一种应用于视频传感器网络的视频安全高效传输系统

    公开(公告)号:CN114143551B

    公开(公告)日:2023-03-24

    申请号:CN202111515868.1

    申请日:2021-12-01

    Abstract: 本发明公开了一种应用于视频传感器网络的视频安全高效传输系统,在编码端采用采样率自适应选择和非关键帧自适应采样算法,防止相邻非关键帧之间恢复质量波动过大的问题;采用基于视频帧块的加密算法,能够降低计算复杂度,缩短加解密的时间;还使用混沌系统所产生的混沌序列作为测量矩阵和加密算法的密钥,来提高传输方案的安全性;此外在解码端,采用基于分块压缩感知和深度学习的视频帧恢复网络,当云端服务器接收到最早发送的少量非压缩视频帧时,重构单元会立刻进行快速训练,训练完成后便可用其恢复之后所接收的视频帧;最后在恢复的过程中采用并行恢复算法,在计算资源较为充足的情况下,可大幅提高恢复速度,极大降低实时视频解码时延。

    支持叛逆者追踪和树形访问结构的密文策略属性基加密法

    公开(公告)号:CN115664656A

    公开(公告)日:2023-01-31

    申请号:CN202211309400.1

    申请日:2022-10-25

    Abstract: 本发明公开了一种支持叛逆者追踪和树形访问结构的密文策略属性基加密法,包括如下步骤:S1、初始化设置,生成公共参数和授权机构的主密钥;S2、授权机构根据用户的身份标志和属性,生成对应的解密私钥;S3、加密方制定树形访问结构来表达访问策略,并根据该树形访问结构将明文加密成密文;S4、如果用户的解密私钥中的属性满足密文中的访问策略,则该用户能够利用其解密私钥将密文恢复成明文,否则,该用户的解密私钥不能将密文恢复成明文;S5、如果某个用户将其解密私钥泄漏给非授权的第三方,那么根据被泄漏的解密私钥进行追踪,以确定泄漏者的身份。本发明有利于防止用户解密权限的滥用和提高访问策略的表达能力,促进属性基加密安全和高效。

    用于车联网环境的智能无人机辅助决策规划方法及装置

    公开(公告)号:CN115514787A

    公开(公告)日:2022-12-23

    申请号:CN202211130407.7

    申请日:2022-09-16

    Abstract: 本发明公开了一种用于车联网环境的智能无人机辅助决策规划方法及装置,首先将训练好的无人机辅助网络部署于多旋翼无人机上,得到智能无人机;其次创建道路信息数据库,将智能无人机部署在道路网络中收集实时数据;然后将智能无人机收集的实时数据输入三层人工神经网络的输入层,在隐藏层中对传入的信息进行数据预处理和预测,在输出层中对预测结果进行判断和决策,输出对车辆驱动部分的控制命令;最后对控制命令进行判断,再输出到目标车辆的驱动设备上,完成最终的驾驶行为转换。本发明提高了车辆决策规划的准确性,同时保证了信息的实时性,从而降低了决策的错误率,提高了对无人机的控制准确性,能够大面积覆盖道路,从而高效收集实时信息。

    基于差分隐私的联合学习安全聚合方法及装置

    公开(公告)号:CN113268772B

    公开(公告)日:2022-12-20

    申请号:CN202110637052.X

    申请日:2021-06-08

    Abstract: 本发明实施例提供了一种基于差分隐私的联合学习安全聚合方法及装置,应用于服务器,对联合模型和隐私会计值进行初始化;接收目标客户端利用目标客户端本地的用户数据对从服务器中下载的联合模型进行训练获得的本轮沟通的模型更新参数;基于模型更新参数利用差分隐私机制对服务器中的联合模型进行聚合以及加噪处理,得到并利用本轮沟通的更新模型更新服务器本地的联合模型;按照中心极限定理,利用f‑差分隐私机制更新隐私会计值;若当前的隐私会计值大于隐私阈值,将服务器本地的联合模型确定为训练得到的联合模型,否则,执行从多个分别存储有不同用户数据的客户端中,确定参与本轮沟通的目标客户端。本方案可以提高联合学习的安全性。

    面向联邦学习的差分隐私保护方法及装置

    公开(公告)号:CN115481441A

    公开(公告)日:2022-12-16

    申请号:CN202211168249.4

    申请日:2022-09-23

    Abstract: 本发明提供一种面向联邦学习的差分隐私保护方法及装置,该方法包括:获取参与当前轮学习的各个客户端上传的模型权重差;根据当前轮学习对应的裁剪参数,对所述各个客户端上传的模型权重差分别执行裁剪操作;对执行裁剪操作后的各个模型权重差进行聚合,并根据当前轮学习对应的高斯噪声分布对聚合后的模型权重差进行加噪处理,完成当前轮学习的模型更新;其中,当前轮学习对应的高斯噪声分布根据当前轮学习对应的噪声尺度和当前轮学习对应的裁剪参数确定,各轮次学习对应的噪声尺度随学习轮次的增加逐渐减小。能够使所加噪声贴合当前客户端上传的模型权重信息特点,从而获得更高的模型精度,并有效减少差分隐私保护中的隐私预算。

    一种用户位置信息保护方法及系统

    公开(公告)号:CN114827989A

    公开(公告)日:2022-07-29

    申请号:CN202210345290.8

    申请日:2022-03-31

    Abstract: 本发明提供一种用户位置信息保护方法及系统,包括:待用户获取认证信息,接收所述用户发送的第一查询请求;响应所述第一查询请求,利用区域自适应匿名算法确定匿名区域,向位置服务提供商发送根据所述匿名区域生成的加密查询请求;接收所述位置服务提供商依据证书签发机构认证通过所获取的加密位置兴趣点信息,将所述加密位置兴趣点信息转发至所述用户,以供所述用户对所述加密位置兴趣点信息,获取目标位置信息。本发明通过对用户个人数据和位置数据进行解耦,在抵御推断攻击时提高了安全性,降低了通信开销和用户终端的计算开销,且有效实现用户位置隐私和服务质量之间的平衡。

    一种低采样率下的深度学习图像恢复方法

    公开(公告)号:CN114418866A

    公开(公告)日:2022-04-29

    申请号:CN202111410413.3

    申请日:2021-11-23

    Abstract: 本发明公开了一种低采样率下的深度学习图像恢复方法,包括采样步骤和重建步骤,其中,采样部分引入离散小波变换,减少了由于应用单一尺度采样方法所丢失的高频部分内容,提高了方法的图像重建质量。将采样部分的矩阵乘法转换为半张量积的形式,显著减小了采样矩阵的大小,减少了矩阵的存储空间,节约了大量的计算资源。将AMP算法以去噪视角展开到深度卷积网络中,提高了图像的视觉效果和重建速度。在低采样率的条件下,与其他方法相比,本发明方法有着更好的量化指标和重建效果,在存储空间占用和运行时间方面有着优势,获得了更好的视觉效果。

    一种语音指令进程调度方法及装置

    公开(公告)号:CN114090997A

    公开(公告)日:2022-02-25

    申请号:CN202111406171.0

    申请日:2021-11-24

    Abstract: 本发明公开了一种语音指令进程调度方法及装置,采用的基于用户等级划分的时限声纹认证方案能够为智能计算设备中的关键数据提供进一步的保护,采用语音指令进程调度方案,能够使得用户不再受限于仅通过语音指令操作智能计算设备中的应用程序,而是深入到操作系统内核中,按照用户的意愿执行调度进程的操作,帮助用户接触到了底层的运行逻辑。本发明提出的语音指令进程调度方法及装置,为语音指令控制智能计算设备提供了一种新的控制应用方案,使得用户能够通过语音指令控制操作系统内核的进程调度。同时,通过对语音指令发出者进行更加细致的权限划分,并采用时限声纹认证的限制,提升了进程调度方案中的安全性。

    基于零因子图序列的密码文件泄露的检测方法

    公开(公告)号:CN113411339A

    公开(公告)日:2021-09-17

    申请号:CN202110689419.2

    申请日:2021-06-22

    Abstract: 本发明公开了一种基于零因子图序列的密码文件泄露的检测方法,包括honeywords的生成过程和DoS攻击的检测机制。其中,honeywords的生成方法,根据用户密码对应的ASCII码的长度选择不同数量的零因子图序列。也就是说每个用户拥有的honeywords数量不一样。DoS攻击检测方法,根据honeywords的生成机制,设计针对利用honeywords的DoS攻击检测策略,设定触发honeywords登录的警报阈值,降低honeywords检测的误报率。本发明提供的基于零因子图序列的密码文件泄露的检测方法,对已有的honeywords泄露检测系统进行优化,设计基于零因子图序列的蜜语生成方法和抵抗DoS攻击的密码文件泄露检测方法,提升系统存储密码文件的安全性,可以有效的增强系统抗DoS攻击的能力。

    一种基于联邦学习的隐私计算方法、装置、系统及设备

    公开(公告)号:CN113282960A

    公开(公告)日:2021-08-20

    申请号:CN202110654316.2

    申请日:2021-06-11

    Abstract: 本发明实施例提供了一种基于联邦学习的隐私计算方法、装置、系统及设备,所述方法应用于服务器端,包括:确定参与本次迭代训练的各目标客户端;将预设的剪裁参数发送至各目标客户端,以使各目标客户端对子模型参数变化值进行剪裁;接收剪裁后的子模型参数变化值并进行聚合处理,得到聚合模型参数变化值;基于加噪处理后得到的聚合模型参数变化值与本次迭代目标聚合模型参数,更新目标聚合模型参数;在当前迭代满足预设收敛条件时,按照中心极限定理,利用f‑差分隐私机制对目标聚合模型的隐私参数值进行计算;在不满足时返回执行确定参与本次迭代训练的各目标客户端的步骤。本发明实施例,能够对基于联邦学习的模型隐私参数进行计算。

Patent Agency Ranking