-
公开(公告)号：CN117240438A
公开(公告)日：2023-12-15
申请号：CN202311492107.8
申请日：2023-11-10
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) , 暨南大学
Abstract: 本发明公开了一种基于零知识证明的神经网络输出结果产权证明方法及装置，方法包括：零知识证明与签名生成步骤、零知识证明与签名验证步骤。其中，生成步骤由证明者独立完成，验证步骤则由验证者单独完成。在零知识证明与签名生成步骤中，证明者结合zkCNN协议和Schnorr协议同时生成零知识证明和签名。在验证步骤中，验证者通过第一验证等式验证整体证明的有效性，通过第二验证等式验证签名的有效性。本发明一方面将zkCNN协议改造为非交互式协议，从而使证明者能够预先独立完成证明；另一方面将zkCNN协议改造为能够用于针对向量进行证明，同时以嵌入签名的方式修改zkCNN协议，增强产权证明的效费比及安全性。
-
公开(公告)号：CN115600012B
公开(公告)日：2023-04-21
申请号：CN202211523157.3
申请日：2022-12-01
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06F16/9535 , G06F8/75 , G06F18/214 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种基于知识增强和结构对比的API推荐方法，包括以下步骤：步骤1，代码预处理构图；解析源代码，提取方法、API和结构节点以及它们之间的关系，构成调用关系图和层次结构图；步骤2，知识增强的图嵌入学习；使用图卷积神经网络GCN在调用关系图上传播信息来细化方法和API的初始嵌入表示，同时用翻译模型TransH学习层次结构图中的实体和关系的嵌入表示；步骤3，多任务学习；包括主要的API推荐任务和辅助的对比学习任务。本发明的有益效果是：本发明提出了知识增强的图嵌入学习，使得方法和API的嵌入向量中不仅建模了调用交互还融合了代码中的层次结构信息，优化了方法和API的表示，达到更准确的推荐效果。
-
公开(公告)号：CN115499247B
公开(公告)日：2023-03-28
申请号：CN202211432463.6
申请日：2022-11-16
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) , 暨南大学
IPC: H04L9/40
Abstract: 本发明公开了一种基于零知识证明的属性凭证验证方法及装置，方法包括：构造属性凭证；签发属性凭证，用户向作为签发者的可信第三方提出属性凭证申请；签发者生成每个用户唯一的随机盐值，签发者对已认证的属性信息和随机盐值进行凭证签发；验证属性凭证，用户从安全信道中获取验证者所需的验证约束条件，用户使用凭证证明生成模块生成对应的零知识的属性值消息，用户将零知识的凭证证明消息通过可信信道发送给验证者；验证者在收到用户发来的凭证证明消息后对消息内容进行解析，验证凭证证明的正确性和有效性。本发明具有保护用户数据隐私和细粒度验证策略的优点，同时以比较低的交互次数和交互通信量完成凭证的签发和证明。
-
公开(公告)号：CN115622684A
公开(公告)日：2023-01-17
申请号：CN202211433166.3
申请日：2022-11-16
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) , 暨南大学
Abstract: 本发明公开了一种基于全同态加密的隐私计算异构加速方法及装置，本发明从内存和指令两个层级对全同态加密算法进行优化，根据计算负载动态调配GPU中的Block块，将计算量过大的任务拆小，计算量小的任务合并变大，控制结果合并过程中的访存竞争。利用GPU中的内存层次结构，减少SM上同时分配的访存量大的任务数，分配更多的共享内存提升内存命中率，减少与全局内存的通信；设计异构计算流：从时间上和空间上，共享有限的硬件资源。本发明在GPU中实现NTT/INTT算法的挑战是高效地分配线程以实现高利用率，为了获得最佳性能，所有线程都应该是繁忙的，每个线程的工作负载应该是相等的。
-
公开(公告)号：CN115200603A
公开(公告)日：2022-10-18
申请号：CN202211106644.X
申请日：2022-09-13
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本发明公开了一种基于同态加密和匿名伪装的导航服务隐私保护方法及装置，方法包括：LBS服务商进行同态加密方案的初始化；用户利用匿名伪装算法分别生成出匿名伪装区域；用户根据匿名伪装区域的路网信息，随机选取出发点附近满足伪装距离L的出发地伪装点和目的地伪装点，同步规划出真实出发地到伪装出发地的路线；云服务商规划出一组候选路线，同时向LBS服务商请求实时路况信息；云服务商对候选路线组的开销进行进一步计算，利用全同态加密的比较运算，将密文比较结果传输给LBS服务商；从候选路线组中选取最佳路线并在本地将和伪装区域内的路线连接，生成最终的出行路线。本发明采用全同态加密和匿名伪装技术实现高质量的导航服务隐私保护。
-
Patent Agency Ranking
公开(公告)号：CN112819052B
公开(公告)日：2021-12-24
申请号：CN202110094267.1
申请日：2021-01-25
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本发明涉及机器视觉技术领域，公开了一种多模态细粒度混合方法、系统、设备和存储介质，所述多模态细粒度混合方法包括：从多模态图文数据中提取数据特征，并获取数据特征的各个组成成分；数据特征包括视觉区域特征和文本单词特征；对数据特征的各个组成成分的模态信息进行细粒度分类，得到分类结果；根据分类结果，对各个组成成分进行来自模态内和模态间的信息融合，得到融合特征。本发明实施例提供的多模态细粒度混合方法在多模态细粒度混合时不以模态为单位进行，考虑到了各模态中不同组成成分的特点，所处上下文环境的差异，选择对应的合适的交互方式，可以使得多模态模型在利用多模态数据互补的特点的同时，避免不相关信息的影响。
-
公开(公告)号：CN108447080B
公开(公告)日：2023-05-23
申请号：CN201810175534.6
申请日：2018-03-02
Applicant: 哈尔滨工业大学深圳研究生院
IPC: G06T7/277 , G06N3/0464
Abstract: 本发明公开了一种基于分层数据关联和卷积神经网络的目标跟踪方法、系统和存储介质，其方法包括：获取跟踪目标的当前视频帧的检测响应以及当前视频帧之前的所有视频帧的跟踪片段；为每一条跟踪片段计算其置信度，其中，跟踪片段置信度是指当前已经完成部分连接的跟踪片段的可信赖程度；根据置信度的大小，将所有的跟踪片段分为高可靠度跟踪片段和低可靠度跟踪片段两部分，并以当前视频帧的检测响应为关联对象，为高可靠度跟踪片段进行局部数据关联处理，为低可靠度跟踪片段进行全局数据关联处理。本发明可以有效降低关联算法的时间复杂度，能够有效缓解在跟踪的过程中出现的局部遮挡问题，同时可以实现算法的鲁棒性和实时性的均衡。
-
公开(公告)号：CN108510559B
公开(公告)日：2022-03-08
申请号：CN201810288688.6
申请日：2018-03-30
Applicant: 哈尔滨工业大学深圳研究生院
IPC: G06T9/00
Abstract: 本发明涉及一种基于有监督多视角离散化的多媒体二值编码方法。该方法包括：S1.假设一个由n幅图像组成训练集，通过学习得到包含一系列子函数的哈希函数，将样本的两种不同模态的特征映射到经过优化的特征空间中，得到的一系列与哈希子函数对应的哈希值，然后通过二值量化将哈希值转化为二值化哈希码：S2.基于有监督训练的哈希函数：定义一个线性多分类模型并对模型函数进行优化，采用最小平方损失作为目标函数；S3.基于最小量化损失的哈希函数：假设一种模态的特征，通过哈希函数优化至量化损失最小；S4.基于多视角锚图的哈希函数：构造锚图，并采用锚图正则化哈希函数；S5.优化算法。本发明既可以保持数据在原始空间相似性，又能提高检索的准确率。
-
公开(公告)号：CN110012126B
公开(公告)日：2022-01-21
申请号：CN201910260964.2
申请日：2019-04-02
Applicant: 哈尔滨工业大学(深圳)
IPC: H04L61/4511 , H04L9/40 , H04L9/32
Abstract: 本发明提供的一种基于区块链技术的DNS系统，采用一条主链，记录少量的重要信息，主要负责存储顶级域上的请求和子链的哈希值；多条分别连接所述主链的子链，可以进行扩展、迁移和适当的舍弃，主要负责存储一个特定TLD下的所有操作请求，不同的子链存储不同的TLDs下的记录，所有的子链都和主链维持相同的区块高度；节点分布于所述主链和所述子链上并允许只存储主链和部分子链，利用可链接的环签名技术保证投票过程联盟节点的匿名性，节点利用代理签名处理没有存储的子链上的操作，利用分片技术来提高系统的吞吐量，解决现有技术中安全性差，性能受限，扩展性差，吞吐量低的技术问题，实现安全性更高，可扩展性更高，吞吐量更高，匿名性更好的技术效果。
-
公开(公告)号：CN113947022A
公开(公告)日：2022-01-18
申请号：CN202111220714.X
申请日：2021-10-20
Applicant: 哈尔滨工业大学(深圳)
IPC: G06F30/27 , G06V20/40 , G06K9/62 , G06V10/774 , G06V10/764 , G06N20/00
Abstract: 本发明公开了一种基于模型的近端策略优化方法，包括步骤：获取模拟环境，并确定所述模拟环境对应的环境模型和策略网络；基于所述策略网络与所述模拟环境，确定状态数据；其中，所述状态数据包括所述模拟环境的视频序列帧；基于所述模拟环境的视频序列帧训练所述环境模型，得到已训练的环境模型输出的预测图像；基于所述预测图像，更新所述状态数据，得到更新的状态数据；基于所述更新的状态数据，更新所述策略网络，得到更新的策略网络。融合基于模型的深度强化学习算法，提出了基于模型的近端策略优化框架，较好的解决了非完全信息博弈环境下采样利用率低的问题，在提高采样率的同时提升训练速度。
-
-
-
-
-
-
-
-
-
Search Results
138
records
(took 0.076 seconds)
