-
公开(公告)号：CN115442160B
公开(公告)日：2023-02-21
申请号：CN202211388174.0
申请日：2022-11-08
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 一种差分隐私保护下的网络化系统数据隐蔽攻击检测方法，属于信息安全的技术领域，所述检测方法，首先，对网络化系统进行建模并设计基于系统噪声参数的攻击检测机制；然后，根据已知系统信息，为攻击者设计最优数据隐蔽攻击策略；接着，在保障网络化系统敏感数据隐私的情形下，通过隐私噪声调度机制确定隐私噪声添加的时刻，并实现最优系统控制性能。基于以上设计，可在保护系统数据隐私性以及保障系统达到最优运行性能的基础上，对可能发生的数据隐蔽攻击进行有效检测。
-
公开(公告)号：CN115145966B
公开(公告)日：2022-11-11
申请号：CN202211075909.4
申请日：2022-09-05
Applicant: 山东省计算中心(国家超级计算济南中心) , 北京威努特技术有限公司
IPC: H04L67/125 , G06F16/2455 , G06F16/23 , G06N20/00 , G06K9/62
Abstract: 本发明属于人工智能领域，提供了一种面向异构数据的对比联邦学习方法及系统，包括客户端利用当前轮次中当前次数局部更新的局部模型和上一次局部更新的历史局部模型的正余弦距离、当前轮次中当前次数局部更新的局部模型与当前全局模型之间的负余弦距离对当前局部模型进行优化，使得客户端当前轮次的局部模型靠近当前全局模型而远离上一轮次的局部模型，得到最新的局部模型；服务端获取多个客户端的最新的局部模型进行聚合，更新全局模型。本发明从模型相似度的角度建立异构环境下联邦学习的优化问题，使每个客户端都能够学习到接近全局模型表示，以最小化局部模型差异。
-
公开(公告)号：CN114866352B
公开(公告)日：2022-10-04
申请号：CN202210785934.5
申请日：2022-07-06
Applicant: 山东省计算中心(国家超级计算济南中心) , 烟台海颐软件股份有限公司
IPC: H04L9/40
Abstract: 一种保护工业互联网数据隐私和完整性的方法及程序产品，属于信息安全的技术领域，首先利用‑差分隐私机制保证数据的敏感信息仅发生可控泄露，实现工业互联网数据的隐私性保障；然后，设计基于有约束最优化方法的攻击模型及最优数据完整性攻击策略；接着，研发一种系统状态预测机制，估计被控系统的实时状态，并设计基于可变辅助矩阵的数据完整性攻击检测方法，以检测多种数据完整性攻击，实现工业互联网数据的完整性保护。
-
公开(公告)号：CN114866352A
公开(公告)日：2022-08-05
申请号：CN202210785934.5
申请日：2022-07-06
Applicant: 山东省计算中心(国家超级计算济南中心) , 烟台海颐软件股份有限公司
IPC: H04L9/40
Abstract: 一种保护工业互联网数据隐私和完整性的方法及程序产品，属于信息安全的技术领域，首先利用‑差分隐私机制保证数据的敏感信息仅发生可控泄露，实现工业互联网数据的隐私性保障；然后，设计基于有约束最优化方法的攻击模型及最优数据完整性攻击策略；接着，研发一种系统状态预测机制，估计被控系统的实时状态，并设计基于可变辅助矩阵的数据完整性攻击检测方法，以检测多种数据完整性攻击，实现工业互联网数据的完整性保护。
-
公开(公告)号：CN114789055A
公开(公告)日：2022-07-26
申请号：CN202210438663.6
申请日：2022-04-25
Applicant: 浙江科技学院 , 山东省计算中心(国家超级计算济南中心)
IPC: B01J23/745 , B01J21/18 , B01J35/10 , B01J37/10 , B01J37/02 , C07B53/00 , B82Y40/00 , C07C67/31 , C07C69/675 , C07H19/207 , C07H1/00
Abstract: 本发明公开了负载型四氧化三铁催化剂的制备方法，包括：向三氯化铁溶液中加入柠檬酸钠、聚乙二醇和乙酸钠，以乙二醇为还原剂，制备四氧化三铁纳米颗粒；螺旋状多壁碳纳米管与四氧化三铁纳米颗粒悬浮于无水乙醇中反应，收集固体产物，得Fe3O4@HMWCNTs。本发明公开了负载型四氧化三铁催化剂用于NADP+加氢还原再生的方法。本发明公开了负载型四氧化三铁纳米酶催化剂偶联酮还原酶在系列手性醇合成中的应用，将Fe3O4@HMWCNTs、NADP+和酮还原酶加入到羰基类化合物不对称催化还原合成系列手性醇的反应中。本发明催化剂制备工艺简单、生产成本低、催化活性高，适用于NADPH的还原再生过程，通用性好，利于推广。
-
Patent Agency Ranking
公开(公告)号：CN114781008A
公开(公告)日：2022-07-22
申请号：CN202210395273.5
申请日：2022-04-15
Applicant: 山东省计算中心(国家超级计算济南中心) , 山东钢铁集团永锋临港有限公司
Abstract: 本发明公开了面向物联网终端固件安全检测的数据识别方法，包括：对待分析固件进行解压；以解压待分析固件的目录作为根目录，遍历根目录中所有文件，若文件类型非链接类或图片类，则使用二进制方式读取文件内容，并利用预先编写的正则表达式匹配特定格式数据，将与预先编写的正则表达式匹配的数据加入预筛选数据集合；提取预筛选数据集合内各数据所属文件中与各数据相关的特征字符，并计算特征字符与预设关键字符集的相似度，并根据相似度降序，对各数据进行验证。本发明还提供了面向物联网终端固件安全检测的数据识别装置。本发明能够对固件中特定格式数据进行检测和提取，降低因固件中存在特定格式数据而造成的安全和隐私泄露风险。
-
公开(公告)号：CN112989395B
公开(公告)日：2022-05-17
申请号：CN202110465793.4
申请日：2021-04-28
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本申请公开了一种SM4密码算法的形式化验证方法，所述方法包括：将SM4密码算法的算法参数定义为安全整数类型；其中，所述算法参数包括明文输入、加密结果、密文输入、解密结果、主密钥、密钥常数、轮密钥和s盒参数；确定基于F*框架的算法模块的初始堆，并在所述初始堆的目标缓冲区中添加所述算法参数；利用所述算法参数对所述SM4密码算法的轮密钥生成模块、加密模块和解密模块进行形式化验证，得到所述SM4密码算法的形式化验证结果。本申请能够在SM4密码算法实现过程中保证内存安全、避免受到时间侧信道攻击。本申请还公开了一种SM4密码算法的形式化验证系统，具有以上有益效果。
-
公开(公告)号：CN112836078B
公开(公告)日：2021-10-22
申请号：CN202110192739.7
申请日：2021-02-20
Applicant: 山东省计算中心(国家超级计算济南中心) , 青岛大学
IPC: G06F16/583 , G06F16/587 , G06F21/60
Abstract: 本发明公开了一种图上最短路径安全查询方法、装置、系统及计算机可读存储介质，该方法包括接收客户端发送的查询口令信息，查询口令信息为客户端采用预设加密方法对用户输入的目标图信息、起始顶点信息、终止顶点信息和受限边标签集合进行加密后得到的；依据查询口令信息从预先存储的各个加密图中找到对应的目标加密图，获取目标加密图中加密后的各个顶点、与每个顶点分别对应的各个邻接点；依据加密后的起始顶点信息、终止顶点信息及受限边标签集合，从目标加密图的各个邻接点中确定出满足受限边标签集合的起始顶点至终止顶点的最短路径及最小距离；本发明能够找到满足受限边标签集合的最短路径及最小距离，更能够满足实际需求。
-
公开(公告)号：CN112836078A
公开(公告)日：2021-05-25
申请号：CN202110192739.7
申请日：2021-02-20
Applicant: 山东省计算中心(国家超级计算济南中心) , 青岛大学
IPC: G06F16/583 , G06F16/587 , G06F21/60
Abstract: 本发明公开了一种图上最短路径安全查询方法、装置、系统及计算机可读存储介质，该方法包括接收客户端发送的查询口令信息，查询口令信息为客户端采用预设加密方法对用户输入的目标图像信息、起始顶点信息、终止顶点信息和受限边标签集合进行加密后得到的；依据查询口令信息从预先存储的各个加密图像中找到对应的目标加密图像，获取目标加密图像中加密后的各个顶点、与每个顶点分别对应的各个邻接点；依据加密后的起始顶点信息、终止顶点信息及受限边标签集合，从目标加密图像的各个邻接点中确定出满足受限边标签集合的起始顶点至终止顶点的最短路径及最小距离；本发明能够找到满足受限边标签集合的最短路径及最小距离，更能够满足实际需求。
-
公开(公告)号：CN119513498B
公开(公告)日：2025-05-23
申请号：CN202411673870.5
申请日：2024-11-21
Applicant: 齐鲁工业大学(山东省科学院) , 山东省计算中心(国家超级计算济南中心) , 青岛理工大学
IPC: G06F18/10 , G06F18/213 , G06F18/22 , G06N3/0442 , G06N3/0464 , G06N3/08 , G06N20/20
Abstract: 本发明属于时间序列预测的技术领域，更具体地，涉及一种基于深度集成学习模型和高低频分离的时间序列数据预测方法。所述方法包括：收集系统中的时间序列数据，对得到的数据进行预处理；对原始时间序列数据进行VMD变分模态分解，将时间序列分解成K个有限带宽的模态分量；联合最大信息系数法和重构误差分析法来确定最佳的分解模态数量K；对分解的所有模态使用过零率和中心频率来划分高低频分量；分别针对高频分量和低频分量建立合适的预测模型；将所有模态预测结果进行叠加，得到最终的时间序列预测结果。本发明组合了多种深度学习模型使得预测方法具备更强的灵活性和适应性，能够针对不同特征的分量选择合适的模型进行预测，从而提升整体性能。
-
-
-
-
-
-
-
-
-
Search Results
138
records
(took 0.081 seconds)
