-
公开(公告)号:CN117834655A
公开(公告)日:2024-04-05
申请号:CN202410241840.0
申请日:2024-03-04
Applicant: 暨南大学
IPC: H04L67/1095 , H04L9/40 , H04L9/00 , G06F16/27 , G06F16/23 , G06F21/60 , G06F21/62 , G06Q30/0601
Abstract: 本发明公开了一种基于区块链的拒付欺诈数据共享方法及系统,涉及区块链领域。所述方法包括:建立区块链网络,并确定区块链网络的参与节点,包括举报节点、记账节点及监督节点;区块生成周期内,获取举报节点和/或监督节点提交的拒付欺诈数据并广播至所有记账节点;其中,拒付欺诈数据经过加密处理;从所有记账节点中确定当前区块生成周期内的记账受托节点,记账受托节点对拒付欺诈数据进行上链操作;令各个参与节点采用向后遍历方式同步最新的区块以获取拒付欺诈数据列表;监督节点基于后监督机制对区块链上的区块进行验证并记录。相较于现有技术,本发明在保障高效监管的同时确保欺诈数据的快速共享使用,并保证过程中的数据安全和客户隐私。
-
公开(公告)号:CN115129978B
公开(公告)日:2024-03-29
申请号:CN202210597197.6
申请日:2022-05-27
Applicant: 暨南大学
IPC: G06F16/9535 , G06F16/2457 , G06F21/62
Abstract: 本发明公开了一种偏好查询方法、用户终端、服务器及存储介质,偏好查询方法应用于用户终端,偏好查询方法包括以下步骤:获取用户的初始偏好向量,以及获取标准数集;对标准数集中的各个标准数进行排列得到扰动偏好向量;将扰动偏好向量发送至服务器,以供服务器采用扰动偏好向量对数据库中各个存储对象的属性进行加权求和处理得到存储对象对应的偏好分数,根据偏好分数确定查询结果,将查询结果发送至用户终端。本发明实现了在偏好查询的过程中,保护用户的隐私信息不被泄露。
-
公开(公告)号:CN113220651B
公开(公告)日:2024-02-09
申请号:CN202110452028.9
申请日:2021-04-25
Applicant: 暨南大学
IPC: G06F16/174
Abstract: 本发明公开一种运行数据压缩方法,所述方法包括以下步骤:在目标运行数据中筛选满足预设条件的选定运行数据;利用预设压缩算法对所述选定运行数据进行数据结构的修改,以获得预处理数据,其中,一条选定运行数据对应一条预处理数据,所述预设压缩算法是利用冗余比特位数对Snappy算法进行修改获得,所述冗余比特位数基于所述目标运行数据中的参考运行数据的数据大小值获得;利用所述预设压缩算法,对所述预处理数据进行压缩,以获得压缩后的结果数据。本发明还公开一种运行数据压缩装置、终端设备以及计算机可读存储介质。利用本发明的运行数据压缩方法,提高了满足预设条件的运行数据的压缩效率。
-
公开(公告)号:CN116881903B
公开(公告)日:2024-02-06
申请号:CN202310870371.4
申请日:2023-07-14
Applicant: 暨南大学
Abstract: 本发明涉及溯源图入侵检测技术领域,提出一种面向溯源图入侵检测的恶意行为子图分级提取方法及系统,其中包括以下步骤:将溯源图G中的恶意顶点以其在恶意顶点集合中的层级为基线进行排序,得到层级排序后的恶意顶点集合AN;根据层级排序后的恶意顶点集合AN,在溯源图G上逐层级进行锚顶点剪枝,得到由若干恶意行为子图组成的恶意行为子图集合;对经过锚顶点剪枝的所述恶意行为子图依次进行迭代锚顶点剪枝,直至所述恶意顶点集合AN中的顶点元素全部被删除,得到相应锚顶点层级的恶意行为子图,用于对溯源图规则库的自动扩充。
-
公开(公告)号:CN112613601B
公开(公告)日:2024-01-16
申请号:CN202011557239.0
申请日:2020-12-24
Applicant: 暨南大学
IPC: G06N3/0464 , G06N3/08 , G06F21/64
Abstract: 本发明公开一种神经网络模型更新方法、设备及计算机存储介质,该方法包括:基于骨架神经网络,随机生成预设数量个子神经网络作为区块链中的节点;节点使用环签名将本地数据集分享到区块链中,并对区块链中的数据集进行统一划分,生成训练集和测试集;利用所述训练集对各个节点分别进行训练,生成训练好的模型,并将训练好的模型打包为模型事务分享到区块链中;使用投票所选测试集对模型事务进行测试,生成测试结果;当测试结果优于基准评价,则测试结果对应的子神经网络模型作为有效选票;对有效选票对应的上一个区块进行投票,选出一致区块并对所有节点进行更新;本发明解决神经网络不能适应用户动态变化问题,实现不依赖于第三方的模型更新。
-
公开(公告)号:CN113848704B
公开(公告)日:2023-06-02
申请号:CN202111004343.1
申请日:2021-08-30
Applicant: 暨南大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于二阶滑膜跟踪微分器的加速度估计方法、系统、设备和介质,所述方法包括:利用增广最小二乘法对速度进行参数辨识,得到速度估计的最大测量噪声幅值;根据所述速度估计的最大测量噪声幅值,使用一阶滑膜跟踪微分器精确估计目标的速度,计算目标速度的估计值;根据所述目标速度的估计值,计算加速度估计的最大测量噪声幅值;根据所述加速度估计的最大测量噪声幅值,使用二阶滑膜跟踪微分器精确估计目标的加速度,得到目标加速度的估计值。本发明使用增广最小二乘法进行参数辨识,获得速度和加速度估计的最大测量噪声幅值;同时使用二阶滑膜跟踪微分器,保证了加速度估计值能够达到要求的精度。
-
公开(公告)号:CN113920156A
公开(公告)日:2022-01-11
申请号:CN202111004320.0
申请日:2021-08-30
Applicant: 暨南大学
Abstract: 本发明公开了一种基于视频目标跟踪的加速度估计方法、系统、设备及介质,所述方法包括:对第一帧视频帧中的目标进行抓取,识别出目标物体;并使用核相关滤波算法进行跟踪,获得目标物体的运动轨迹;根据目标物体的运动轨迹,利用增广最小二乘法对速度进行参数辨识,得到速度估计的最大测量噪声幅值;根据速度估计的最大测量噪声幅值,通过使用一阶滑膜跟踪微分器和高阶滑膜跟踪微分器,从而计算出精确估计目标的加速度。本发明通过人工抓取视频中的第一帧图像中的目标,保证了核相关滤波算法能够准确找到目标并进行跟踪,同时使用增广最小二乘法进行参数辨识,保证了高阶滑膜跟踪微分器估计目标的加速度,可以达到要求的精度。
-
公开(公告)号:CN113626566A
公开(公告)日:2021-11-09
申请号:CN202110763112.2
申请日:2021-07-06
Applicant: 暨南大学
IPC: G06F16/332 , G06F40/211 , G06F40/295 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于合成数据的知识对话跨域学习方法。该方法针对知识对话系统跨域学习时数据资源不充分的问题,提出了以下策略:针对问答,闲聊提出模板和多轮对话生成模型共同构造合成数据方法;针对灾难性遗忘提出知识保留和模板方法构造合成数据方法;为了利用不匹配对话语料,我们提出了使用检索、过滤、排序等方法构建合成数据方法。使用该合成数据训练的模型性能可近似使用人工标注数据进行训练的模型,有效缓解了知识对话系统跨域学习对数据资源的依赖。
-
公开(公告)号:CN112651007A
公开(公告)日:2021-04-13
申请号:CN202011634886.7
申请日:2020-12-31
Applicant: 暨南大学
Abstract: 本发明公开的一种基于数字水印的阈值谓词加密生物特征认证方法,包括以下步骤,获取用户的生物特征,对每个用户的生物特征生成参考模板并存储在服务端;用户发起认证请求;服务端收到认证请求,将向用户发送挑战;客户端收到挑战后将采集客户端新的生物特征样本,并得到生物特性向量,经过嵌入水印信息操作,进而得到质询模板并发送至服务端;服务端收到质询模板,进行每个片段中检测向量的信号计算,判断水印信息是否正确,根据水印信息的判断结果得到第一步认证结果;进行总相关值计算,根据总相关值和第一步认证结果得出最终认证结果;本申请可以防止系统受到欺骗攻击,且计算简单、效率高,可以使生物特征认证工作安全高效的进行。
-
公开(公告)号:CN118228131B
公开(公告)日:2024-09-17
申请号:CN202410650199.6
申请日:2024-05-24
Applicant: 暨南大学
IPC: G06F18/2413 , G06F17/18 , G06F18/10
Abstract: 本发明公开了一种面向KNN缺失值填充模型的数据投毒检测方法,属于机器学习、缺失值填充技术领域,包括:设置阈值系数并计算异常阈值,其次使用改进的局部密度异常因子算法计算计算数据集中不同缺失样本的局部密度异常因子,随后通过对比不同缺失样本的局部密度异常因子更新每个缺失样本的异常计数器,而后再检查每个缺失样本的异常计数器是否异常阈值来确定攻击者意欲攻击的目标缺失样本,最后再通过清除目标缺失样本的K个邻近进而清除数据集中的有毒样本。该检测方法可以通过灵活设定阈值系数进而选择检测强度。为防御面向KNN模型的针对性投毒攻击提供了参考依据,具备现实意义。
-
-
-
-
-
-
-
-
-