-
公开(公告)号：CN117573865A
公开(公告)日：2024-02-20
申请号：CN202311358831.1
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: G06F16/35 , G06F18/25 , G06F40/284 , G06F40/30 , G06Q50/00 , G06N3/042 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/0475 , G06N3/088 , G06N3/094
Abstract: 本发明公开一种基于可解释自适应学习的谣言模糊检测方法。所述方法包括：收集社交媒体平台历史数据，对数据进行预处理，得到词向量和语义矩阵；训练预测模型：将语义矩阵中提取语义特征，根据语义特征得到相关性特征，将语义特征与相关性特征融合得到融合特征，将融合特征输入预测模型进行训练；采集待预测数据，将待预测数据输入训练好的预测模型中，输出是否为谣言的预测结果。本发明属于无监督学习，无需事先对训练样本进行标注，而且使用了图结构和生成对抗网络结合的结构，无需人工选取特征。
-
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：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：CN115879516B
公开(公告)日：2023-05-16
申请号：CN202310188408.5
申请日：2023-03-02
Applicant: 南昌大学
IPC: G06N3/0475 , G06N3/094 , G06V10/774 , G06V10/82
Abstract: 本申请公开了一种数据取证方法，具体包括以下子步骤：获取原始电子数据；对原始电子数据进行处理；将处理后的原始电子数据输入取证网络，输出高质量图像数据；在视觉增强网络中对高质量图像数据进行重建，得到重建后的图像数据，完成数据取证。本申请在确保数据不可检测性的前提下，不仅能够保存数据的视觉质量，还提升了数据的视觉质量，从而能够生成具有高不可检测性和视觉质量的反取证图像数据。
-
Patent Agency Ranking
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
-
公开(公告)号：CN115879516A
公开(公告)日：2023-03-31
申请号：CN202310188408.5
申请日：2023-03-02
Applicant: 南昌大学
IPC: G06N3/0475 , G06N3/094 , G06V10/774 , G06V10/82
Abstract: 本申请公开了一种数据取证方法，具体包括以下子步骤：获取原始电子数据；对原始电子数据进行处理；将处理后的原始电子数据输入取证网络，输出高质量图像数据；在视觉增强网络中对高质量图像数据进行重建，得到重建后的图像数据，完成数据取证。本申请在确保数据不可检测性的前提下，不仅能够保存数据的视觉质量，还提升了数据的视觉质量，从而能够生成具有高不可检测性和视觉质量的反取证图像数据。
-
公开(公告)号：CN115937994A
公开(公告)日：2023-04-07
申请号：CN202310015602.3
申请日：2023-01-06
Applicant: 南昌大学
IPC: G06V40/40 , G06V40/16 , G06V10/82 , G06N3/0475 , G06N3/094
Abstract: 本申请公开了一种基于深度学习检测模型的数据检测方法，具体包括以下子步骤：获取原始电子数据；将原始电子数据输入深度学习检测模型中，获取输出后的电子数据；响应于获取输出后的电子数据，确定深度学习检测模型的损失函数；响应于确定深度学习检测模型的损失函数，利用深度学习检测模型对输出后的电子数据进行优化。本申请通过提出的深度学习检测模型能够不需要纯化操作，直接检测反取证数据，使得反取证数据的检测过程更加直接和便利。
-
-
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。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.035 seconds)
