-
公开(公告)号：CN114090997A
公开(公告)日：2022-02-25
申请号：CN202111406171.0
申请日：2021-11-24
Applicant: 北京邮电大学
Abstract: 本发明公开了一种语音指令进程调度方法及装置，采用的基于用户等级划分的时限声纹认证方案能够为智能计算设备中的关键数据提供进一步的保护，采用语音指令进程调度方案，能够使得用户不再受限于仅通过语音指令操作智能计算设备中的应用程序，而是深入到操作系统内核中，按照用户的意愿执行调度进程的操作，帮助用户接触到了底层的运行逻辑。本发明提出的语音指令进程调度方法及装置，为语音指令控制智能计算设备提供了一种新的控制应用方案，使得用户能够通过语音指令控制操作系统内核的进程调度。同时，通过对语音指令发出者进行更加细致的权限划分，并采用时限声纹认证的限制，提升了进程调度方案中的安全性。
-
公开(公告)号：CN114944911B
公开(公告)日：2025-04-25
申请号：CN202210570594.4
申请日：2022-05-24
Applicant: 北京邮电大学
Abstract: 本发明公开了一种基于并行压缩感知和秘密共享的图像加密方法，首先利用性能良好的测量矩阵作为密钥对图像进行并行压缩，不仅实现了加密，而且减少了图像的大小，具有更低的存储和计算复杂度。其次对于非方阵图像引入分块Arnold变换加密，使图像显得杂乱无章，从而实现对并行压缩后的图像加密。然后，为了进一步提高系统的可靠性和保密性，防止秘密过于集中，利用(k,n)‑门限秘密共享技术对分块Arnold变换后的秘密图像进行处理，不仅实现了秘密图像的加密，而且分散了风险，容忍了入侵。最后，利用Zigzag混淆对由秘密共享技术生成的影子图像进行处理，干扰元素在影子图像中的位置，实现影子图像加密。
-
公开(公告)号：CN114090997B
公开(公告)日：2024-08-27
申请号：CN202111406171.0
申请日：2021-11-24
Applicant: 北京邮电大学
IPC: G06F21/32 , G06F21/60 , G06F21/62 , G06F18/214
Abstract: 本发明公开了一种语音指令进程调度方法及装置，采用的基于用户等级划分的时限声纹认证方案能够为智能计算设备中的关键数据提供进一步的保护，采用语音指令进程调度方案，能够使得用户不再受限于仅通过语音指令操作智能计算设备中的应用程序，而是深入到操作系统内核中，按照用户的意愿执行调度进程的操作，帮助用户接触到了底层的运行逻辑。本发明提出的语音指令进程调度方法及装置，为语音指令控制智能计算设备提供了一种新的控制应用方案，使得用户能够通过语音指令控制操作系统内核的进程调度。同时，通过对语音指令发出者进行更加细致的权限划分，并采用时限声纹认证的限制，提升了进程调度方案中的安全性。
-
公开(公告)号：CN114566170A
公开(公告)日：2022-05-31
申请号：CN202210193172.X
申请日：2022-03-01
Applicant: 北京邮电大学
IPC: G10L17/04 , G10L17/14 , G10L25/51 , G06V10/774 , G06V10/764
Abstract: 本发明公开了一种基于一类分类的轻量级语音欺骗检测算法，针对真实语音和欺骗语音特性设计了新的损失函数DOC‑Softmax，即在一类分类损失函数OC‑Softmax的欺骗语音空间中引入分散损失函数来缓解训练数据和测试数据之间特征分布不匹配的问题，从而提高语音欺骗检测模型的准确率和泛化能力。同时，利用知识蒸馏框架将语音欺骗检测算法设计为轻量级的语音欺骗检测算法，减少了模型的参数量，使其便于部署到移动端或嵌入式设备中。此模型比使用完全相同的模型结构、训练数据和只使用硬标签训练方法得到的模型拥有更好的泛化能力。
-
公开(公告)号：CN114282596B
公开(公告)日：2024-12-20
申请号：CN202111409648.0
申请日：2021-11-25
Applicant: 北京邮电大学
IPC: G06F18/2413 , G06F18/214 , G06N3/02
Abstract: 本发明公开了一种基于类明确表示的一分类对抗性诈骗检测方法，采用改进的自编码器和改进的生成对抗网络，包括四个阶段：第一阶段：基于正常行为数据提取初步特征，利用改进后的自编码器提取其数据特征；第二阶段：修改原始生成对抗网络的目标函数得到改进的生成对抗网络，利用改进的生成对抗网络生成伪异常行为数据；第三阶段：将正常用户行为数据和伪异常行为数据输入改进的自编码器中一同训练，用训练完成后的编码器对正常行为数据提取最终特征；第四阶段：用最终提取好的正常行为数据特征对改进的生成对抗网络进行训练，训练完成后得到的判别器作为诈骗检测器对诈骗进行检测。本发明的方法在诈骗检测的准确率和稳定性方面都有显著提高。
-
Patent Agency Ranking
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。
-
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：CN114065193B
公开(公告)日：2024-05-07
申请号：CN202111393890.3
申请日：2021-11-23
Applicant: 北京邮电大学
IPC: G06F21/55 , G06F21/62 , G06N3/0464 , G06N3/08 , G06F9/50
Abstract: 本发明公开了一种应用于边缘云环境下图像任务的深度学习安全方法，包括以下步骤：对AMP‑Net+模型进行训练，将AMP‑Net+应用于深度学习安全模型的图像重建过程；训练完成后整个AMP‑Net+通过结构化多重哈希映射对网络模型进行压缩减小后部署到边缘云网络设备中；当第三方用户需要获得边缘云上的数据时，第三方用户发出数据请求，通过用户认证后与边缘云建立通信；而后根据数据请求，通过提前部署的网络模型来恢复获得原始数据。本发明引入结构化多重散列方法对训练好的AMP‑Net+网络模型压缩，同时提出了一个新的用户认证和隐私保护安全协议，深度学习安全模型保证在图像任务中边缘云系统安全性的同时，在不影响图像恢复质量的前提下进一步降低了边缘云网络设备的开销。
-
公开(公告)号：CN117198299A
公开(公告)日：2023-12-08
申请号：CN202311164243.4
申请日：2023-09-11
Applicant: 北京邮电大学
Abstract: 本发明涉及声纹识别技术领域，特别涉及一种基于时域频域编码特征的语音欺骗检测方法，目前还没有一个比较完备的方法能够有效对于声纹的主要特征进行融合分析的技术问题，与其他技术方案不同之处在于，具体技术方案是通过对原始语音信号进行幅度谱处理、设置阈值，突破传统的二进制编码特性，使用三值编码进行语音信号的特征分析以获得语音信号的特征输出数据，有效获取语音信号的时域变换属性，不涉及对音频本身的频域处理，使得语音特征更简洁清晰，通过高维度特征向量输出，可以更好地捕捉真实语音和合成语音之间变化的这些动态属性。
-
公开(公告)号：CN114566170B
公开(公告)日：2024-12-10
申请号：CN202210193172.X
申请日：2022-03-01
Applicant: 北京邮电大学
IPC: G10L17/04 , G10L17/14 , G10L25/51 , G06V10/774 , G06V10/764
Abstract: 本发明公开了一种基于一类分类的轻量级语音欺骗检测算法，针对真实语音和欺骗语音特性设计了新的损失函数DOC‑Softmax，即在一类分类损失函数OC‑Softmax的欺骗语音空间中引入分散损失函数来缓解训练数据和测试数据之间特征分布不匹配的问题，从而提高语音欺骗检测模型的准确率和泛化能力。同时，利用知识蒸馏框架将语音欺骗检测算法设计为轻量级的语音欺骗检测算法，减少了模型的参数量，使其便于部署到移动端或嵌入式设备中。此模型比使用完全相同的模型结构、训练数据和只使用硬标签训练方法得到的模型拥有更好的泛化能力。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.018 seconds)
