-
公开(公告)号：CN110633422B
公开(公告)日：2022-04-05
申请号：CN201910869989.2
申请日：2019-09-16
Applicant: 安徽大学
IPC: G06F16/9536 , G06F16/958 , G06F16/901 , G06Q50/00
Abstract: 本发明公开了一种基于异构信息网络的微博好友推荐方法，其包括步骤：S1、构造微博用户的异构信息网络数据；S2、对异构信息网络中的元路径进行抽取，将异构信息网络转化为同质信息网络；S3、使用图卷积网络得到用户的向量表示；S4、计算不同用户间的相似性并进行相似性的融合。本发明通过对异构信息网络以及图卷积网络的使用，捕获丰富的用户行为信息，并得到高性能的用户向量表示，从而有效提高推荐的精确性。
-
公开(公告)号：CN109118102B
公开(公告)日：2022-03-22
申请号：CN201810974634.5
申请日：2018-08-24
Applicant: 安徽大学
Abstract: 本发明公开了一种公平的基于区块链的双向组合云资源分配方法，涉及到n个云用户U＝{u1,…,un}，m个云供应商P＝{p1,…,pm}，其中ui表示第i个用户，1≤i≤n；pj表示第j个用户，1≤j≤m；其特征在于，该分配方法包括：初始化阶段、报价阶段、匹配和定价阶段、支付阶段、争端阶段。本发明还公开了一种公平的基于区块链的双向组合云资源分配系统。本发明在出价阶段基于承诺机制保证用户和云供应商公开的投标信息不可伪造，通过资金惩罚的方式实现用户之间的公平性；在出现争端阶段，借助区块链交易的可延迟执行特点，同时借助裁定者实现云用户和云供应商之间交易的公平性；总体实现了云用户和云用户、云供应商和云供应商以及云用户和云供应商之间的公平性。
-
公开(公告)号：CN110503157B
公开(公告)日：2021-11-19
申请号：CN201910797717.6
申请日：2019-08-27
Applicant: 安徽大学
Abstract: 本发明公开了一种基于细粒度图像的多任务卷积神经网络的图像隐写分析方法，其步骤包括：1获取数据集，对数据集进行处理；2搭建多任务卷积神经网络模型；3训练多任务卷积神经网络；4利用训练好的网络模型对其他测试集图像进行隐写分析，以此判断图像是否为载密图像。本发明首次将显著性检测技术和隐写分析相结合，把提取的细粒度图像作为输入，采用并行训练的方式已达到共享数据源中的不同信息，同时通过修改卷积核的步长从而没有使用池化操作，从而避免了图像特征的丢失，提高了网络的检测精度。
-
公开(公告)号：CN109033453B
公开(公告)日：2021-10-26
申请号：CN201810973951.5
申请日：2018-08-24
Applicant: 安徽大学
IPC: G06F16/9535 , G06K9/62
Abstract: 本发明公开了一种基于RBM与差分隐私保护的聚类的电影推荐方法，包括：初始化阶段：收集所有用户对项目的评分信息，生成一个用户项目评分矩阵；聚类阶段：在得到的用户项目评分矩阵中，以单个用户为基础，对所有用户进行聚类操作，把所有用户分为k个类；生成推荐模型阶段：得到所有用户的聚类结果，然后在每个聚类中使用RMB算法生成各自的推荐模型；在线用户电影推荐阶段：用户登录系统，在推荐模型中选出评分高的且用户无观看记录的T个项目推送到用户界面。本发明还公开了一种基于RBM与差分隐私保护的聚类的电影推荐系统。本发明使用差分隐私技术中Laplace机制对聚类过程进行保护，再对每个聚类分别生成推荐模型，使得相同聚类用户的推荐结果更精确。
-
公开(公告)号：CN111814189A
公开(公告)日：2020-10-23
申请号：CN202010847611.5
申请日：2020-08-21
Applicant: 安徽大学
IPC: G06F21/62 , G06K9/62 , G06F16/9536
Abstract: 本发明公开了一种基于差分隐私的分布式学习隐私保护方法，该方法应用于网络中n个用户节点，每个用户拥有自己独立分布的一组数据样本，并包括以下步骤：S1、初始化阶段；S2、用户节点本地学习阶段；步骤S3、用户节点获取邻居节点信息并更新阶段；步骤S4、加噪声扰动阶段；步骤S5、广播阶段。本发明能解决当前分布式学习中的隐私保护问题，使得用户节点通过邻居节点更新自己的本地参数，并将噪声处理过的参数发给邻居节点，从而在去中心化的网络环境下，能保护用户的个人敏感数据不遭泄露。
-
Patent Agency Ranking
公开(公告)号：CN106714183B
公开(公告)日：2020-05-15
申请号：CN201710045759.5
申请日：2017-01-20
Applicant: 安徽大学
Abstract: 本发明公开了一种保护隐私的异质频谱分配方法，包括：初始化步骤；提交报价步骤；安全分组步骤：拍卖者计算干扰图，置换干扰图，双重加密报价信息，发送给拍卖代理；拍卖代理执行分组算法，针对每组成员，对置换后的买家身份进行加密，随机化所有双重加密报价信息，把对分组进行的安全操作结果发送拍卖者；拍卖者解密随机化的双重加密报价信息的外层加密；胜者选定步骤：拍卖代理生成拍卖算法对应的加密电路，该电路实现小组定价和胜者选定功能，将其发送给拍卖者；拍卖者接收加密电路，同拍卖代理秘密共享买家报价信息和买家身份，计算加密电路；以及最终定价步骤，本发明在拍卖过程中不泄露除拍卖结果外有关报价的任何信息给任意参与方。
-
公开(公告)号：CN107483512B
公开(公告)日：2019-12-10
申请号：CN201710940170.1
申请日：2017-10-11
Applicant: 安徽大学
IPC: H04L29/06
Abstract: 本发明公开一种基于时间特征的SDN控制器DDoS攻击检测与防御方法，包括以下步骤：收集SDN交换机流表项统计数据；根据流表项统计数据计算流表在时间维度上的变化特性；使用BP神经网络对流表的时间特征样本进行训练，得到检测DDoS攻击所需的特征模式；使用BP神经网络对实时计算得到的时间特征进行判别，检测DDoS攻击；计算特定流表项的时间特征，动态地对受害端口进行恢复。本发明将SDN交换机流表的时间特征与BP神经网络相结合实现了检测针对SDN控制器的DDoS攻击这一目标，与现有方法相比可以更快速、全面地检测到针对控制器的DDoS攻击，并且支持后续对受害端口的动态恢复，减少了误封对正常业务的影响。
-
公开(公告)号：CN109033453A
公开(公告)日：2018-12-18
申请号：CN201810973951.5
申请日：2018-08-24
Applicant: 安徽大学
CPC classification number: G06K9/6223
Abstract: 本发明公开了一种基于RBM与差分隐私保护的聚类的电影推荐方法，包括：初始化阶段：收集所有用户对项目的评分信息，生成一个用户项目评分矩阵；聚类阶段：在得到的用户项目评分矩阵中，以单个用户为基础，对所有用户进行聚类操作，把所有用户分为k个类；生成推荐模型阶段：得到所有用户的聚类结果，然后在每个聚类中使用RMB算法生成各自的推荐模型；在线用户电影推荐阶段：用户登录系统，在推荐模型中选出评分高的且用户无观看记录的T个项目推送到用户界面。本发明还公开了一种基于RBM与差分隐私保护的聚类的电影推荐系统。本发明使用差分隐私技术中Laplace机制对聚类过程进行保护，再对每个聚类分别生成推荐模型，使得相同聚类用户的推荐结果更精确。
-
公开(公告)号：CN108959961A
公开(公告)日：2018-12-07
申请号：CN201810671583.9
申请日：2018-06-26
Applicant: 安徽大学
IPC: G06F21/62
CPC classification number: G06F21/6245
Abstract: 本发明公开了一种查询平均成绩的隐私保护方法、装置、计算机设备及存储介质，其中方法包括：计算个人隐私预算阈值；生成查询条件，判断用户当前隐私预算是否超过个人隐私预算阈值；若未超过个人隐私预算阈值，计算系统敏感度；根据系统敏感度对真实成绩进行加噪处理；对加噪处理后的的真实成绩进行数值处理，并将数值处理后的成绩信息发送给用户。通过计算个人隐私预算阈值，并在当前隐私预算未超过个人隐私预设阈值时，计算系统敏感度，对真实成绩进行加噪处理，再将加噪处理后的的真实成绩进行数值处理后的发送给用户，从而提高成绩查询系统在面对有组织地进行多人多次同时攻击时的情况下的安全性。
-
公开(公告)号：CN108848095A
公开(公告)日：2018-11-20
申请号：CN201810650308.9
申请日：2018-06-22
Applicant: 安徽大学
IPC: H04L29/06
CPC classification number: H04L63/1458 , H04L63/1416
Abstract: 本发明公开一种SDN环境下基于双熵的服务器DDoS攻击检测与防御方法，先周期性的收集SDN交换机流表项的统计数据；根据流表项的统计数据统计出交换机流表中各个源地址、目的地址的数目；然后计算出相应的香农熵；使用BP神经网络对两种香农熵样本进行训练，得到检测DDoS攻击所需要的特征模式；使用BP神经网络对计算得到的周期性的源、目的地址数量的香农熵进行判别，检测DDoS攻击；对于检测到的DDoS攻击，进行受害者主机丢弃数据包操作；封禁操作持续时间为到某个周期内未检测到攻击之后，才进行解除丢弃数据包操作。本发明能够消耗更少的资源、更快速、更全面地检测到针对用户服务器的DDoS攻击，并且支持后续对受害用户主机进行恢复通信，减少了对正常业务的影响。
-
-
-
-
-
-
-
-
-
Search Results
97
records
(took 0.025 seconds)
