-
公开(公告)号：CN111967034B
公开(公告)日：2022-09-16
申请号：CN202010891207.8
申请日：2020-08-30
Applicant: 河南大学
IPC: G06F21/60
Abstract: 本发明公开了一种基于属性探索的RBAC角色容错辅助构建方法，包含步骤：A：从某个部门的信息系统中得到该部门的访问控制实例的初始集合和所有权限集合；B：利用蕴涵等值式查找错误的访问控制实例，然后结合设定的正确答案，计算出待验证的蕴涵关系式集合中需要删除和需要添加的蕴涵关系式，对待验证的蕴涵关系式集合进行修正，最终得到该部门的确定的访问控制实例的无冗余集合和验证后的蕴涵关系式集合，同时确定角色集合。本发明能够准确实现角色构建，为现代工业和信息产业生产中操作角色及操作权限的安全科学的设定提供基础数据支撑，杜绝安全隐患。
-
公开(公告)号：CN114268649B
公开(公告)日：2022-09-13
申请号：CN202111574576.5
申请日：2021-12-21
Applicant: 河南大学
Abstract: 本发明公开了一种面向物联网的RBAC权限修改方法，包括以下步骤：A：获取各权限的访问控制日志记录并进行数据预处理，得到该物联网系统的权限实例数据和所有权限集合；B：利用属性探索辅助角色发现方法，建立访问控制实例的无冗余集合、权限蕴涵关系集合以及权限内涵集合；C：得到访问控制实例的无冗余集合，然后根据后件是否存在增加或减少进行判断，最终得到修改后的访问控制实例的无冗余集合、新的权限蕴涵关系集合以及新的权限内涵集合。本发明能够根据使用需求快速准确地修改访问控制模型的部分权限，有效地减少重新构建访问控制模型的时间成本。
-
公开(公告)号：CN112579987B
公开(公告)日：2022-09-13
申请号：CN202011401143.5
申请日：2020-12-04
Applicant: 河南大学
Abstract: 本发明公开了一种遥感程序在混合云中的迁移部署方法及运行身份验证方法，依次包括以下步骤：A：将遥感程序分割成多个程序组件，并将多个程序组件抽象为有向无环图；然后使用回归方法计算公有云与私有云之间的云服务加速比，同时计算私有云与公有云之间的带宽并确定运行时间阈值；B：向有向无环图中添加所有可能的旁路，使用动态规划方法确定最优的迁移策略；C：根据最优的迁移策略，私有云向公有云发送需要迁移的程序组件。本发明既能够保证程序运行效率，又能够有效保护程序不受非法窃取。
-
公开(公告)号：CN114448659A
公开(公告)日：2022-05-06
申请号：CN202111541089.9
申请日：2021-12-16
Applicant: 河南大学
IPC: H04L9/40 , H04L41/0823 , H04L41/14 , G08B21/10
Abstract: 本发明涉及访问控制领域，具体涉及一种基于属性探索的黄河坝岸监测物联网访问控制优化方法。方法包括：获取黄河汛情告警系统各个管理模块的访问控制日志，得到汛情报警信息实例数据、所有汛情报警信息集合；通过对汛情报警信息实例数据和汛情报警信息集合进行分析，建立访问控制实例的第一无冗余集合，得到第一汛情报警信息蕴含关系集合、第一汛情报警信息内涵集合；如果管理模块在建立访问控制策略过程中发现建立失误，则进行修改；多个管理模块建立各自的坝岸监测访问策略权限模型后，通过融合完成最终黄河坝岸监测访问策略的建立。本发明提高了黄河坝岸监测物联网访问控制策略的建立效率和精度。
-
公开(公告)号：CN113568068A
公开(公告)日：2021-10-29
申请号：CN202110832813.7
申请日：2021-07-22
Applicant: 河南大学
Abstract: 本发明公开了一种基于MPI并行的三维神经网络的强对流天气预测方法，包括以下步骤：A：从原始多普勒天气雷达中读取雷达回波数据，生成三维神经网络训练数据集；B：建立基于python的三维神经网络模型；C：将三维神经网络模型转换成基于C++语言的三维神经网络；D：利用MPI实现三维神经网络的数据并行设计；E：训练后的三维神经网络；F:将最新的N个预处理后的多普勒雷达回波数据，输入至训练后的三维神经网络内进行强对流天气预测。本发明的目的是提供一种基于MPI并行的三维神经网络的强对流天气预测方法，能够在提升强对流天气预测准确度的同时，有效实现预测程序的负载平衡。本发明的目的是提供一种基于MPI并行的三维神经网络的强对流天气预测方法，能够在提升强对流天气预测准确度的同时，有效实现预测程序的负载平衡。
-
Patent Agency Ranking
公开(公告)号：CN112272092B
公开(公告)日：2021-07-27
申请号：CN202010891283.9
申请日：2020-08-30
Applicant: 河南大学
Abstract: 本发明公开了一种应用于区块链的数据编辑方法，包括以下步骤：A：构建记录验证树；B：若执行记录删除操作进入步骤C；若执行记录修改操作进入步骤F；C：用户、利益相关方想要删除的记录进行签名；D：所有节点对删除请求中的签名信息进行哈希、验证和广播；E：当删除消息验证通过后，将记录删除，并将删除消息插入到请求列表中；F：用户、利益相关方想要修改的记录进行签名；G：所有节点对删除请求中的签名信息进行哈希、验证和广播；H：当修改消息验证通过后，将区块中的记录从区块中删除，将修改消息插入到请求列表中，将新记录插入新记录列表中。本发明能够对区块链上的数据进行编辑，如修改和删除，同时能够对使用者的数据编辑行为进行有效约束。
-
公开(公告)号：CN111292283A
公开(公告)日：2020-06-16
申请号：CN202010072172.5
申请日：2020-01-21
Applicant: 河南大学
Abstract: 本发明公开了一种基于时间序列相似性计算的甲骨残片缀合方法，包括以下步骤：A：提取每幅甲骨拓片图像的边缘曲线图；B：得到每幅甲骨拓片图像的时间序列化边缘曲线数据；C：得到归一化后的时间序列化边缘曲线数据T'；D:对甲骨拓片图像进行倾斜矫正得到新的边缘曲线数据Ta''放入集合TS中；E：计算Ta''与Tb'的差值数组集合ALL；F：计算Ta与Tb的相似度；G：选取与其边缘曲线相似度最高的其他十个边缘曲线数据所对应的甲骨拓片图像，作为该甲骨拓片图像的最佳缀合结果。
-
公开(公告)号：CN110321361A
公开(公告)日：2019-10-11
申请号：CN201910518642.3
申请日：2019-06-15
Applicant: 河南大学
IPC: G06F16/245 , G06N3/04 , G06N3/08 , G06Q50/20
Abstract: 本发明涉及一种基于改进的LSTM神经网络模型的中小学试题推荐方法，通过采集的真实试题数据；对历史试题的详细数据进行预处理获取试题信息，对试题信息处理得到试题关系数据，将试题信息按比例分成训练、测试的样本数据；对训练样本数据进行处理，并通过LSTM神经网络对处理后的训练样本进行训练得到LSTM试题推荐模型；通过参数调整来优化LSTM神经网络模型使其得到更高的准确率；最终将目标试题信息数据和试题关系数据作为LSTM模型的输入数据，模型输出得到预测的结果。本发明能够提高对试题是否进行推荐的判定效率和准确度，具有高泛化能力。
-
公开(公告)号：CN105243081A
公开(公告)日：2016-01-13
申请号：CN201510562426.0
申请日：2015-09-07
Applicant: 河南大学
IPC: G06F17/30
CPC classification number: G06F16/13
Abstract: 本发明公开了一种基于形式概念的文件系统目录结构组织方法，包括以下几个步骤：A：将传统文件系统树形目录结构改造为基于概念的格形结构；B：将文件操作映射为概念格的操作，实现目录结构的动态变化；C：实现通过多条路径对某一文件的访问，避免了统树形目录结构方式下的多级回溯；本发明通过将传统文件系统树形目录结构改造为基于概念的格形结构，然后将文件操作映射为概念格的操作，实现目录结构的动态变化，进而实现通过多条路径对某一文件的访问，避免了统树形目录结构方式下的多级回溯。本发明很好地结合了传统文件系统目录和形式概念分析技术，可以实现文件系统目录结构的动态变化以及对文件本身通过多条路径查询。
-
公开(公告)号：CN118885614A
公开(公告)日：2024-11-01
申请号：CN202410945857.4
申请日：2024-07-15
Applicant: 河南大学
IPC: G06F16/35 , G06F18/2411 , G06F18/25 , G06F18/214 , G06N3/0464 , G06N3/042
Abstract: 本发明涉及数据处理技术领域，具体涉及一种基于注意力的边增强图卷积网络的事件检测方法，该方法包括：构建嵌入层，句子的词嵌入和实体类型嵌入进行拼接来获取句子的向量表示；根据获取的句子向量使用双向长短期记忆网络捕获每个单词的上下文信息和依存关系图；将类型化依赖标签信息融合特征向量中，同时计算连接两端节点的边的重要性，使用自注意力机制获取句子的全局特征向量；使用门控注意力机制来动态融合图卷积向量和全局特征向量，获得综合特征向量，并对综合特征向量进行触发词的识别和分类，完成事件检测。本发明能充分利用类型标签信息，提高事件检测的准确性。
-
-
-
-
-
-
-
-
-
Search Results
42
records
(took 0.025 seconds)
