-
公开(公告)号：CN119030720A
公开(公告)日：2024-11-26
申请号：CN202410964205.5
申请日：2024-07-18
Applicant: 北京邮电大学
Abstract: 本发明提供基于声纹识别和隐私计算的多因子安全认证系统和方法，包括：声纹识别模块、隐私计算模块和多因子认证模块；采用thin‑ResNet‑34网络架构；并使用余弦相似度作为评价指标，采用ASPE同态加密算法，首先将语音的embedding进行混沌置乱，然后采用所述ASPE对置乱后的embedding进行加密并存储于数据库中；采用cryptocode模块对用户的密码进行加密，将加密后的密文存储在数据库中，本发明提取智能交互设备和虚拟数字人的生物特征，确保二者接入元宇宙世界时身份的合法性；使用ASPE加密技术，在密文状态下对双方的身份和数据库条目进行匹配，进而抵御恶意用户的攻击，避免元宇宙中智能交互设备和虚拟数字人隐私信息的泄露。
-
公开(公告)号：CN118555347A
公开(公告)日：2024-08-27
申请号：CN202410647160.9
申请日：2024-05-23
Applicant: 北京邮电大学
IPC: H04N1/44 , H04N1/387 , H04N1/32 , H04N19/467 , H04L9/08
Abstract: 本发明涉及云服务环境下的图像加密技术领域，特别涉及一种云环境下基于2D压缩感知和秘密共享的图像加密方法，以解决数据在云端存储的安全性和用户对图像重构的复杂性为目标，该方法将压缩感知和秘密共享重建任务外包给云端完成以节省用户的计算资源，将图像上传至云端之前对图像加密，然后利用具有较低的计算复杂度2D压缩感知对加密图像采样，降低密文的存储压力，然后利用秘密共享将采样图像分为多个加密份额，只有在达到指定门限时才能获取或重构完整的图像信息，可以避免单点故障，提高方案的安全性，生成的多个加密份额被分别上传至不同的云端管理中心存储，通过嵌入水印信息有效阻止未经许可的恶意用户窃取或篡改信息。
-
公开(公告)号：CN114418866B
公开(公告)日：2024-08-06
申请号：CN202111410413.3
申请日：2021-11-23
Applicant: 北京邮电大学
Abstract: 本发明公开了一种低采样率下的深度学习图像恢复方法，包括采样步骤和重建步骤，其中，采样部分引入离散小波变换，减少了由于应用单一尺度采样方法所丢失的高频部分内容，提高了方法的图像重建质量。将采样部分的矩阵乘法转换为半张量积的形式，显著减小了采样矩阵的大小，减少了矩阵的存储空间，节约了大量的计算资源。将AMP算法以去噪视角展开到深度卷积网络中，提高了图像的视觉效果和重建速度。在低采样率的条件下，与其他方法相比，本发明方法有着更好的量化指标和重建效果，在存储空间占用和运行时间方面有着优势，获得了更好的视觉效果。
-
公开(公告)号：CN117216786A
公开(公告)日：2023-12-12
申请号：CN202310204937.X
申请日：2023-03-06
Applicant: 北京邮电大学
IPC: G06F21/62 , H04L9/00 , H04L9/14 , H04L9/40 , H04L67/1097 , G06F21/60 , G06F21/64 , G06F18/241
Abstract: 本发明公开了一种基于区块链与差分隐私的众包平台统计数据按需共享方法，采用差分隐私技术添加噪声的设计，可以保护用户数据的隐私，避免数据被统计攻击后泄漏而遭到恶意利用。同时采用噪声添加方与数据持有者双角色来分散权利的设计，削弱监管的权利集中；采用区块链技术、同态加密与零知识证明技术，确保数据的完整性和不可篡改性，并将数据的访问集合最小化，仅允许指定的监管方持有最终秘钥，从而增强数据的安全性和可信度，保证数据的可用性；采用智能合约技术，可以实现数据的自动化和规范化，从而满足数据合规性要求；采用秘钥列表方案对秘钥进行分类，将加密后的统计数据通过关键字识别，从而做到重复使用。
-
公开(公告)号：CN117079658A
公开(公告)日：2023-11-17
申请号：CN202311183589.9
申请日：2023-09-14
Applicant: 北京邮电大学
IPC: G10L21/003 , G10L25/48 , G10L25/27 , G10L19/008 , G10L19/16
Abstract: 一种基于差分隐私的说话人匿名化系统及方法，涉及语音处理领域，该方法包括：对于每条原始语音，分别提取出说话人向量、基频F0和内容特征；利用广义差分隐私算法对提取出的说话人向量进行批量匿名化处理，获得匿名说话人向量；将匿名说话人向量、基频F0和内容特征进行合成，生成脱敏后的匿名化语音波形数据。本发明通过将广义差分隐私与基于自监督模型的语言可迁移说话人匿名化框架相结合，可在攻击者已经具有一部分先验知识的情况下，依旧能保障说话人身份隐私数据的安全性，并且能在保证匿名后语音的隐私性的同时依旧保证匿名后的语音具有良好的可用性，更好地解决WER和EER之间的平衡性问题。
-
Patent Agency Ranking
公开(公告)号：CN116595094A
公开(公告)日：2023-08-15
申请号：CN202310537880.5
申请日：2023-05-12
Applicant: 广东省农村信用社联合社 , 北京邮电大学
IPC: G06F16/27 , G06N20/00 , G06F18/214
Abstract: 本发明提供一种基于区块链的联邦学习激励方法、装置、设备和存储介质，涉及机器学习技术领域。其中方法包括：获取联邦学习参与方设备发送的第一模型参数，所述联邦学习参与方设备与所述区块生成节点关联，所述第一模型参数为所述联邦学习参与方设备迭代更新后的模型参数；基于所述第一模型参数，确定所述联邦学习参与方设备的训练贡献度；基于所述训练贡献度确定激励方案，以供所述主链基于所述主链的智能合约和所述激励方案对所述联邦学习参与方设备进行激励。本发明提高了联邦学习激励的可靠性以及激励资金的安全性。
-
公开(公告)号：CN111564154B
公开(公告)日：2023-08-08
申请号：CN202010206879.0
申请日：2020-03-23
Applicant: 北京邮电大学
Abstract: 本发明实施例提供基于语音增强算法的对抗样本攻击防御方法及装置，可以获取待识别语音样本与待识别语音样本的频谱特征；根据待识别语音样本的频谱特征，通过预设算法对待识别语音样本进行噪声频谱的计算，并利用计算得到的估计噪声频谱对待识别语音样本进行去噪，得到去噪后的语音样本，其中，算法包括基于连续最小值跟踪的谱减法与结合语音存在概率的对数最小均方误差算法MMSE算法；通过预先训练的语音识别模型对去噪后的语音样本进行识别，得到识别结果。从而通过获取待识别语音样本后对待识别语音样本进行去噪处理后，通过对去噪后的语音样本进行识别，增加语音识别准确率，提高防御对抗样本攻击的效率。
-
公开(公告)号：CN116403586A
公开(公告)日：2023-07-07
申请号：CN202310422093.6
申请日：2023-04-19
Applicant: 北京邮电大学
Abstract: 本发明公开了一种面向ASV系统的通用语音欺骗检测模型的建立方法，通过引入子网络方法，设计检测LA攻击的LANet，检测PA攻击的PANet以及联合检测LA攻击和PA攻击的混合模型FusionNet。该方法以LANet的浅层参数为基础，构建了一个轻量级的PANet，最后将LANet与PANet输出的embedding进行连接，送入FusionNet中，判定输入语音是否为真实语音。本发明在现有的针对特定攻击的检测模型的基础上，增加少量参数就可构建一个通用的语音欺骗检测模型，该模型既可以检测LA攻击又可以检测PA攻击，解决了现有模型仅能检测特定攻击的问题，同时实现轻量化，从而满足实际应用的需求。
-
公开(公告)号：CN111461177B
公开(公告)日：2023-07-07
申请号：CN202010158601.0
申请日：2020-03-09
Applicant: 北京邮电大学
IPC: G06V10/82 , G06V10/778 , G06V10/77 , G06V10/764 , G06N3/006
Abstract: 本发明实施例提供的一种图像的识别方法及装置，其中，方法包括：获取原始图像，基于原始图像生成粒子群，迭代更新粒子群，直至达到迭代次数，得到更新后的粒子群，在更新后的粒子群中，确定自适应值最小的目标粒子，针对原始图像，将该原始图像的特征值上与目标粒子对应的坐标值求和，得到对抗样本，利用对抗样本，训练预设的深度学习模型，得到训练后的深度学习模型，利用训练后的深度学习模型识别被扰动的图像。本发明实施例无需获知深度学习模型的内部结构，将目标粒子的坐标值与原始图像的特征值求和得到对抗样本，使用该对抗样本训练得到的深度学习模型抗干扰能力较强，可以提高识别携带未知扰动的图像时的准确性。
-
公开(公告)号：CN113269259B
公开(公告)日：2023-04-18
申请号：CN202110598271.1
申请日：2021-05-31
Applicant: 北京邮电大学
IPC: G06F18/214 , G06F18/22 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明实施例提供了一种目标信息的预测方法及装置，上述方法包括：获取目标信息在当前时间点之前的多个离散的时间点对应的目标历史信息；将目标历史信息输入预先训练的目标信息预测模型，获取目标信息在当前时间点后的变化趋势预测结果；RNN层，用于对输入的目标历史信息进行初始变化趋势特征提取，并将所提取的初始变化趋势特征输入GAN层；GAN层，用于基于初始变化趋势特征，确定目标信息在当前时间点后的变化趋势信息，作为目标信息的变化趋势预测结果。采用本发明实施例提供的方法，提高了预测出的目标信息在当前时间点后的变化趋势信息的精度。
-
-
-
-
-
-
-
-
-
Search Results
121
records
(took 0.028 seconds)
