基于匹配树的可扩展访问控制标记语言策略搜索方法

    公开(公告)号:CN112131434B

    公开(公告)日:2023-02-07

    申请号:CN202011012182.6

    申请日:2020-09-24

    Abstract: 本发明公开了一种基于匹配树结构的可扩展访问控制标记语言策略搜索方法,主要解决现有技术中策略搜索效率低及匹配树和组合树中结点信息重复的问题。其实现方案是:根据原始策略的结构和信息生成初始匹配树,并消除初始匹配树中同一路径下的重复属性;根据初始匹配树的路径生成路径标识,用其替代初始匹配树叶结点中的路径信息得到精简后匹配树,并将路径信息与对应的路径标识存放在映射表中;根据用户发送的访问请求在匹配树上搜索适用规则路径的路径标识,利用映射表在策略库中找到请求的适用策略。本发明通过优化匹配树结构,降低了策略迁移成本,提高了策略搜索效率,可用于使用大规模策略的访问控制过程中。

    具备匿名访问能力的基于属性访问控制方法

    公开(公告)号:CN112187800A

    公开(公告)日:2021-01-05

    申请号:CN202011046521.2

    申请日:2020-09-29

    Abstract: 本发明公开了一种具备匿名访问能力的基于属性访问控制方法,主要解决现有技术中访问请求主体隐私泄露以及主体无法准确提供属性信息的问题。其实现方案是:主体发送仅包含客体身份信息和操作的访问请求;根据访问请求对应的策略所需主体属性,向主体发送签名请求;主体通过属性证书生成所需主体属性的签名,并与访问请求参与策略评估得到访问控制决策评估结果。本发明避免了主体属性的泄露,减少无关的主体属性参与到访问控制决策中,在保证主体隐私的同时,提高了访问控制的决策效率。

    基于匹配树的可扩展访问控制标记语言策略搜索方法

    公开(公告)号:CN112131434A

    公开(公告)日:2020-12-25

    申请号:CN202011012182.6

    申请日:2020-09-24

    Abstract: 本发明公开了一种基于匹配树结构的可扩展访问控制标记语言策略搜索方法,主要解决现有技术中策略搜索效率低及匹配树和组合树中结点信息重复的问题。其实现方案是:根据原始策略的结构和信息生成初始匹配树,并消除初始匹配树中同一路径下的重复属性;根据初始匹配树的路径生成路径标识,用其替代初始匹配树叶结点中的路径信息得到精简后匹配树,并将路径信息与对应的路径标识存放在映射表中;根据用户发送的访问请求在匹配树上搜索适用规则路径的路径标识,利用映射表在策略库中找到请求的适用策略。本发明通过优化匹配树结构,降低了策略迁移成本,提高了策略搜索效率,可用于使用大规模策略的访问控制过程中。

    基于FPGA的二值化神经网络的加速系统

    公开(公告)号:CN111931925A

    公开(公告)日:2020-11-13

    申请号:CN202010793337.8

    申请日:2020-08-10

    Abstract: 本发明提出了一种基于FPGA的二值化神经网络的加速系统,本发明属于集成电路设计技术领域,用于解决现有技术中存在的卷积运算的关键计算路径长导致的计算速度易受到串行计算限制,且资源占用较多的技术问题。所述加速系统包含通过FPGA实现的权重数据缓存模块、输入特征数据缓存模块、配置数据缓存模块、权重数据转换模块、卷积模块、池化模块、全连接模块、结果处理模块、结果缓存模块和控制模块。本发明可应用于嵌入式环境下的目标快速检测等场景。

    基于卷积神经网络的漫画人脸识别方法

    公开(公告)号:CN111832498A

    公开(公告)日:2020-10-27

    申请号:CN202010692679.0

    申请日:2020-07-17

    Abstract: 本发明公开了一种基于卷积神经网络的漫画人脸识别方法,其步骤为:(1)生成训练集;(2)生成C-F Loss损失函数;(3)训练Xception卷积神经网络;(4)生成识别图片集;(5)对漫画人脸图片进行识别。本发明采用Xception卷积神经网络提取特征,可以提取到更完整的漫画人脸特征获得更高的识别率,同时,本发明在交叉熵损失函数的基础上增加了Focal Loss损失函数生成一个C-F Loss损失函数,解决了不同类中的图片数量的不平衡和图片在训练后输出对应类别名的难易程度的不平衡的问题。

    一种基于多幅未标定图像的三维点云重建方法

    公开(公告)号:CN106600686B

    公开(公告)日:2020-05-22

    申请号:CN201611111611.9

    申请日:2016-12-06

    Abstract: 本发明公开了一种基于多幅未标定图像的三维点云重建方法,获取物体在不同角度拍摄的图像序列作为输入集合;通过特征提取和匹配得到图像的特征匹配点对,进行稠密扩散处理;选择候选图像的特征点作为种子点向其周围邻域进行匹配扩散并过滤,获得稠密匹配点对;对相机进行标定,结合匹配点对得到其内外参数;根据相机参数及匹配点对恢复出三维模型点;进行重建,选取种子模型点生成初始patch,并在其网格邻域内扩散得到稠密的patch;根据约束条件过滤误差patch,获得精确的稠密三维点云模型。本发明可以快速获得高精度的稠密点云模型,加快模型的生成速度,增加了匹配的稠密性的准确性,增加了三维点云的稠密性和准确性。

    基于无监督联合多损失模型的跨域行人重识别方法

    公开(公告)号:CN111126360A

    公开(公告)日:2020-05-08

    申请号:CN202010143811.2

    申请日:2020-03-04

    Abstract: 本发明公开了一种基于无监督联合多损失模型的跨域行人重识别方法,主要解决现有无监督跨域行人重识别方法识别率低的问题。其方案是,1)获取数据集并将其分为训练集与测试集;2)对训练集进行多种预处理和扩充;3)选取残差网络作为基准网络模型,初始化网络参数,调整网络结构;4)构建目标域损失函数;5)将目标域损失函数与源域损失函数,三元组损失函数进行融合,得到总损失函数;6)利用总损失函数对残差网络进行训练,得到训练好的网络模型;7)将测试集输入到训练好的网络模型,输出识别结果。本发明提高了无监督跨域行人重识别的识别率,有效避免了过拟合情况的发生,可用于嫌疑目标查找,行人跨摄像头跟踪的智能安保。

Patent Agency Ranking