applicant: 南京信息工程大学
IPC: H04L9/40 , G06F18/214 , G06F18/243 , G06N3/045 , G06N3/048 , G06F123/02
Abstract: 本发明提供基于多维特征提取的以太坊钓鱼诈骗地址检测方法和系统，涉及数据处理技术领域，该方法包括：接收待测目标地址的统计特征；接收待测目标地址的多维信息时序特征；利用提取的统计特征和时序特征对待测目标地址二阶交易的网络结构特征及节点结构特征提取；将待测目标地址的统计特征、时序特征、二阶交易的网络结构特征及节点结构进行拼接，整体输入至预设的随机森林分类模型进行钓鱼诈骗地址检测。本发明能有效提取待测目标地址交易中的时序特征信息，结合提取的统计特征，通过基于GCN的双层结构特征提取网络，提取待测目标地址二阶交易的网络结构特征及节点结构特征，最终通过随机森林分类可以有效检测以太坊中的钓鱼诈骗地址。
-
公开(公告)号：CN116992483A
公开(公告)日：2023-11-03
申请号：CN202311030087.2
申请日：2023-08-16
Applicant: 南京信息工程大学
IPC: G06F21/62 , G06F21/60 , G06F21/57 , G06F16/9535
Abstract: 本发明公开空间众包环境下面向高维数据的隐私保护任务推荐方法，属于任务推荐领域；推荐方法包括：可信机构生成主密钥，并基于主密钥，来生成工人的密钥、数据请求者的密钥、以及云服务器的重加密密钥；工人构建数值过滤树，并用工人的密钥来加密数值过滤树，得到加密的数值过滤树；云服务器利用重加密密钥对加密的数值过滤树进行重加密；数据请求者利用密钥对编码后的查询范围进行加密，得到数值交集测试陷门和范围交集测试陷门；云服务器利用重加密密钥对数值交集测试陷门和范围交集测试陷门进行密文转换，得到转换陷门；云服务器收到重加密的数值过滤树和转换陷门后，按照从非叶子节点到叶子结点的遍历方式执行任务推荐。
-
公开(公告)号：CN115134142B
公开(公告)日：2023-09-22
申请号：CN202210740832.1
申请日：2022-06-28
Applicant: 南京信息工程大学
IPC: H04L9/40 , G06F16/172 , G06F16/16
Abstract: 本发明公开了一种基于文件分割的信息隐藏方法及系统，属于数字取证技术领域，包括：获取映射序列、载体文件和秘密信息；根据映射序列的长度将载体文件平均分割，得到文件片段；对文件片段每次扫描预设数量的字节得到字节码，将字节码排列组成文件片段矩阵；对文件片段矩阵中的字节码进行概率统计得到各字节码出现的概率；根据字节码及其出现的概率计算文件信息序列；对映射序列进行预处理使其长度达到秘密信息的长度，得到判定序列，根据判定序列将秘密信息和文件信息序列进行比对生成对比序列，完成信息隐藏；降低寻找载体文件的难度，提高实用性。
-
公开(公告)号：CN116304059B
公开(公告)日：2023-09-12
申请号：CN202310518020.7
申请日：2023-05-10
Applicant: 南京信息工程大学
IPC: G06F16/35 , G06F40/30 , G06F18/25 , G06N3/0455 , G06N3/0475 , G06N3/08 , G06Q50/18 , G06N3/0442 , G06N3/048
Abstract: 本发明公开了一种基于多特征融合SKIPGRAM模型和生成网络的诉辩焦点识别方法、设备及存储介质，依次将特征标签和添加到每条语句的后面进行融合，得到融合后的语句，将融合后的语句组成新的文本语句列表#imgabs0#；将新的文本语句列表放入到SKIPGRAM‑BILSTM‑Attention诉辩焦点识别网络中进行训练预测，得到新的文本语句列表中每个语句的概率，将概率最高的两个语句作为诉辩双方争议的焦点。本发明能够解决诉辩焦点识别中特征不足的问题，减少法律处理预料的积累和人工标注的烦恼，大大提升了案情描述中诉辩焦点识别的效率。
-
-
-
-
-
-
-
-
-
Search Results
122
records
(took 0.039 seconds)
