-
公开(公告)号：CN104883323B
公开(公告)日：2018-01-12
申请号：CN201510219758.9
申请日：2015-05-04
Applicant: 南京邮电大学 , 南京理工大学连云港研究院
IPC: H04L12/813 , H04W84/18
Abstract: 本发明提供了一种应用于移动机会网络中的数据移交方法，融合了节点本身性能和社会属性，从剩余电量、剩余存储空间、紧密度和中心度四个属性出发，对数据进行分类处理，按照优先级的不同设置不同的组合系数，从而使得本方法在移交不同类型数据时能够提供富有弹性的多种转发策略。本方法采用归一化带权组合属性作为数据转发决策的标准，避免了不同性能量纲不同造成的不公平现象，相对于传统的数据移交方法具有低电量、低存储空间需求和高成功率的特点，可广泛应用于移动机会网络数据移交的各类应用系统中。
-
公开(公告)号：CN107316223A
公开(公告)日：2017-11-03
申请号：CN201710407045.4
申请日：2017-06-02
Applicant: 南京邮电大学
CPC classification number: G06Q50/01 , G06Q30/0611 , G06Q30/08
Abstract: 本发明公开了一种面向多合作任务的多报价标书移动群智感知激励方法，在保证每个合作性任务均能被一组互相兼容的用户完成的前提下，最小化社会成本。本发明考虑感知活动在一个在线社区中发起，平台和在线社区用户之间体现为一个反向拍卖过程。社交网络应用平台根据用户提交的兼容用户集，将用户分成多个兼容用户组。然后选择入选任务-报价对集合和每个用户的报酬。本发明所提的移动群智感知激励方法满足计算有效性、个人理性和防欺骗性。
-
公开(公告)号：CN107194282A
公开(公告)日：2017-09-22
申请号：CN201710225029.3
申请日：2017-04-07
Applicant: 南京邮电大学
Abstract: 本发明公开了一种面向云计算的可验证单关键词Top‑k检索方法，包括数据上传和Top‑k检索及验证步骤，数据拥有者采用Hash消息认证编码(HMAC)机制，并根据文档与关键词的相关度得分的偏序关系，构造验证码信息，然后与文档集合一起外包存储至云端。数据使用者在执行单关键词Top‑k检索时，云服务器返回检索结果文档集合以及相应的验证码信息；数据使用者根据获得的检索结果重构验证码，实现针对检索结果的完整性验证。本发明的协议流程简单，易于实现；安全性高，能够验证检索结果文档数据是否被恶意篡改或丢弃；完成检索结果完整性验证的验证码信息的传输通信代价和重构计算代价低，有利于提高网络利用率和检索效率。
-
公开(公告)号：CN106599638A
公开(公告)日：2017-04-26
申请号：CN201610976557.8
申请日：2016-11-07
Applicant: 南京邮电大学
CPC classification number: G06F21/31 , G02C11/00 , G06F1/163 , G06F1/1684 , G06F21/604 , G06F21/6245
Abstract: 本发明公开了一种智能眼镜装置及其隐式认证方法，该装置包括镜框和核心处理器，镜框分成若干个位置，每个位置中嵌入压力传感器和速度传感器，每个位置可以进行单击和双击两种操作，镜框上的压力传感器和速度传感器与核心处理器电路连接，通过内置的压电元件感知击打的压力、速度和时间间隔，核心处理器内部设置一个时间阈值，以区分单击与双击操作；核心处理器包括数据转化模块、初始化训练模块和密码认证模块，数据转化模块。本发明还包括上述智能眼镜装置的隐式认证方法。本发明采用击打认证方式，解决了智能眼镜基于传统键盘和语音认证带来的不便。击打有单击和双击两种方式，让显式密码认证强度得到提升。
-
公开(公告)号：CN106453348A
公开(公告)日：2017-02-22
申请号：CN201610928381.9
申请日：2016-10-31
Applicant: 南京邮电大学
Abstract: 本发明公开了社交网络中基于用户兴趣的登录认证方法，首先选定具体的基于Web的社交网络应用场景，可以是电脑桌面终端也可以是智能移动终端，用户完成注册；将用户信息分为较稳定信息和不稳定信息两类，构建用户的信息模型。较稳定信息包含用户的注册ID、注册时间、性别、姓名、年龄、籍贯等。不稳定信息包含用户所发表的文字、图片和音视频以及对其他用户做出的评述等；基于用户信息模型的不稳定信息，通过网络爬虫、词频统计或特征提取技术生成用户兴趣模型；最后利用上述用户兴趣模型完成用户登录认证。本发明的优点在于无需额外硬件支持，成本较低、效率较高。通过用户个性化的兴趣和偏好来综合判定用户身份的合法性，有较好的安全性。
-
Patent Agency Ranking
公开(公告)号：CN103002040B
公开(公告)日：2015-04-08
申请号：CN201210543765.0
申请日：2012-12-14
Applicant: 南京邮电大学 , 江苏亿通高科技股份有限公司
Abstract: 本发明涉及一种云计算用户数据检查的方法，为了确保云计算用户数据完整性和节省用户计算资源和通信负担，建立可靠地检查制度尤为关键，借助于第三方检查（TPA）来代理用户进行检查工作，它可以代理用户进行周期性的数据完整性检查，它采用基于同态线性认证的技术，确保TPA在没有取得用户数据的前提下能够正确代理用户进行检查工作，取得了隐私保护的目的,保证了云计算用户数据的安全。为了提高安全性和可靠性，本方案对此进行改进，增加了对用户数据块的认证过程，使得在检查数据块之前由TPA代理检查用户数据块签名，提高了检查的可靠性。
-
公开(公告)号：CN120045592A
公开(公告)日：2025-05-27
申请号：CN202510202473.8
申请日：2025-02-24
Applicant: 南京邮电大学
IPC: G06F16/2455 , G06F16/22 , G06F16/901 , G06F16/2453
Abstract: 本发明属于数据检索领域，公开了一种面向关联数据集的差异度最大化数据表组合查询方法，数据处理阶段首先对给定的表格数据集进行数据处理，建立特征‑数据列索引，根据该索引发现表格数据集中的可连接表，同时构建数据表连接图索引，预计算各表格之间的连接信息；数据查询阶段根据给定的样例查询表和连接列集合，在特征‑数据列索引中搜索候选连接列集合，获取候选数据表集合，根据给定预算，选取能够与样例查询表连接，并且使差异度最大的数据表集合。本发明首次提出了在关联数据集中搜索可连接数据表组合的方法，利用特征索引过滤可连接数据表，建立数据表连接图发现数据表之间的的连接路径，并返回预算约束下使差异度最大化的数据表集合。
-
公开(公告)号：CN120045540A
公开(公告)日：2025-05-27
申请号：CN202510202474.2
申请日：2025-02-24
Applicant: 南京邮电大学
IPC: G06F16/20 , G06F16/28 , G06F16/22 , G06F16/2455 , G06F16/2453 , G06F21/62 , G06F21/60
Abstract: 本发明属于数据检索领域，公开了一种基于样例的隐私保护空间数据集可连接查询方法，在数据预处理阶段，首先对数据仓库中的空间数据集进行处理，对空间数据集进行向量化，并且构建密钥对其进行编码加密，再将加密后的空间数据集存入分层向量索引中并发送至云服务器；在数据查询阶段，对于给定的样例空间数据集进行向量化处理并进行加密，形成搜索陷门，并作为搜索指令发送至云服务器；云服务器利用陷门在加密数据索引上执行隐私保护空间数据集可连接查询操作，在保证空间数据集数据隐私的同时实现对于可连接查询的搜索，寻找前k个数据集作为最终的结果集返回。该方法利用最新的索引和新的查询方法，搜索效率高。
-
公开(公告)号：CN120014244A
公开(公告)日：2025-05-16
申请号：CN202510175425.4
申请日：2025-02-18
Applicant: 南京邮电大学
IPC: G06V10/25 , G06V10/42 , G06V10/44 , G06V10/80 , G06V10/82 , G06V20/17 , G06N3/0464 , G06N3/045 , G06N3/08
Abstract: 本发明属于计算机视觉与目标检测技术领域，公开了一种基于改进YOLOv11s算法的无人机航拍小目标检测方法，包括构建无人机航拍图像数据集，构建无人机航拍小目标检测模型，对无人机航拍小目标检测模型进行优化，设置无人机航拍小目标检测模型的训练参数，使用训练集对改进后的无人机航拍小目标检测模型进行训练，在训练过程中，逐步保存训练权重，训练结束后，选取验证集损失函数最小的模型权重载入无人机航拍小目标检测模型，并用测试集进行评估。本发明提高了对小目标的检测和定位能力，实现了模型在平均精度mAP上的提高。
-
公开(公告)号：CN114969761B
公开(公告)日：2024-11-15
申请号：CN202210689100.4
申请日：2022-06-17
Applicant: 南京邮电大学
IPC: G06F21/57 , G06F21/55 , G06F21/56 , G06N3/0442 , G06N3/088
Abstract: 本发明是一种基于LDA主题特征的日志异常检测方法。该方法包含模型训练和异常检测两个阶段。在模型训练阶段，利用日志解析器将系统日志解析为日志模板集合和日志三元组集合，日志模板集合用以训练LDA模型，得到日志模板主题分类模型；利用LDA‑CM模型将日志三元组转换为进程日志模板主题，进而利用滑动窗口机制构造训练样本，最后将训练样本输入LSTM模型，训练生成日志异常检测模型。在异常检测阶段，将待检测的进程日志转换为对应的模板主题序列，然后输入LSTM‑ADM模型，实现针对进程日志的异常检测，本发明能够更加准确的学习日志间的语义关系特征以及更有效地通过非结构化的日志记录检测出进程或系统的异常行为。
-
-
-
-
-
-
-
-
-
Search Results
148
records
(took 0.024 seconds)
