一种基于卷积神经网络的核小体分类预测方法

    公开(公告)号:CN107545153A

    公开(公告)日:2018-01-05

    申请号:CN201711011644.0

    申请日:2017-10-25

    Abstract: 本发明公开了一种基于卷积神经网络的核小体分类预测方法,其特征是,包括如下步骤:1)特征提取;2)提取核小体或链接体DNA序列中核苷酸的物理化学属性;3)添加生物特性;4)获取第24维向量;5)添加核苷酸化学性质;6)得到包含生物信息的矩阵;7)构建卷积神经网络结构;8)分类核小体。这种方法能精准预测核小体的分类。

    集中账号密码认证生成系统

    公开(公告)号:CN102170354B

    公开(公告)日:2016-07-06

    申请号:CN201110094311.5

    申请日:2011-04-11

    Abstract: 本发明涉及一种集中账号密码认证生成系统,可以依赖它将用户的身份认证、密码生成都集中在一个权威的认证中心。认证中心与用户共享主密钥,给网站颁发ID,并且进行数字签名证实其身份,认证网站转发的用户的账号密码的真实性。用户在各个网站的账号是一样的,而密码都是由主密钥、网站ID等信息派生的,其中用到单向函数,因此即使知道一个网站的密码也无法反推主密钥,无法推测其他的网站的密码,并且用户可以无需认证的情况下进行安全的挂失和密码更新,不知道主密钥的人无法完成挂失。系统保证用户凭一个账号和主密钥,就可在所有加盟的网站无需认证进行注册和密码更新,既方便用户记忆,也方便网站的认证。

    时间动态下推网络的转换方法

    公开(公告)号:CN105183652A

    公开(公告)日:2015-12-23

    申请号:CN201510581987.5

    申请日:2015-09-14

    Abstract: 本发明公开一种时间动态下推网络的转换方法,用于描述含有递归、动态线程创建的实时并发递归建模。首先在DPN中引入描述连续时间的全局时钟,以及能描述与时间相关全局变量和栈字符“年龄”的实数时钟,从而可对基于共享内存进行异步通信,且带有动态线程创建的实时并发系统进行建模。其次对基于整数划分的时钟等价技术,给出一种基于时钟关键点的优化技术,缩减时钟区间,从而缩减转换后的状态空间。由于时间动态下推网络为一种实时并发递归程序的抽象模型,基于关键点的时钟等价优化技术把该模型转换为动态下推网络,这样通过确认动态下推网络模型的执行是否会运行到错误状态,从而检测出此模型即所对应并发递归程序中的错误或漏洞。

    一种加固的基于压缩函数的hash函数构造方法

    公开(公告)号:CN102638344B

    公开(公告)日:2015-04-22

    申请号:CN201210073859.6

    申请日:2012-03-20

    Abstract: 本发明属于信息安全领域,特别是密码学领域,涉及一种基于压缩函数的哈希函数的加固方法。该方法对hash函数的关键性环节进行加固,即对第一个分组和最后一个分组的压缩函数进行加固,针对现有hash函数大多数运算以单个bit为基础,增加多bit的运算,或者利用已有的安全分组密码算法。加固以抗击现有的差分密码分析等方法为主,同时考虑一些其他的攻击,比如第二原像攻击,在最后一个分组的压缩函数的输入中,还增加了一个输入变量,即所有分组信息的一个简单压缩。这种加固的方法的优势在于,在关键性的分组进行加固,随着明文长度的增加,计算量的增加不大,并且通过在最关键的位置设置破译障碍,可有效抗击原像攻击,碰撞攻击,第二原像攻击等。

    基于随机函数的抗已知明文密文对攻击的分组加密方法

    公开(公告)号:CN103516513A

    公开(公告)日:2014-01-15

    申请号:CN201310495989.3

    申请日:2013-10-22

    Abstract: 本发明属于信息安全领域,涉及一种分组加密方法,利用随机函数来构造分组加密方法,密码(加密)算法是不确定的、随机的,它通过随机的函数来加密,函数的具体形式由密钥确定,密钥同时决定函数的具体形式,又是函数的输入参数,这会使得分析者出现顾头不顾尾的效果,通过这种设计,使得密码分析者在不知道密钥的时候无法确定算法,从而无法通过已知明文密文对进行有效的密码分析。

    一种基于主动学习迭代的社交媒体谣言检测方法

    公开(公告)号:CN117992651A

    公开(公告)日:2024-05-07

    申请号:CN202410180591.9

    申请日:2024-02-18

    Abstract: 本发明公开了一种基于主动学习迭代的社交媒体谣言检测方法,属于自然语言处理技术领域,包括:使用预训练语言模型来表征样本;通过无监督的对比学习方法,利用无标签样本池中的数据,对Bert模型进行训练调优;通过基于样本标签距离的主动学习查询策略,分别更新无标签样本池和有标签样本池;按照样本标签和领域对有标签样本进行增广;通过有监督的对比学习方法,利用有标签样本池中的数据,对Bert模型进行训练调优;更新软提示前缀编码;更新当前样本池,将原有的无标签样本池纳入到领域下的无标签样本池中,重新训练模型。本发明在保持模型精度的前提下,降低了社交媒体数据样本标记成本,并在零样本场景下改善了谣言检测性能。

Patent Agency Ranking