-
公开(公告)号：CN111310470B
公开(公告)日：2021-11-19
申请号：CN202010053878.7
申请日：2020-01-17
Applicant: 西安交通大学
IPC: G06F40/295
Abstract: 本发明公开了一种融合字词特征的中文命名实体识别方法，通过拼接字向量xc、位置向量xs和词的映射向量xw构建特征表示层，作为模型的输入向量xemb；将输入向量xemb输入BiLSTM，得到当前时刻的上下文特征向量对该特征向量执行非线性转换，输出待解码的得分信息P；将得分信息P输入CRF层，同时引入转移得分矩阵A，CRF根据序列的全局标签概率p(y|x)选择全局最优的标签序列，输出序列标注结果y1,y2,...,yn，完成中文命名实体识别。本发明通过综合分析后得到的结果数据加强了模型对文本的理解，提高了模型识别任务中的F1值。
-
公开(公告)号：CN113497831A
公开(公告)日：2021-10-12
申请号：CN202110744310.4
申请日：2021-06-30
Applicant: 西安交通大学
IPC: H04L29/08 , G06F16/9535
Abstract: 本发明公开了一种移动边缘网络下基于反馈流行度的内容放置方法及系统，提出三种边缘网络内容放置方案，第一种和第二种方案先计算内容的反馈流行度并进行排名，然后计算各个内容间的相似度矩阵，再根据相似度矩阵选取与内容反馈流行度排名最靠前的内容最相似度的内容放置于边缘节点；第三种方案是先对内容的反馈流行度进行排名，然后以反馈流行度排名最靠前的k个内容为初始聚类中心点，对所有内容进行聚类，再每类选取相同数目的内容放置于边缘节点。将本发明提出的方法与PBC方法、Random方法进行了对比。实验结果表明对于被动推荐这种内容分发形式，本发明提出的方法推荐精度更好。本发明可以在内容推荐等领域具有较好应用价值。
-
公开(公告)号：CN112836194A
公开(公告)日：2021-05-25
申请号：CN202110134310.2
申请日：2021-01-29
Applicant: 西安交通大学
Abstract: 本发明公开了一种基于人手内部生物特征的身份认证方法及系统，所述方法包括：步骤1，利用射频信号采集人手内部生物特征，获取包含人手内部生物特征的射频信号；步骤2，基于步骤1获得的射频信号，构建获得能够输入神经网络的维度规则的特征块；步骤3，将步骤2获得的特征块输入3D身份分类器中进行身份认证；其中，所述3D身份分类器通过预采集的预设数量的人手内部生物特征信息训练获得。本发明的基于人手内部生物特征的身份认证方法或系统，利用用户友好的方式提取体内生物特征，无需用户接触，用户体验较好且安全性能较高。
-
公开(公告)号：CN112487465A
公开(公告)日：2021-03-12
申请号：CN202011477233.2
申请日：2020-12-15
Applicant: 西安交通大学
Abstract: 本发明公开了一种跨网络动态业务流验证方法、系统、存储介质及计算设备，通过PBFT共识机制将节点地址信息及公钥上传至区块链，实现节点入网申请与面向自签名证书的分布式密钥存储；针对节点的业务请求行为，基于区块链的共识机制，分布式验证节点对节点身份进行验证，业务序号生成，业务摘要上链存储与业务流许可返回，实现跨网络业务请求上链记录；针对跨网络业务流所需的业务按序完成需求，通过引入业务完成标识机制，将实时业务及处理节点信息上传至区块链，实现业务连续性的有效验证；针对跨网络业务在传输过程中被篡改的情况，利用历史路由路径追踪技术挖掘跨网络业务流传输中可能存在的恶意网段，通过在重传过程中标识不良路由节点，实现对恶意网段再次篡改业务流可能性的削减。
-
公开(公告)号：CN111914287A
公开(公告)日：2020-11-10
申请号：CN202010555042.7
申请日：2020-06-17
Applicant: 西安交通大学
Abstract: 本发明公开了一种轨迹隐私保护的改进DTW度量方法、存储设备及设备，用Filter算法对原本的数据进行过滤，去除掉一些明显的漂移的点和一些明显错误的不符合实际情况的点；按照时间，经度，纬度的格式录入两条轨迹的数据；计算两条轨迹中各个点之间的实际距离；计算这两条轨迹的相似度的程度。本发明能够对用户的轨迹隐私保护程度进行量化，清晰反映用户隐私安全程度和隐私泄露程度。在基于位置的服务，智能交通，出行预测，数据挖掘等需要利用轨迹技术等领域也有较好的应用价值。
-
Patent Agency Ranking
公开(公告)号：CN111461041A
公开(公告)日：2020-07-28
申请号：CN202010265942.8
申请日：2020-04-07
Applicant: 西安交通大学
Abstract: 本发明公开了一种基于生成对抗网络的多因素联合判别异常行人方法，采用改进的Pedestrian-Synthesis-GAN网络对行人进行检测跟踪，为判别运动轨迹、记录通过时间以及行人的头部曝光时长提供了基础。使用Social-GAN网络预测行人轨迹，计算实际轨迹与预测轨迹的相似度，得到异常分数。设计使用SVM来对行人通过时间进行判别，得到相应的异常分数。由于异常行人会产生冻结效应，在行人检测的基础上使用GAN网络对人脸进行识别检测，计算面部曝光时长和曝光次数的异常分数。最后，设置动态权重，对行人的运动轨迹、逗留时间、脸部曝光时长、曝光次数以及行为姿态五个方面进行多因素融合判别，有效提高了检测异常行人的准确率。
-
公开(公告)号：CN111400747A
公开(公告)日：2020-07-10
申请号：CN202010113193.7
申请日：2020-02-24
Applicant: 西安交通大学
IPC: G06F21/62 , G06F16/215 , G06F17/16
Abstract: 本发明公开了一种基于轨迹隐私保护的度量方法，针对两种常见的轨迹隐私保护方法提供了两种度量方法，对移动用户的轨迹隐私保护程度进行量化，清晰反映用户隐私安全程度和隐私泄露程度。针对基于概化的隐私保护方法，提出面向轨迹的距离度量指标，对轨迹的相交进行判断，计算相交程度；并对最终形成同步的轨迹进行距离度量和相似性计算；针对基于混淆区的隐私保护方法中，提出面向分布概率的信息熵指标，对轨迹计算概率向量；根据信息熵计算隐私保护函数，完成基于轨迹隐私保护的度量。上述轨迹隐私保护的两种度量方法能够有效评估两种常见隐私保护方法的强度并分析数据被保护前后的扭曲程度和有效性。
-
公开(公告)号：CN111177743A
公开(公告)日：2020-05-19
申请号：CN201911243195.1
申请日：2019-12-06
Applicant: 西安交通大学
IPC: G06F21/60
Abstract: 本发明公开了一种面向信用大数据的风险控制方法及其系统，由终端设备完成数据的采集，服务器完成数据融合、清洗以及属性标签与主体标签的标注等实现数据预处理；再针对可信终端采集的原生数据设计风险控制模块，通过对数据进行标签化处理与敏感性划分，将数据划分成不同敏感等级，实现一级风险控制；再针对数据存储平台的使用者的初始信用度问题，通过分析原生数据中主体标签，评估数据访问者的初始信任度与权限，达到二级风险控制的目的；最后，针对系统、存储平台需要实时监控数据访问者行为这一问题，根据访问者行为动态界定主体信任度，从而完成面向信用大数据的三级风险控制。
-
公开(公告)号：CN111091194A
公开(公告)日：2020-05-01
申请号：CN201911109045.1
申请日：2019-11-13
Applicant: 西安交通大学 , 北京神州绿盟信息安全科技股份有限公司
IPC: G06N7/00
Abstract: 本发明公开了一种基于CAVWNB_KL算法的操作系统识别方法，分析nmap中的操作系统识别规则，从拆分出的大量数据集中抽出M万数据作为训练数据，同样的方法再次抽出m万数据作为模拟测试数据；将得到的M万数据进行封箱操作；使用KL散度计算属性与类之间的关联度作为每个属性的权值；将预处理过的M万数据计算先验概率和后验概率，作为指纹存储；取m万数据集计算出测试精度衡量指标；计算真实流量的测试精度；将采集到的真实流量进行筛选，以贝叶斯增量学习的方式增量训练，修正原有的指纹模型，完成识别。本发明采用CAVWNB_KL算法，极大的缓解了朴素贝叶斯属性间要求的独立的条件，提高了分类精度。
-
公开(公告)号：CN104394509B
公开(公告)日：2018-10-30
申请号：CN201410683174.2
申请日：2014-11-21
Applicant: 西安交通大学
Abstract: 本发明公开一种高效的差分扰动位置隐私保护系统及方法，考虑了攻击者可能拥有关于用户辅助信息(side information)的背景知识对已有的基于位置扰动和模糊化技术的位置隐私保护方法形成的挑战，将差分隐私保护技术引入位置模糊化隐私保护方法中，提出通过使用能根据移动用户在地理空间中的分布变化特征而自适应转换用户位置的希尔伯特空间填充曲线和当前流行的四分树或R*树空间索引构建了地理空间所有移动用户的位置索引，从而高效地生成了满足互惠原则的k匿名隐形区域。接着，利用差分隐私保护技术由形成该隐形区域的k个位置点生成合理地接近用户真实位置的位置扰动点作为LBS用户的查询位置向LBS服务提供商请求服务，可以克服现有方法存在的问题和不足。
-
-
-
-
-
-
-
-
-
Search Results
98
records
(took 0.055 seconds)
