-
公开(公告)号：CN113220891A
公开(公告)日：2021-08-06
申请号：CN202110658282.4
申请日：2021-06-15
Applicant: 北京邮电大学
IPC: G06F16/35 , G06F40/242 , G06F40/30 , G06N3/04 , G06N3/08
Abstract: 基于无监督的概念到句子的生成对抗网络图像描述算法涉及图像描述技术领域，解决了现有不能在没有成对数据集的情况下描述图像的问题，具体为：生成器根据离散概念计算离散概念中目标概念与关系概念之间的语义相关性，生成器根据离散概念计算离散概念中目标概念与属性概念之间的语义相关性，所述离散概念为通过提取图像中语义概念得到，离散概念包括目标概念、关系概念和属性概念，拼接两语义相关性得到语义关系信息，生成器将语义关系信息解码成句子。本发明利用一些预训练的目标检测模型及分类模型提取图像中包含的离散的概念信息，将这一模态的离散概念转换为同一模态的图像描述语句，实现了在没有成对数据集的情况下描述图像。
-
公开(公告)号：CN107659753B
公开(公告)日：2019-08-06
申请号：CN201710994191.1
申请日：2017-10-23
Applicant: 北京邮电大学
IPC: H04N1/32
Abstract: 本发明提供了一种图像的压缩加密方法，包括：对初始密钥进行T次哈希运算，得到T个哈希值，其中，每次哈希运算得到一个哈希值，每次哈希运算均针对前一次哈希运算得到的哈希值进行；T为大于1的整数；根据待加密图像，得到图像系数矩阵；根据所述T个哈希值，对所述图像系数矩阵进行置乱处理，得到置乱后矩阵；根据所述T个哈希值得到测量矩阵；根据所述置乱后矩阵得到列向量，并利用所述测量矩阵对所述列向量进行半张量压缩感知，以得到加密后图像。本发明可以具有较强的保密性。
-
公开(公告)号：CN102222098A
公开(公告)日：2011-10-19
申请号：CN201110165459.3
申请日：2011-06-20
Applicant: 北京邮电大学
IPC: G06F17/30
Abstract: 本发明公开了一种基于混沌蚁群优化聚类的网页预取方法和系统，达到提高网站服务质量的目的。该方法包括：对网络日志进行预处理，获得可信网络日志；根据用户的访问兴趣以及该可信网络日志，建立表达用户是否访问了特征网页的用户访问模式矩阵；使用基于混沌蚁群优化的聚类算法对该用户访问模式矩阵进行优化聚类，并根据预设的类别数目标签标记用户所属的类别，建立用户公共档案；根据该用户公共档案，将预取概率超过预设的预取概率阈值的页面提取并保存到缓存中。本发明与现有预取技术相比，准确率有了大幅度的提高。
-
公开(公告)号：CN114566170B
公开(公告)日：2024-12-10
申请号：CN202210193172.X
申请日：2022-03-01
Applicant: 北京邮电大学
IPC: G10L17/04 , G10L17/14 , G10L25/51 , G06V10/774 , G06V10/764
Abstract: 本发明公开了一种基于一类分类的轻量级语音欺骗检测算法，针对真实语音和欺骗语音特性设计了新的损失函数DOC‑Softmax，即在一类分类损失函数OC‑Softmax的欺骗语音空间中引入分散损失函数来缓解训练数据和测试数据之间特征分布不匹配的问题，从而提高语音欺骗检测模型的准确率和泛化能力。同时，利用知识蒸馏框架将语音欺骗检测算法设计为轻量级的语音欺骗检测算法，减少了模型的参数量，使其便于部署到移动端或嵌入式设备中。此模型比使用完全相同的模型结构、训练数据和只使用硬标签训练方法得到的模型拥有更好的泛化能力。
-
公开(公告)号：CN114065933B
公开(公告)日：2024-07-12
申请号：CN202111420523.8
申请日：2021-11-26
Applicant: 北京邮电大学
IPC: G06N3/126 , G06N3/006 , G06N3/0464 , G06N3/08 , G06N20/20 , G06F18/2113 , G06F18/231 , G06F18/241 , G06F18/243 , H04L9/40
Abstract: 本发明公开了一种基于人工免疫思想的未知威胁检测方法，有效检测已知和未知威胁。预分类模块将卷积神经网络引入用于解决self集合的预收集以及检测中网络流量的预分类问题；阴性选择模块将基因库引入用于解决初始检测器的随机生成问题和针对未知威胁的特异性免疫问题，将层次聚类引入用于提高检测器的训练效率；克隆变异模块通过引入基于遗传算法的检测器优化算法，解决高亲和力检测器的重叠检测问题；同时引入基于LRU的记忆检测器消退机制，有效释放存储空间，提高检测效率；mRNA疫苗接种模块引入基于特征重要性排序的mRNA疫苗算法，将检测到的未知威胁按基因重要性分解并注入到基因库中，并生成相应的检测器，实现对该未知威胁及其变种的特异性免疫。
-
Patent Agency Ranking
公开(公告)号：CN114117420B
公开(公告)日：2024-05-03
申请号：CN202111409425.4
申请日：2021-11-25
Applicant: 北京邮电大学
IPC: G06F21/55 , G06F18/214 , H04L9/40
Abstract: 本发明公开了一种基于人工免疫学的分布式多主机网络的入侵检测系统，通过哈希算法识别攻击是否已知，来减少特异性免疫的匹配开销；结合多主机信息共享，最终使网络识别更多的攻击；同时采用混沌算法的Logistic回归来更加高效的生成大量随机检测器投入到训练中，拥有更好的随机性；最后通过结合遗传算法的克隆选择算法，在变异的基础上加强交叉的效果，以更好的收敛性去迭代增值克隆匹配性更好、亲和度更高的的检测器，并择优生成，最终以全局最优的方式收敛种群结果，获得对入侵攻击的快速自适应发现能力。本发明相比于传统的其他入侵检测系统，拥有更高的鲁棒性和自适应性，拥有对攻击检测更低的漏检率以及错误率。
-
公开(公告)号：CN117950877A
公开(公告)日：2024-04-30
申请号：CN202410209203.5
申请日：2024-02-26
Applicant: 北京邮电大学
Abstract: 本发明提供联邦学习中边缘计算节点的动态子图优化方法，包括：启动边缘训练节点，收集相关数据，进行计算侧的优化，将前期获得的所有的所述相关数据以及获得的算子的平均消耗，带入下列预估函数中并反解方程得出各个变量的值；评估与持续迭代：针对决定的优化Embedding子图进行动态的更改，对优化前后的性能进行对比，评估优化效果是否有额外误差，同时根据实验结果和实际应用中的反馈，不断调整和完善优化建模模型，以进一步提高评估能力，本发明通过对联邦学习中边缘节点的数据收集以及计算设备能力的检测，实现在训练中进行动态的子图优化，针对于不同类型的边缘节点，分别提供动态运行时不同的训练子图，实现性能的充分利用，以及提供对于以后多异构场景的适配方案。
-
公开(公告)号：CN116865957B
公开(公告)日：2024-02-02
申请号：CN202310809081.9
申请日：2023-07-04
Applicant: 北京邮电大学
IPC: H04L9/08
Abstract: 本发明提供一种量子安全多方计算系统，基于对Shamir秘密共享协议两方求和求积方案的延伸，借助几个半诚实的第三方，为多方参与者提供了量子多方求和求积的执行方案，以及量子安全双方距离计算方案，消除了对数据库的依赖，解决中间值泄露的问题，在准确性和效率方面都有所提高，极大减少了多方量子安全计算所需的资源。提供对以多方参与者坐标作为顶点的多面体求体积的计算方案，通过将多面体拆解为多个四面体，引入代数对四面体体积进行表达，将对四面体求体积的问题转化为多方求积和求和问题；以及，提供对两方参与者私有圆计算圆圆相交面积的方案，通过执行量子安全双方距离计算，根据随机标记点落入对方私有圆的数量计算双方私有圆相交面积。
-
公开(公告)号：CN116956145A
公开(公告)日：2023-10-27
申请号：CN202310725880.8
申请日：2023-06-19
Applicant: 北京邮电大学
IPC: G06F18/241 , G06N3/0464 , G06N3/08 , H04L9/40
Abstract: 本发明公开了一种基于遗传卷积网络的恶意PE文件检测方法，属于网络安全技术领域。本发明通过构建了一个全局多模态化、多任务量网络，解决固定的专用分类模型分类效果不佳的问题；通过构建局部神经网络结构，利用小卷积核的思想和最大池化层的思想，提取最重要特征，加快了模型的训练速度，并利用金字塔池化层的思想，解决了传统神经网络中必须输入尺寸大小一致图片的问题。
-
公开(公告)号：CN115002291B
公开(公告)日：2023-07-25
申请号：CN202210577089.2
申请日：2022-05-25
Applicant: 北京邮电大学
Abstract: 本发明公开了一种基于P张量秘密共享和多个数据隐藏器的信息隐藏方法，通过压缩感知技术处理原始图像以尽可能地减小影子图像的大小，并为信息隐藏者嵌入额外信息提供了便利，且由于压缩感知能够在采样的同时对信号压缩，因此，可实现较高的嵌入率。另外，将P张量积理论应用到矩阵运算当中，使用较小维数的测量矩阵同样可以处理高维信号，避免内存浪费，且P变换的矩阵是随机矩阵，可根据需求灵活地选择，所以经过P张量积运算的结果也更加多样，可以表示的矩阵也更多。在信息隐藏阶段，我们使用多个数据隐藏器进行信息嵌入，避免因单个信息隐藏器遭到损坏而不能恢复原始图像，提高信息隐藏模型的安全性。
-
-
-
-
-
-
-
-
-
Search Results
121
records
(took 0.028 seconds)
