-
公开(公告)号：CN114220137B
公开(公告)日：2025-05-02
申请号：CN202111310617.X
申请日：2021-11-08
Applicant: 南京理工大学
IPC: G06V40/16 , G06N3/0499 , G06N3/08
Abstract: 本发明公开了一种基于MindSpore的隐私保护人脸识别方法。该方法为：首先读取人脸图像并裁剪成统一的宽度和高度，利用基于水平和垂直的2DPCA得到数据集的最佳投影矩阵并进行归一化，再对归一化的最佳投影矩阵加入拉普拉斯噪声得到扰动的投影矩阵，最后得到随机化的重构图像。本发明方法用于人脸识别技术，以保护用户人脸信息防止隐私泄露，将差分隐私和基于水平方向和垂直方向的2DPCA方法引入人脸识别之中，提高了用户人脸图像信息的安全性，并且提高了人脸识别效率。
-
公开(公告)号：CN113645196A
公开(公告)日：2021-11-12
申请号：CN202110820932.0
申请日：2021-07-20
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于区块链与边缘辅助的物联网设备认证方法及系统。该系统包括边缘节点、物联网设备、用户、管理员、区块链。边缘节点通过对用户、物联网设备与边缘节点之间映射是否存在进行判断实现身份认证；物联网设备通过智能合约加入边缘节点管理设备列表；用户可对拥有权限的设备访问；管理员对物联网设备、边缘节点与用户之间的映射进行管理，添加或删除设备与用户权限等；区块链通过智能合约实现管理员对设备、用户权限的管理工作以及用户对设备的访问。本发明实现基于区块链与边缘辅助的物联网设备安全认证，利用区块链去中心化等特性，避免了第三方中心认证带来的安全隐患，在保证安全性的同时降低了系统实现成本。
-
公开(公告)号：CN118094008A
公开(公告)日：2024-05-28
申请号：CN202410273717.7
申请日：2024-03-11
Applicant: 南京理工大学
IPC: G06F16/9535 , G06F21/60 , G06F21/62 , G06F21/64
Abstract: 本发明公开了一种基于国密算法和联邦学习的新闻推荐方法。方法为：首先服务器分发全局用户模型和全局新闻模型给各个客户端，客户端根据本地数据训练模型，得到用户模型梯度和新闻模型梯度；然后客户端将用户模型梯度和新闻模型梯度使用SM9算法进行数字签名，并使用SM2算法进行加密，将签名与密文打包上传至服务器；服务器端接收数据包后先进行解密和验签，确认未被篡改后，使用聚合梯度更新全局用户模型和全局新闻模型；重复进行交互训练模型，直到全局用户模型收敛，得到最终的全局用户模型，使用最终的全局用户模型进行新闻推荐。本发明增强了用户的隐私保护，降低了模型遭遇投毒攻击的风险，并且具有较好的推荐性能和较低的通信开销。
-
公开(公告)号：CN115834486A
公开(公告)日：2023-03-21
申请号：CN202211470088.4
申请日：2022-11-23
Applicant: 南京理工大学
IPC: H04L47/125 , G06N20/00 , G06N3/006
Abstract: 本发明公开了一种基于SDN的面向分布式机器学习的流量调度方法。方法为：在分布式机器学习场景下，从时间和空间两个维度进行考虑，从时间方面，若已知数据流的截止时限，使用基于最早截止最短剩余时间优先的优先级算法确定数据流的优先级；若未知时，使用基于最少获得服务优先级算法确定数据流的优先级；从而缩短流平均完成时间；从空间方面，利用改进的果蝇算法，将同源同宿、具有相同优先级的数据流进行聚合，采用改进的果蝇算法计算最佳路由，从而最小化平均负载均衡程度，提升带宽的利用率。本发明适用于分布式机器学习场景中，在最小化平均完成时间的同时，提升了带宽利用率，实现了负载平衡。
-
公开(公告)号：CN119577823A
公开(公告)日：2025-03-07
申请号：CN202411523538.0
申请日：2024-10-30
Applicant: 南京理工大学
IPC: G06F21/62 , G06V40/16 , G06V10/26 , G06V10/44 , G06V10/80 , G06T11/00 , G06T11/60 , G06N3/045 , G06N3/0475 , G06N3/0464 , G06N3/094
Abstract: 本发明公开了一种基于StyleGAN编码器和肤色匹配生成对抗网络的人脸匿名方法，该方法为：使用预训练好的人脸语义分割模型BiSeNet将原始人脸图像转化为语义分割图；利用翻译编码器提取语义分割图的姿态潜在表征，利用身份编码器提取参考人脸图像的身份潜在表征信息；融合姿态潜在表征信息和身份潜在表征信息，得到一个保持原始人脸姿态又具有区别于原始人脸身份的新潜在表征，通过StyleGAN生成器将注入的新潜在表征转化为初步匿名人脸图像；利用肤色匹配生成对抗网络将生成的匿名人脸图像以及原始图像的背景进行融合，实现最终的人脸匿名。本发明提高了匿名图片的匿名性、人脸检测性能、图像生成质量、多样性、面部表情识别性能和图片完整性。
-
Patent Agency Ranking
公开(公告)号：CN116489104A
公开(公告)日：2023-07-25
申请号：CN202310520976.0
申请日：2023-05-10
Applicant: 南京理工大学
IPC: H04L47/24 , H04L47/27 , H04L47/525 , H04L47/6275 , H04L47/6295 , H04L49/60
Abstract: 本发明公开了一种基于动态优先级的流量调度方法及系统，具体为：发送端根据SDN的网络状态信息计算每条流的剩余时间及优先级；智能决策层服务器使用MADDPG‑Q算法对队列阈值进行优化得到集中式训练的模型；控制层SDN控制器将网络状态信息上报决策层服务器进行模型训练后下发给交换机；转发层可编程交换机通过模型和本地信息获得多级反馈队列阈值，对不同优先级的流分配不同的优先级队列，完成流优先级调度；同时，对同一流优先级区间队列中不同数据包优先级的数据包进行排序，在流优先级改变时调整数据包在队列中的位置，实现动态优先级的队列调度。本发明减少了系统平均流完成时间，能够更好地适应复杂的分布式网络应用。
-
公开(公告)号：CN116385159A
公开(公告)日：2023-07-04
申请号：CN202211527564.1
申请日：2022-12-01
Applicant: 南京理工大学
IPC: G06Q40/04 , G06Q20/38 , G06F18/23 , G06F18/2431 , G06F18/2415 , G06N5/01 , G06N3/042 , G06N3/047 , G06N3/048
Abstract: 本发明公开了一种区块链交易识别系统，该系统包括连接建立、消息获取、聚类、实体事务子图确定、特征矩阵确定、模型训练这些模块；本地客户端建立区块链网络节点连接，获取链上交易数据；在本地客户端通过启发式方法，对原始交易数据进行构图，得到实体事务图；对实体事务图进行子图提取得到实体事务子图，重构实体事务子图中的样本的邻接矩阵；通过N_motif图以及分类器进行特征提取得到特征矩阵；将实体事务子图中的样本的邻接矩阵和实体事务图的特征矩阵作为图学习输入，经过GCN和全连接层，得到分类预测模型。本发明提高了提取特征的质量、区块链中交易分类结果的置信度、模型的训练效率。
-
公开(公告)号：CN115859788A
公开(公告)日：2023-03-28
申请号：CN202211470078.0
申请日：2022-11-23
Applicant: 南京理工大学
IPC: G06F30/27 , G06N3/0442 , G06N3/0464 , G06N3/092 , G06F111/08 , G06F119/12
Abstract: 本发明公开了一种基于深度强化学习的自动驾驶安全关键场景生成方法。该方法为：首先在Carla仿真模拟器中，采集自动驾驶的基础场景信息；然后基于所获的基础场景信息和被测车辆运行状态信息进行强化学习，生成动态要素的初始状态；接着对动态要素和环境的交互进行强化学习，得到动态要素的动作序列；再根据动态要素的动作序列，获的动态要素和环境交互的反馈信息；最后基于交互的反馈信息调整策略网络的网络参数，直至交互的反馈信息达到预期，得到关键安全场景。本发明生成的安全关键场景具有成本低、检测效率高、多样性强、能够适用于大多数道路的优点。
-
公开(公告)号：CN117592538A
公开(公告)日：2024-02-23
申请号：CN202311158658.0
申请日：2023-09-08
Applicant: 南京理工大学
IPC: G06N3/082 , G06N3/098 , G06N3/0464 , H04L67/01
Abstract: 本发明公开了一种基于通道剪枝的高效联邦学习系统及方法，该系统包括一个服务器和多个客户端，每个客户端和服务器之间可进行模型的上传和下载；每个客户端拥有各自的本地数据集，本地模型使用本地数据集进行模型训练。方法为：联邦学习中的客户端在本地训练过程中执行通道剪枝方法，移除客户端模型中冗余的通道，上传压缩过后的模型至服务器；服务器根据一个客户端剪枝后的参数数量与所有的客户端参数数量之比分配权重并进行加权平均，进行多轮迭代后得到全局模型；客户端进行模型回调操作，得到精度更高的本地模型。本发明降低了客户端与服务器的通信量，减少了联邦学习训练过程的通信成本，提高了联邦学习系统的模型训练速度和模型准确率。
-
公开(公告)号：CN116582502A
公开(公告)日：2023-08-11
申请号：CN202310536045.X
申请日：2023-05-12
Applicant: 南京理工大学
IPC: H04L47/6295 , H04L47/52 , H04L47/62 , H04L47/628 , H04L47/6275 , G06N3/045 , G06N3/092 , G06N20/20
Abstract: 本发明公开了一种基于TD3算法的Coflow调度系统，该系统包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序模块，其中：预处理模块用于在分布式机器学习通信环境中提取Coflow信息，对信息进行预处理；马尔可夫模型构建模块用于建立基于Coflow深度强化学习的马尔可夫模型，定义动作、环境状态、奖励函数；模型训练模块使用深度强化学习TD3算法对Coflow环境进行重复迭代训练，得到最终的模型和策略函数；通信模块使用得到的模型和策略函数，对分布式机器学习中的Coflow进行通信。本发明能够自适应的调整多级反馈队列的阈值，更好的适应不同分布式应用场景，从而扩大适用范围、提高调度效率。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.027 seconds)
