-
公开(公告)号：CN117614927A
公开(公告)日：2024-02-27
申请号：CN202311361072.4
申请日：2023-10-19
Applicant: 南昌大学 , 南昌大学新一代信息技术产业研究院
IPC: H04L51/52 , H04L51/58 , G06Q50/00 , G06N3/0464 , G06N3/0442
Abstract: 本申请涉及数据处理技术领域，尤其涉及一种深度信息融合驱动的移动社交网络POI调度方法及系统，包括：感知层包括：云感知模块、边缘感知模块和深度表征学习模块；其中，云感知模块依据POI原始数据获得用户的显式特征，边缘感知模块依据POI原始数据获得用户间的隐式特征，深度表征学习模块基于深度学习方法，依据用户的显式特征和用户间的隐式特征，学习得到代表向量；计算层依据代表向量训练POI调度模型；应用层接收用户的POI调度请求，并且将用户的POI调度请求输入至训练好的POI调度模型中，从而得到POI调度结果。本申请可以提高移动社交网络(MSN)环境中的兴趣点(POI)调度的效果，并且使得移动社交网络(MSN)环境中的兴趣点(POI)的调度的难度较低。
-
公开(公告)号：CN117496225A
公开(公告)日：2024-02-02
申请号：CN202311343578.2
申请日：2023-10-17
Applicant: 南昌大学 , 南昌大学新一代信息技术产业研究院 , 江西炬能物联技术研究中心有限公司
IPC: G06V10/764 , G06V10/40 , G06V10/32 , G06V10/80 , G06V10/82 , G06V10/77 , G06N3/0464 , G06N3/047 , G06N3/0499 , G06N3/048 , G06N3/08
Abstract: 本申请公开了一种图像数据取证方法及其系统，其中图像数据取证方法包括以下步骤：进行卷积块的确定；响应于完成卷积块的确定，基于卷积块进行分类模型的搭建；根据搭建好的分类模型完成图像取证，获取最终的图像取证结果。本申请通过搭建的UsmSA块和分类模型，不仅能对USM锐化处理的图像有极高的检测准确率，还能够降低对USM锐化取证的漏报率。
-
公开(公告)号：CN116664880A
公开(公告)日：2023-08-29
申请号：CN202310950013.4
申请日：2023-07-31
Applicant: 南昌大学 , 江西炬能物联技术研究中心有限公司 , 南昌大学新一代信息技术产业研究院
IPC: G06V10/70 , G06V10/44 , G06V10/764 , G06V10/774
Abstract: 本发明提供了一种深度伪造反取证图像的生成方法，涉及图像处理与多媒体信息安全技术领域。所述生成方法包括以下步骤：获取图像数据，并构建反取证模型的网络结构；将图像数据区分为训练集图像和测试集图像，将训练集图像输入生成网络并以预设权重提取视觉特征和取证特征，进行特征重组合成伪造图像；判别网络对伪造图像与训练集图像进行分类判别，并将学习到的权重回传至生成网络更新预设权重；重复进行达到预设迭代轮次后生成反取证模型；将测试集图像输入反取证模型，输出反取证图像。本发明生成的反取证图像能够提高取证检测器的检测难度，达到更强的反取证效果，从而能够协助应对新型伪造技术的取证挑战。
-
公开(公告)号：CN117496225B
公开(公告)日：2024-09-06
申请号：CN202311343578.2
申请日：2023-10-17
Applicant: 南昌大学 , 南昌大学新一代信息技术产业研究院 , 江西炬能物联技术研究中心有限公司
IPC: G06V10/764 , G06V10/40 , G06V10/32 , G06V10/80 , G06V10/82 , G06V10/77 , G06N3/0464 , G06N3/047 , G06N3/0499 , G06N3/048 , G06N3/08
Abstract: 本申请公开了一种图像数据取证方法及其系统，其中图像数据取证方法包括以下步骤：进行卷积块的确定；响应于完成卷积块的确定，基于卷积块进行分类模型的搭建；根据搭建好的分类模型完成图像取证，获取最终的图像取证结果。本申请通过搭建的UsmSA块和分类模型，不仅能对USM锐化处理的图像有极高的检测准确率，还能够降低对USM锐化取证的漏报率。
-
Patent Agency Ranking
公开(公告)号：CN117494191A
公开(公告)日：2024-02-02
申请号：CN202311343636.1
申请日：2023-10-17
Applicant: 南昌大学 , 南昌大学新一代信息技术产业研究院 , 江西炬能物联技术研究中心有限公司
IPC: G06F21/62 , G06F21/64 , G06F21/57 , G06F16/9535 , G06F16/9537 , G06N3/0442 , G06N3/092
Abstract: 本申请公开了一种信息物理安全的兴趣点微服务系统及其方法，其中，信息物理安全的兴趣点微服务方法，包括如下步骤：S1：N个终端节点通过预训练模型根据用户的数据集进行预训练，获得N组预估参数；S2：云中心服务器接收到N组预估参数后，对N组预估参数进行迭代处理，获得聚合参数，并将聚合参数分别输入至N个终端节点，N个终端节点根据聚合参数执行步骤S1，至完成K轮迭代处理为止，并将第K轮迭代处理后获得的聚合参数作为优化参数；S3：N个终端节点根据优化参数对预训练模型进行优化，获得兴趣点推荐模型，当感知到用户的位置信息时，通过兴趣点推荐模型输出推荐结果。本申请能够保证信息物理安全的兴趣点微服务过程中的数据安全。
-
公开(公告)号：CN116664880B
公开(公告)日：2023-11-28
申请号：CN202310950013.4
申请日：2023-07-31
Applicant: 南昌大学 , 江西炬能物联技术研究中心有限公司 , 南昌大学新一代信息技术产业研究院
IPC: G06V10/70 , G06V10/44 , G06V10/764 , G06V10/774
Abstract: 本发明提供了一种深度伪造反取证图像的生成方法，涉及图像处理与多媒体信息安全技术领域。所述生成方法包括以下步骤：获取图像数据，并构建反取证模型的网络结构；将图像数据区分为训练集图像和测试集图像，将训练集图像输入生成网络并以预设权重提取视觉特征和取证特征，进行特征重组合成伪造图像；判别网络对伪造图像与训练集图像进行分类判别，并将学习到的权重回传至生成网络更新预设权重；重复进行达到预设迭代轮次后生成反取证模型；将测试集图像输入反取证模型，输出反取证图像。本发明生成的反取证图像能够提高取证检测器的检测难度，达到更强的反取证效果，从而能够协
-
公开(公告)号：CN117614927B
公开(公告)日：2024-09-06
申请号：CN202311361072.4
申请日：2023-10-19
Applicant: 南昌大学 , 南昌大学新一代信息技术产业研究院
IPC: H04L51/52 , H04L51/58 , G06Q50/00 , G06N3/0464 , G06N3/0442
Abstract: 本申请涉及数据处理技术领域，尤其涉及一种深度信息融合驱动的移动社交网络POI调度方法及系统，包括：感知层包括：云感知模块、边缘感知模块和深度表征学习模块；其中，云感知模块依据POI原始数据获得用户的显式特征，边缘感知模块依据POI原始数据获得用户间的隐式特征，深度表征学习模块基于深度学习方法，依据用户的显式特征和用户间的隐式特征，学习得到代表向量；计算层依据代表向量训练POI调度模型；应用层接收用户的POI调度请求，并且将用户的POI调度请求输入至训练好的POI调度模型中，从而得到POI调度结果。本申请可以提高移动社交网络(MSN)环境中的兴趣点(POI)调度的效果，并且使得移动社交网络(MSN)环境中的兴趣点(POI)的调度的难度较低。
-
公开(公告)号：CN115795370A
公开(公告)日：2023-03-14
申请号：CN202310097747.2
申请日：2023-02-10
Applicant: 南昌大学
IPC: G06F18/241 , G06F18/214 , G06N3/08 , G06N3/0464
Abstract: 本申请提供一种基于重采样痕迹的电子数字信息取证方法及系统，该方法包括如下步骤：获取待检测电子数字信息；提取待检测电子数字信息中像素与邻近像素的关系特征，建立邻域关系特征矩阵；将邻域关系特征矩阵输入到预先构建的卷积神经网络分类器进行检测和分类，获取电子数字信息取证结果。本申请实现对电子数字信息所采用的重采样算法的种类进行准确检测和分类，以及提高检测准确度。
-
公开(公告)号：CN115795370B
公开(公告)日：2023-05-30
申请号：CN202310097747.2
申请日：2023-02-10
Applicant: 南昌大学
IPC: G06F18/241 , G06F18/214 , G06N3/08 , G06N3/0464
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.034 seconds)
