-
公开(公告)号：CN114465706B
公开(公告)日：2024-11-22
申请号：CN202111453862.6
申请日：2021-12-01
Applicant: 哈尔滨理工大学
Abstract: 本发明提出一种基于超混沌的网络办公批文中图像并行加密方法。包括：1.混沌密码发生器由密钥串构成，密钥串由三组相互迭代的密钥组成：2D‑Logistic密钥、RANSAC‑circle密钥和superLorenz密钥。2.接收网络电子公文图像，加密过程中采用预处理‑扩散‑置乱‑扩散的架构模式，实现分块并行加密。本发明有效提高图像密钥敏感度、减少数据较大的图片加密的计算时间、扩大密钥空间、提高加密过程的计算速度、有效抵御统计攻击、差分攻击等黑客攻击；本发明解决了由于网络传输不同字长的计算引起的数据不一致问题，保障敏感公文图片数据在公用网络中交叉传递的安全性，可应用于网络批文等信息安全应用领域中。
-
公开(公告)号：CN114884681A
公开(公告)日：2022-08-09
申请号：CN202210675251.4
申请日：2022-06-15
Applicant: 哈尔滨理工大学
Abstract: 本发明提出一种基于授权码的网络办公批文授权审批方法。包括：1.进入审批流程前获取授权码授权，具有权限的审批人进入批文系统进行批文处理。2.通过角色、权限划分和权限动作分级，利用授权码审批避免出现因权限越级等造成的安全问题。3.利用混沌理论优化数字签名技术，加入了新数据结构的消息传输协议，极大地提高批文审批过程中消息传输的安全性和效率。本发明能够节约人力成本，有效地提高审批速度，解决了传统审批方法中存在的安全漏洞和效率问题，审批过程灵活易操作，通过使用数字签名及消息协议提高安全性能，有效防止非法越权操作和不安全因素影响，适合于应用在国家机关、企事业单位内部在线批文审批系统等信息安全应用领域。
-
公开(公告)号：CN114465706A
公开(公告)日：2022-05-10
申请号：CN202111453862.6
申请日：2021-12-01
Applicant: 哈尔滨理工大学
Abstract: 本发明提出一种基于超混沌的网络办公批文中图像并行加密方法。包括：1.混沌密码发生器由密钥串构成，密钥串由三组相互迭代的密钥组成：2D‑Logistic密钥、RANSAC‑circle密钥和superLorenz密钥。2.接收网络电子公文图像，加密过程中采用预处理‑扩散‑置乱‑扩散的架构模式，实现分块并行加密。本发明有效提高图像密钥敏感度、减少数据较大的图片加密的计算时间、扩大密钥空间、提高加密过程的计算速度、有效抵御统计攻击、差分攻击等黑客攻击；本发明解决了由于网络传输不同字长的计算引起的数据不一致问题，保障敏感公文图片数据在公用网络中交叉传递的安全性，可应用于网络批文等信息安全应用领域中。
-
公开(公告)号：CN114463994A
公开(公告)日：2022-05-10
申请号：CN202111453764.2
申请日：2021-12-01
Applicant: 哈尔滨理工大学
Abstract: 本发明提出一种基于混沌与强化学习的交通流预测的并行方法。包括：1.对数据进行预处理和混沌分析，通过混沌模型生成对比混沌时间序列，进行重构，标准化及数据集划分；2.使用预处理后的数据进行强化学习训练和对比环境的构造；3.构造actor‑critic神经网络模型进行智能体策略的学习和行为价值的判断；4.并行框架下从进程产生多个训练模型与环境进行互动，通过与主进程的中央神经网络模型的离散度对比和奖励实现并行更新，最后主进程进行预测验证。本发明采用强化学习和混沌时间序列对交通流进行预测，比传统统计学预测方法具有更强的解释性和在线调整的学习能力；并行的强化学习更快速地学习和调整，产生最佳的预测结果。
-
公开(公告)号：CN113095087A
公开(公告)日：2021-07-09
申请号：CN202110485038.2
申请日：2021-04-30
Applicant: 哈尔滨理工大学
IPC: G06F40/30 , G06F40/289 , G06F40/268 , G06F16/35 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种基于图卷积神经网络(Graph Convolution Network，GCN)的中文词义消歧方法。本发明首先对汉语语料进行预处理。该步骤对训练和测试语料包含歧义词的语句进行分词、词性标注和语义标注处理。以歧义词所在的句子，以及句中所包含的词形、词性和语义作为消歧特征并作为节点来构建词义消歧特征图，使用Word2Vec、Doc2Vec工具和点互信息(PMI)、TF‑IDF方法对节点和边进行嵌入权值。用训练语料训练GCN模型，将模型优化。用优化后的GCN模型，对测试语料进行词义消歧，可得到歧义词汇在各个语义类别下的概率分布。将概率最大值对应的语义类判别为歧义词汇的语义类。本发明具有较好的词义消歧效果，更准确的判断歧义词汇的真实含义。
-
Patent Agency Ranking
公开(公告)号：CN114463994B
公开(公告)日：2024-05-28
申请号：CN202111453764.2
申请日：2021-12-01
Applicant: 哈尔滨理工大学
Abstract: 本发明提出一种基于混沌与强化学习的交通流预测的并行方法。包括：1.对数据进行预处理和混沌分析，通过混沌模型生成对比混沌时间序列，进行重构，标准化及数据集划分；2.使用预处理后的数据进行强化学习训练和对比环境的构造；3.构造actor‑critic神经网络模型进行智能体策略的学习和行为价值的判断；4.并行框架下从进程产生多个训练模型与环境进行互动，通过与主进程的中央神经网络模型的离散度对比和奖励实现并行更新，最后主进程进行预测验证。本发明采用强化学习和混沌时间序列对交通流进行预测，比传统统计学预测方法具有更强的解释性和在线调整的学习能力；并行的强化学习更快速地学习和调整，产生最佳的预测结果。
-
公开(公告)号：CN114884681B
公开(公告)日：2023-10-03
申请号：CN202210675251.4
申请日：2022-06-15
Applicant: 哈尔滨理工大学
Abstract: 本发明提出一种基于授权码的网络办公批文授权审批方法。包括：1.进入审批流程前获取授权码授权，具有权限的审批人进入批文系统进行批文处理。2.通过角色、权限划分和权限动作分级，利用授权码审批避免出现因权限越级等造成的安全问题。3.利用混沌理论优化数字签名技术，加入了新数据结构的消息传输协议，极大地提高批文审批过程中消息传输的安全性和效率。本发明能够节约人力成本，有效地提高审批速度，解决了传统审批方法中存在的安全漏洞和效率问题，审批过程灵活易操作，通过使用数字签名及消息协议提高安全性能，有效防止非法越权操作和不安全因素影响，适合于应用在国家机关、企事业单位内部在线批文审批系统等信息安全应用领域。
-
公开(公告)号：CN114710261A
公开(公告)日：2022-07-05
申请号：CN202210415590.9
申请日：2022-04-20
Applicant: 哈尔滨理工大学
Abstract: 本发明涉及一种AES密钥编排方法。本发明首先使用混沌方程具有良好的密码学特性来增加算法的混淆和扩散性能，结合原始轮函数本身具备的优点将混沌序列和轮函数相结合用于轮密钥的产生，通过改变轮函数本身的运算和引入初始化加密的概念来抵御针对算法已知的攻击，然后设计了新的轮常量表和两种密钥编排方案，降低了轮密钥之间的相关性，使得轮密钥在第二轮时就可达到暴力破解强度，同时，使用本发明的算法能够实现对分组的流加密，在每次加密明文分组时使用相同的初始密钥时也能产生不同的轮密钥，可以抵抗针对无线信道协议的KRAK攻击，极大的提高了原算法的安全性能。
-
公开(公告)号：CN113343120B
公开(公告)日：2024-12-27
申请号：CN202110606444.X
申请日：2021-05-28
Applicant: 哈尔滨理工大学
IPC: G06F16/9536 , G06F16/906 , G06F40/284 , G06Q50/00 , G06N7/01
Abstract: 本发明提出一种基于情感防护的新闻智能推荐系统。包括：1.利用BERT预训练模型提取新闻特征和文本的特征词，通过新闻特征向量构建新闻特征矩阵；2.对文本信息进行情感过滤建立情感分级模型，对用户评论、新闻标题和内容实行情感分级以区分其消极和积极程度；3.通过聚类算法将新闻标签聚类，依据用户评论情感等级和用户行为时间对其浏览的新闻分配权重，以用户特征信息构建用户矩阵；4.以用户情感的时间序列预测用户下一时间段内的情感等级；5.通过计算用户和新闻向量的相似度产生推荐表，预测用户情绪状态，以贝叶斯方法按比例推荐新闻，实现动态推送。本发明避免负能量和消极的舆论对用户心理造成伤害，危害社会的公共安全。
-
公开(公告)号：CN113095087B
公开(公告)日：2022-11-25
申请号：CN202110485038.2
申请日：2021-04-30
Applicant: 哈尔滨理工大学
IPC: G06F40/30 , G06F40/289 , G06F40/268 , G06F16/35 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种基于图卷积神经网络(Graph Convolution Network，GCN)的中文词义消歧方法。本发明首先对汉语语料进行预处理。该步骤对训练和测试语料包含歧义词的语句进行分词、词性标注和语义标注处理。以歧义词所在的句子，以及句中所包含的词形、词性和语义作为消歧特征并作为节点来构建词义消歧特征图，使用Word2Vec、Doc2Vec工具和点互信息(PMI)、TF‑IDF方法对节点和边进行嵌入权值。用训练语料训练GCN模型，将模型优化。用优化后的GCN模型，对测试语料进行词义消歧，可得到歧义词汇在各个语义类别下的概率分布。将概率最大值对应的语义类判别为歧义词汇的语义类。本发明具有较好的词义消歧效果，更准确的判断歧义词汇的真实含义。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.014 seconds)
