-
公开(公告)号：CN119559952A
公开(公告)日：2025-03-04
申请号：CN202510027827.X
申请日：2025-01-08
Applicant: 华侨大学
Abstract: 本发明公开了一种基于融合损失约束的无监督跨域伪造语音检测方法，涉及多媒体安全领域，其目的是在源域和目标域语音非独立同分布时，也能使用源域数据训练的检测网络来对目标域语音进行检测，方法包括：检测网络构建步骤、检测网络训练步骤和语音检测步骤。本发明在无监督情况下，使用混合正则化损失作为泛化性助推器，提升检测网络对未见过的伪造语音的泛化性，一定程度上提升了检测网络本身在跨域情况下的泛化能力，再与融合源域与目标域之间的深层细节特征及全局语义特征的融合损失联合约束检测网络，构建跨域的伪造语音检测网络。本发明在提取伪造信息的同时消除对语言种类的依赖，保证了在语言差异导致的领域漂移情况下的高准确率。
-
公开(公告)号：CN119227087A
公开(公告)日：2024-12-31
申请号：CN202411713262.2
申请日：2024-11-27
Applicant: 华侨大学
Abstract: 本发明公开了一种基于多智能体协作的Android应用程序漏洞检测方法及系统，涉及网络空间安全领域，方法包括：S1，漏洞信息整理步骤；S2，APK解压与反编译步骤、S3，APK智能扫描步骤；S4，漏洞挖掘步骤；S5，漏洞验证步骤。本发明一种基于多智能体协作的Android应用程序漏洞检测方法及系统能够有效地识别和验证Android应用程序中的安全漏洞，利用智能体的语义分析能力可以更准确地验证漏洞，减少漏洞扫描的误报率和漏报率，提高漏洞检测的可靠性。
-
公开(公告)号：CN119182609A
公开(公告)日：2024-12-24
申请号：CN202411660662.1
申请日：2024-11-20
Applicant: 华侨大学
Abstract: 本发明公开了一种融合大模型与强化学习的多智能体自动化渗透测试系统，涉及网络安全技术领域，包括：通过输入URL，启动结合大模型的混合多智能体自动化渗透测试流程；多智能体联合行动，对网站信息进行全面搜集与分类；多智能体并行执行漏洞挖掘，并将结果反馈以进行深度强化学习优化；多智能体针对挖掘到的漏洞，制定具体的利用方案；多智能体协同对潜在漏洞进行有效性验证，回收结果并利用深度学习反馈机制逐步提升决策准确性；多智能体依据模块结果生成安全报告，并反馈给相关智能体以增强深度学习性能，提升决策有效性。本发明集成大模型分析推理能力，实现多智能体协同调度，对目标网站执行自动化安全性扫描，有效探测并评估潜在的安全漏洞。
-
公开(公告)号：CN117978546B
公开(公告)日：2024-06-11
申请号：CN202410370415.1
申请日：2024-03-29
Applicant: 华侨大学
Abstract: 本发明提供了一种基于可信执行环境的无证书动态共享数据审计方法，涉及数据安全技术领域，该方法是实现对云存储环境中共享数据完整性安全高效的审计，和共享用户群组及共享数据的动态性；其包括秘钥生成中心数据预处理步骤；群用户加入步骤；共享群用户秘钥生成步骤；共享数据预处理步骤；云服务端数据预处理步骤；挑战步骤；证明生成步骤；证明验证步骤；群用户撤销步骤；数据的动态更新步骤。本发明所提出的无证书公开共享数据审计方法，可以在确保共享数据安全高效审计的同时，实现动态的群管理和数据的动态更新，以及避免恶意的撤销用户和云服务端合谋攻击。
-
公开(公告)号：CN117555864B
公开(公告)日：2024-04-16
申请号：CN202410039044.9
申请日：2024-01-11
Applicant: 华侨大学
IPC: G06F16/16 , G06F16/172 , G06F16/182 , G06F21/62 , H04L9/40
Abstract: 本发明提供一种基于可信执行环境的云数据安全删除方法，涉及数据安全技术领域。当用户端删除云端文件时：用户端生成用于重写的数据、删除请求，以及审计请求，并将数据和删除请求发送云服务端，将数据和审计请求发送给第三方审计端。云服务端的可信执行环境组件根据数据生成无用数据以及删除请求，并发送给存储环境组件。云服务端的存储环境组件根据无用数据对需要删除的数据块进行覆盖更新。第三方审计端根据审计请求生成挑战信息并发送给云服务端。云服务端的存储环境组件根据挑战信息生成验证信息并发送给第三方审计端。第三方审计端根据验证信息验证云服务端是否删除数据，并反馈给用户端。该方法降低用户端开销并提高数据删除的安全性。
-
Patent Agency Ranking
公开(公告)号：CN117555864A
公开(公告)日：2024-02-13
申请号：CN202410039044.9
申请日：2024-01-11
Applicant: 华侨大学
IPC: G06F16/16 , G06F16/172 , G06F16/182 , G06F21/62 , H04L9/40
Abstract: 本发明提供一种基于可信执行环境的云数据安全删除方法，涉及数据安全技术领域。当用户端删除云端文件时：用户端生成用于重写的数据、删除请求，以及审计请求，并将数据和删除请求发送云服务端，将数据和审计请求发送给第三方审计端。云服务端的可信执行环境组件根据数据生成无用数据以及删除请求，并发送给存储环境组件。云服务端的存储环境组件根据无用数据对需要删除的数据块进行覆盖更新。第三方审计端根据审计请求生成挑战信息并发送给云服务端。云服务端的存储环境组件根据挑战信息生成验证信息并发送给第三方审计端。第三方审计端根据验证信息验证云服务端是否删除数据，并反馈给用户端。该方法降低用户端开销并提高数据删除的安全性。
-
公开(公告)号：CN116092503B
公开(公告)日：2023-06-20
申请号：CN202310355092.4
申请日：2023-04-06
Applicant: 华侨大学
Abstract: 本发明提供了联合时域和频域的伪造语音检测方法、装置、设备及介质，包括：获取多组样本自然语音和样本伪造语音，构建语音样本库，并对语音样本库中的每条语音样本进行预处理，生成具有特定维度的时域信号组和频域信号组；根据时域分支网络、频域分支网络和跨域融合网络组成构建伪造语音检测训练模型，将时域和频域信号组输入至伪造语音检测训练模型中进行联合训练，生成伪造语音检测模型；获取待检测语音样本，对语音样本进行预处理，生成与相对应的时域和频域信号；将时域和频域信号输入至伪造语音检测模型中，进行检测，生成判别结果。旨在解决现有决策融合方法忽略了各模型在训练过程中的交互，使得不同特征不能充分地有机结合的问题。
-
公开(公告)号：CN119559952B
公开(公告)日：2025-05-13
申请号：CN202510027827.X
申请日：2025-01-08
Applicant: 华侨大学
Abstract: 本发明公开了一种基于融合损失约束的无监督跨域伪造语音检测方法，涉及多媒体安全领域，其目的是在源域和目标域语音非独立同分布时，也能使用源域数据训练的检测网络来对目标域语音进行检测，方法包括：检测网络构建步骤、检测网络训练步骤和语音检测步骤。本发明在无监督情况下，使用混合正则化损失作为泛化性助推器，提升检测网络对未见过的伪造语音的泛化性，一定程度上提升了检测网络本身在跨域情况下的泛化能力，再与融合源域与目标域之间的深层细节特征及全局语义特征的融合损失联合约束检测网络，构建跨域的伪造语音检测网络。本发明在提取伪造信息的同时消除对语言种类的依赖，保证了在语言差异导致的领域漂移情况下的高准确率。
-
公开(公告)号：CN119227087B
公开(公告)日：2025-02-18
申请号：CN202411713262.2
申请日：2024-11-27
Applicant: 华侨大学
IPC: G06F21/57 , G06F8/53 , G06N3/006 , G06F11/3668 , G06F16/16
Abstract: 本发明公开了一种基于多智能体协作的Android应用程序漏洞检测方法及系统，涉及网络空间安全领域，方法包括：S1，漏洞信息整理步骤；S2，APK解压与反编译步骤、S3，APK智能扫描步骤；S4，漏洞挖掘步骤；S5，漏洞验证步骤。本发明一种基于多智能体协作的Android应用程序漏洞检测方法及系统能够有效地识别和验证Android应用程序中的安全漏洞，利用智能体的语义分析能力可以更准确地验证漏洞，减少漏洞扫描的误报率和漏报率，提高漏洞检测的可靠性。
-
公开(公告)号：CN119399612A
公开(公告)日：2025-02-07
申请号：CN202411984822.8
申请日：2024-12-31
Applicant: 华侨大学
Abstract: 本发明涉及基于离散小波变换的人脸深度伪造主动防御方法及装置，涉及图像处理技术领域，方法包括：利用深度伪造模型对原始和含扰动图像做属性编辑，计算两者之间的均方误差损失和结构相似性损失，赋予不同权重后融合为总损失函数；基于损失函数反向传播获取梯度信息，确定扰动施加的最优方向，形成中间扰动值；通过离散小波变换将低频和高频分量被嵌入到含扰动图像相应分量中，再通过逆离散小波变换重建图像；检查是否达到迭代次数，若否，则引入JPEG噪声层继续迭代调整扰动；若是，则输出最终含有不可见扰动信息的人脸图像。本发明充分利用在小波域的鲁棒性，在保证扰动不可见的前提下，提升扰动对JPEG压缩的抵御能力。
-
-
-
-
-
-
-
-
-
Search Results
23
records
(took 0.023 seconds)
