一种基于区块链的流动放映授权管理方法

    公开(公告)号:CN110278462B

    公开(公告)日:2021-07-09

    申请号:CN201910534554.2

    申请日:2019-06-20

    Abstract: 一种基于区块链的流动放映授权管理方法,涉及区块链技术领域、数字电影版权保护领域、数据安全领域。通过区块链技术和IPFS技术协同完成授权信息的加密分布式存储以及在节点上的授权处理。具体包括通过获取并上传授权信息,加密后存储到区块链IPFS存储系统中;用户设备分别接入区块链网络,形成用户交互网络和设备轻节点网络。用户节点提出授权申请后,通过身份认证以及设备认证进行授权信息的授权操作。认证成功后,设备轻节点可获取授权信息进行相应的解密处理。该方法利用区块链和IPFS的存储模型,改善区块链的容量存储问题,提高区块链的可扩展性。

    一种基于注意力模型的降噪自编码器推荐方法

    公开(公告)号:CN110555132A

    公开(公告)日:2019-12-10

    申请号:CN201910742757.0

    申请日:2019-08-13

    Abstract: 一种基于注意力模型的降噪自编码器的电影推荐方法,属于电影推荐技术领域。在现有的推荐算法中,自编码器推荐模型因运算速度较快,易于实现得到广泛应用,但评分矩阵稀疏时,推荐准确度将大大降低,且未曾考虑辅助信息与用户对于观看记录不同的注意度。为了解决上述问题,本方法将注意力模型与降噪自编码器相结合,利用注意力模型学习用户的偏好,融入降噪自编码器共同迭代更新参数,从而预测用户完整评分。本方法在预测评分准确度方面有明显提升。

    一种基于深度学习与贝叶斯概率矩阵分解的电影推荐方法

    公开(公告)号:CN110059220A

    公开(公告)日:2019-07-26

    申请号:CN201910292355.5

    申请日:2019-04-12

    Abstract: 一种基于深度学习与贝叶斯概率矩阵分解的电影推荐算法,属于电影推荐技术领域。在众多推荐系统中,矩阵分解模型因为其准确高效,易于实现得到广泛应用,但矩阵分解原理是将用户评分矩阵分为用户与项目特征向量,当评分矩阵稀疏时,推荐准确度将大大降低,为了解决这个问题,本方法将深度学习与基于协同的推荐算法相结合,利用堆栈自编码器学习用户与项目的辅助信息,贝叶斯概率分解矩阵从辅助信息和原有的评分中预测用户偏好。本方法在预测评分准确度方面有明显提升。

    一种基于区块链的流动放映授权管理方法

    公开(公告)号:CN110278462A

    公开(公告)日:2019-09-24

    申请号:CN201910534554.2

    申请日:2019-06-20

    Abstract: 一种基于区块链的流动放映授权管理方法,涉及区块链技术领域、数字电影版权保护领域、数据安全领域。通过区块链技术和IPFS技术协同完成授权信息的加密分布式存储以及在节点上的授权处理。具体包括通过获取并上传授权信息,加密后存储到区块链IPFS存储系统中;用户设备分别接入区块链网络,形成用户交互网络和设备轻节点网络。用户节点提出授权申请后,通过身份认证以及设备认证进行授权信息的授权操作。认证成功后,设备轻节点可获取授权信息进行相应的解密处理。该方法利用区块链和IPFS的存储模型,改善区块链的容量存储问题,提高区块链的可扩展性。

    一种基于Fabric的边缘计算数据安全与隐私保护方法

    公开(公告)号:CN110233868A

    公开(公告)日:2019-09-13

    申请号:CN201910320624.4

    申请日:2019-04-20

    Abstract: 本发明公开了一种基于Fabric的边缘计算数据安全与隐私保护方法,该方法由于区块链本身的不可篡改特性,防止人为的恶意删除与黑客攻击对数据的损坏。由于用户可以在任意的搭建此Fabric的节点申请查询获取数据,可以在设备意外损坏的情况下保证了数据的安全性。搭建在边缘计算设备上的Fabric节点通过广播将信息共享到联盟链网络中,这样即安全地将信息共享给了其它搭建了此Fabric的边缘计算节点,由于在区块链网络上所有的操作都会验证用户的身份,保证了只有被授权了查询权限的用户可以从Fabric获取数据,使不具备资格的人员或操作员无法查询数据,完成对隐私数据的保护。最终实现Fabric对边缘计算数据安全与隐私的保护。

Patent Agency Ranking