-
公开(公告)号：CN116074310B
公开(公告)日：2024-04-26
申请号：CN202211235100.3
申请日：2022-10-10
Applicant: 重庆邮电大学
IPC: H04L67/10 , H04L67/1097 , H04L41/00 , H04L9/40 , H04L9/32
Abstract: 本发明请求保护一种基于环签名的改进的委托权益证明的区块链共识方法，属于区块链技术领域，其包括以下步骤：步骤1、共识节点的选取步骤；步骤2、共识达成步骤；步骤3、恶意节点处罚步骤。此共识方法结合了工作量证明共识机制，但能耗远比工作量共识机制要小的多，每个节点不需要像工作量证明共识机制一样，需要不停的竞争记账权。同时在达成公式的投票阶段使用环签名来对区块生成者的身份进行加密，见证者节点并不知道区块生成节点的具体身份，使其见证者节点不能合伙作恶。增加了匿名性与安全性。
-
公开(公告)号：CN117892346A
公开(公告)日：2024-04-16
申请号：CN202410041365.2
申请日：2024-01-10
Applicant: 重庆邮电大学
IPC: G06F21/62
Abstract: 本发明涉及电子证据保全领域，具体涉及一种基于联盟链和IPFS的电子证据保全与访问控制系统及方法，包括：区块链网络初始化和链码安装，制定基于角色和属性融合的访问控制合约，用户将原始电子证据存储在IPFS并将证据的相关信息存储到区块链，证据管理者赋予用户临时的访问权限，用户从区块链中访问电子证据的相关信息并从IPFS获取原始的电子证据。本发明通过联盟链和星际文件系统实现电子证据的链上链下存储，引入融合属性和角色的访问控制机制，实现细粒度和动态的访问控制管理。
-
-
公开(公告)号：CN116405219A
公开(公告)日：2023-07-07
申请号：CN202310311735.5
申请日：2023-03-28
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种保障固件安全的多因子物联网设备群组认证方法，属于物联网领域。该方法适用于智慧交通等的综合应用场景，能够实现群组物联网设备与服务器基于密钥、PUF和设备固件完整性的相互认证和密钥协商。方法包括初始化、群组设备认证和设备间通信协商三个阶段，初始化主要完成设备、网关和服务器之间对认证因子的协商与存储，群组设备认证则是多设备网关帮助下完成与服务器的多因子认证与密钥协商；设备间相互通信则是双方设备在网关帮助下完成密钥协商。方法充分考虑了物联网设备资源和性能受限的情况，其涉及到的计算均采用计算成本较低的哈希和异或操作，在保证安全性的同时提升了群组设备在认证过程中的计算效率。
-
公开(公告)号：CN112465019B
公开(公告)日：2022-12-27
申请号：CN202011351688.X
申请日：2020-11-26
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种基于扰动的对抗样本生成与对抗性防御方法，属于深度学习技术领域。目前对抗样本生成的方法多样化，关于何种扰动更易形成对抗样本是所要解决的重要问题。本发明通过在图像数据中添加扰动生成对抗样本，基于深度神经网络模型，挖掘测试样本的高影响扰动，研究扰动对于对抗样本生成的相关影响，将无维数匹配约束的广义非负矩阵分解算法的降维功能应用在基于扰动的对抗样本的防御过程中，提出基于无维数匹配约束降维的对抗样本扰动消减方法，能够降低深度神经网络模型的识别出错率。
-
Patent Agency Ranking
公开(公告)号：CN114333773A
公开(公告)日：2022-04-12
申请号：CN202111513430.X
申请日：2021-12-10
Applicant: 重庆邮电大学
Abstract: 本发明提出了一种基于自编码器的工业场景异常声音检测与识别方法，该方法包括三个过程：声音特征的提取、工业场景声音建模和异常声音的检测与识别。工业场景的声音特征提取，预处理之后的每帧信号经互补集合经验模态分解，得到若干层固有模态函数(Intrinsic Mode Function,IMF)分量，将各层IMF分量的短时能量、IMF能量与该帧原始信号的能量比和IMF的梅尔倒谱系数取合集，构成目标声音信号的特征向量；用提取的特征向量训练自编码器，调整编码器和解码器的参数，得到正常场景声音模型和特定异常场景声音模型；异常声音检测与识别，将待测声音特征经过训练好的自编码器，通过重构误差的阈值条件判定待测声音是否为异常声音或某种已知异常声音。
-
公开(公告)号：CN108470215B
公开(公告)日：2021-12-24
申请号：CN201810196299.0
申请日：2018-03-09
Applicant: 重庆邮电大学
Abstract: 本发明属于通信技术领域，具体涉及社交网络服务中模糊信任度计算方法；包括：利用用户的熟悉度信任值和相似度信任值，计算得出总体信任值；将所述总体信任值根据不同语言等级的隶属函数进行模糊计算，得到最大的隶属函数值；根据所述最大的隶属函数值，确定总体信任值对应的语言等级；本发明是针对社交网络中主动交互少于被动交互这一现象，将用户间交互加以区分，更细致准确的计算的信任值；此外将用户兴趣偏好融入到信任中，实现了现今社交网络偏娱乐化的特点；利用隶属函数实现了信任语义化的输出；因此，本发明所述方法能够有效的计算社交网络中基于用户的信任。
-
公开(公告)号：CN112488321A
公开(公告)日：2021-03-12
申请号：CN202011417784.X
申请日：2020-12-07
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种面向广义非负矩阵分解算法的对抗性机器学习防御方法，属于机器学习安全领域。目前，该领域亟待解决的关键技术问题是抵御对抗样本攻击和提高机器学习模型的鲁棒性。本发明首先利用特征压缩的检测方法筛选出部分对抗样本，然后，对比扰动消减前后图像样本通过机器学习模型后的输出结果对对抗样本进一步筛选，从而形成级联融合的广度对抗样本检测方案，提高了图像对抗样本的检测效率，同时在非负矩阵分解算法中引入异常点惩罚机制，提出了基于误差阈值的可屏蔽鲁棒性广义非负矩阵分解算法，消除了异常点数据的影响，提高了机器学习模型的鲁棒性。
-
公开(公告)号：CN112465019A
公开(公告)日：2021-03-09
申请号：CN202011351688.X
申请日：2020-11-26
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种基于扰动的对抗样本生成与对抗性防御方法，属于深度学习技术领域。目前对抗样本生成的方法多样化，关于何种扰动更易形成对抗样本是所要解决的重要问题。本发明通过在图像数据中添加扰动生成对抗样本，基于深度神经网络模型，挖掘测试样本的高影响扰动，研究扰动对于对抗样本生成的相关影响，将无维数匹配约束的广义非负矩阵分解算法的降维功能应用在基于扰动的对抗样本的防御过程中，提出基于无维数匹配约束降维的对抗样本扰动消减方法，能够降低深度神经网络模型的识别出错率。
-
公开(公告)号：CN112465015A
公开(公告)日：2021-03-09
申请号：CN202011346295.X
申请日：2020-11-26
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种面向广义非负矩阵分解算法的自适应梯度集成对抗性攻击方法，属于对抗性机器学习技术领域。目前对抗性机器学习技术领域所要解决的关键技术问题是提高机器学习模型抵御对抗性攻击的能力。基于静态广义非负矩阵分解算法(General Non‑negative Matrix Factorization，GNMF)的机器学习功能，提出基于大批量的自适应梯度攻击算法；基于动态增量广义非负矩阵分解算法(Incremental GNMF，IGNMF)的机器学习功能，提出基于动量迭代的自适应梯度攻击算法；在黑盒攻击环境下，构建与基于广义非负矩阵分解算法的机器学习模型近似相同的替代模型训练对抗样本；最后对提出的黑盒攻击策略进一步优化，N次迭代集成多个预训练的GNMF替代模型以构造对抗样本，进而探究性能较优的黑盒攻击方法。
-
-
-
-
-
-
-
-
-
Search Results
56
records
(took 0.027 seconds)
