-
公开(公告)号：CN118233145A
公开(公告)日：2024-06-21
申请号：CN202410209782.3
申请日：2024-02-26
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种面向图神经网络的自适应节点后门攻击方法及系统，该方法包括：获取攻击节点，以及攻击节点所在的图；每个节点具有特征和标签；将攻击节点所在的图输入训练好的含有后门的图神经网络模型，得到攻击结果；其中，当攻击节点的特征中包含用于激活该图神经网络模型后门的触发器时，得到的攻击结果包括攻击节点的新标签；其中，用于激活该图神经网络模型后门的触发器有多个，且多个触发器为不同触发器；该图神经网络模型是采用经过自定义触发器处理、自适应剪枝处理和新标签设置处理的训练数据，对图神经网络模型进行训练得到的。本发明能够既提高攻击的有效性，又保证攻击隐蔽性。
-
公开(公告)号：CN117395067B
公开(公告)日：2024-04-19
申请号：CN202311482298.X
申请日：2023-11-08
Applicant: 西安电子科技大学
Abstract: 本发明提供了一种面向拜占庭鲁棒联邦学习的用户数据隐私保护系统及方法，每个服务器利用通过SecQR协议和SecEigen协议改进的RPCA方法，对加密的更新局部参数作安全降维处理得到降维结果，并利用聚类算法对降维结果进行聚类得到聚类结果，以作协同更新全局模型。本发明强调保护客户端隐私，将SecQR协议和SecEigen协议应用在加密数据处理上，保障其敏感信息的安全且具备良好的鲁棒性以应对潜在威胁，即使恶意客户端采取各种拜占庭攻击，也能够在模型聚合前尽可能移除恶意模型参数，确保全局模型的鲁棒性。本发明在确保系统鲁棒性和安全性的前提下，也具备了高效的恶意客户端检测和本地模型聚合能力。
-
公开(公告)号：CN116778249A
公开(公告)日：2023-09-19
申请号：CN202310784419.X
申请日：2023-06-29
Applicant: 西安电子科技大学青岛计算技术研究院
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08 , G06T19/00
Abstract: 本发明公开了一种基于弱密集注意残差网络和增强现实技术的展示系统，具体涉及展示系统技术领域，包括以下步骤：步骤一：采集不同角度汽车的外观图像信息，根据不同汽车品牌作为标签制作一个数据集；步骤二：根据研究需要，对数据集进行数据增强；步骤三：对于不同汽车，制作相应的增强现实展示模型，包括车辆信息、多环境行驶状况以及驾驶手册，最后按照数据集的标签分类存入到云端系统数据库中；步骤四：使用Pytorch开源框架构建弱密集注意残差模型。本发明在使用时，无需以人工加工书面的方式供给客户了解车辆信息，能够将汽车的展示与深度学习以及增强现实相关技术结合起来，可方便客户更为直观的了解车辆的信息。
-
公开(公告)号：CN116707749A
公开(公告)日：2023-09-05
申请号：CN202310540670.1
申请日：2023-05-12
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于混合信誉的多层级多链用户权限动态调整方法，该方法包括：获取目标节点在周期t内参与的区块链交易的业务类型和交易信息；t为大于0的整数；根据业务类型和跨链交易信息分别确定目标节点所在的区块链在周期t内的链属性量化值、目标节点在周期t内的节点属性量化值，以及目标节点在周期t内的行为量化值；基于预设权重、目标节点所在的区块链在周期t内的链属性量化值、节点属性量化值、行为量化值，以及目标节点在周期t‑1内的混合信誉值，确定目标节点在周期t内的混合信誉值；基于周期t内的混合信誉值，调整目标节点在周期t+1内的权限值；每个节点的权限值与所述混合信誉值正相关。
-
公开(公告)号：CN116664589A
公开(公告)日：2023-08-29
申请号：CN202310711868.1
申请日：2023-06-15
Applicant: 西安电子科技大学青岛计算技术研究院
Abstract: 本发明公开了一种基于WebGIS的实景三维模型分割方法与系统，具体涉及三维实景重建技术领域，包括对象模型数据库、web服务器和web前端，其中，对象模型数据库用于将待处理的倾斜摄影模型数据保存在后端数据库中，web服务器用于基于Node.js的koa框架接收来自web前端的请求，并根据axios请求模型信息向对象模型数据库请求模型数据，web前端用于接收用户的交互请求，并通过鼠标操作进行模型分割操作，包括点击、拖动等方式，并记录下用户的操作，生成目标模型切割轮廓文件，并将数据发送给web服务器。本发明进行三维模型分割无需依托于桌面端，切割模型的适用范围大，使用难度低，并且对于实景三维模型较好处理。
-
Patent Agency Ranking
公开(公告)号：CN116524376A
公开(公告)日：2023-08-01
申请号：CN202310198988.6
申请日：2023-03-03
Applicant: 西安电子科技大学青岛计算技术研究院
IPC: G06V20/17 , G06V10/80 , G06V10/82 , G06V10/778 , G06V10/764 , G06T9/00
Abstract: 本发明属于计算机视觉技术领域，公开了一种遥感目标检测方法、系统、介质、设备及终端，构建基于CNN的RGB‑红外图像融合网络，采用面向任务的融合方法、低层和高层联合自适应训练策略，利用由内容损失和语义损失组成的联合损失约束融合网络和显著性目标检测的融合方法；引入角度信息采用高斯循环编码和矩形循环编码预测角度，进行特征提取并利用BIFPN双向特征融合方法进行特征融合；利用实时采集的多模态视频流进行解码、算法推理以及边界框标定，将结果编码推流至流媒体服务器或客户端中。本发明利用图像融合算法和旋转目标检测算法相结合的方式，能够在强光和弱光条件下快速、准确检测到车辆位置和类别信息，应用于无人机交通管理和灾难救援场景等下的旋转目标检测。
-
公开(公告)号：CN116346639A
公开(公告)日：2023-06-27
申请号：CN202310199400.9
申请日：2023-03-04
Applicant: 西安电子科技大学青岛计算技术研究院
IPC: H04L41/147 , H04L41/14 , H04L41/16 , H04L41/0896 , H04L47/125 , H04L9/40
Abstract: 本发明属于网络流量预测技术领域，公开了一种网络流量预测方法、系统、介质、设备及终端，获取历史网络流量数据以及相关特征数据并对数据进行预处理，得到本征模函数和残余子序列；计算分解后的子序列的样本熵，分别利用LSTM模型和ARIMA模型对本征模函数进行建模，对ARIMA模型和LSTM模型预测后的数据进行重构；构建基于扩张因果卷积的Transformer网络流量预测模型并进行训练，利用训练好的混合模型训练和预测新的数据，得到网络流量的预测值。本发明将基于统计的模型与基于机器学习的模型相结合，基于扩张因果卷积，提升了网络流量的预测精确值，加强表征网络流量数据之间的时间相关性，增强长周期的特征捕获。
-
公开(公告)号：CN116089640A
公开(公告)日：2023-05-09
申请号：CN202211444615.4
申请日：2022-11-18
Applicant: 西安电子科技大学青岛计算技术研究院
IPC: G06F16/532 , G06F16/583 , G06V10/74 , G06V10/762 , G06V10/774 , G06V10/82 , G06V40/16
Abstract: 本发明属于图像识别技术领域，公开了一种自适应人脸搜索方法、系统、介质、设备及终端，初始化人脸搜索引擎，上传待搜索或添加的人脸图片；利用人脸特征提取模块对人脸图片进行特征提取；人脸搜索引擎接收人脸搜索模块的调度，搜索和添加人脸特征向量并返回结果给人脸搜索模块。本发明基于决策树、人脸特征识别和向量搜索引擎的人脸搜索方法与系统，可以实现精准识别人脸特征点。本发明通过算法计算人脸与人脸之间的特征差别，可以为对象搜索和人员身份认证提供帮助。本发明的决策树能判断在不同数据量级下最优的索引构建方式，实现数据量持续增长情况下的搜索策略自适应；结合固定和移动监控系统，可以实现在监控区域内对重点人员进行防控。
-
公开(公告)号：CN115343699A
公开(公告)日：2022-11-15
申请号：CN202210782187.X
申请日：2022-07-05
Applicant: 西安电子科技大学青岛计算技术研究院
Abstract: 本发明属于目标检测技术领域，公开了一种多传感器信息融合的目标检测方法、设备、介质及终端，通过类别基于视觉的目标检测算法，采用基于CenterNet的目标检测算法，选取基于截锥体的数据关联算法实现雷达点云的粗过滤，使用卡尔曼滤波算法的方式提高数据关联的精准度，进行不同传感器数据的时空绑定。本发明分别对CenterNet目标检测器以及数据关联算法改进，针对遮挡场景下目标检测丢失问题，通过目标在连续帧中的偏移量实现目标当前位置预测，针对小目标漏检问题，提出使用多尺度信息融合的方法改进目标检测器，针对密集场景下数据关联错误问题，在改进的目标检测器的基础上，提出置信度数据关联方法。
-
公开(公告)号：CN114611102A
公开(公告)日：2022-06-10
申请号：CN202210170883.5
申请日：2022-02-23
Applicant: 西安电子科技大学
Abstract: 本发明属于信息安全技术领域，公开了一种可视化恶意软件检测与分类方法、系统、存储介质及终端，将待检测软件放入虚拟执行环境运行，收集待检测软件动态执行行为信息并进行信息提取；根据提取的待检测软件动态执行行为信息，生成基于待检测软件动态执行行为的图像；利用恶意软件检测与分类模型，对生成的基于待检测软件动态执行行为的图像进行分析，判断对应的待检测软件是否属于恶意软件。相比现有直接将恶意软件本身或其反汇编代码转为图像的方法，本发明使用了更能代表恶意软件行为特征的动态分析报告，采用可视化的方法，将其转为图像，同时采用深度学习的方法构建模型，避免了人工提取特征，提高了模型的检测性能。
-
-
-
-
-
-
-
-
-
Search Results
103
records
(took 0.034 seconds)
