-
公开(公告)号:CN113947512B
公开(公告)日:2024-10-15
申请号:CN202111130695.1
申请日:2021-09-26
Applicant: 暨南大学
IPC: G06T1/00 , G06F17/16 , G06N3/0464 , G06N3/08 , G06V10/74 , G06V10/774 , G06V10/82
Abstract: 本发明公开了一种大容量可控无载体图像隐写方法,其特征在于,包括以下步骤:S1、根据需要,选择语义图像;S2、根据语义图像,选择有一定关联的图像作为风格参考图像;S3、将语义图像和风格参考图像输入图像预处理工具进行预处理;S4、将经过预处理的图像输入领域对齐网络进行处理,处理过程中生成中间结果;S5、将中间结果和秘密图像合并之后输入隐藏网络,输出含密图像;S6、消息发送方将含密图像发送给持有训练完毕的秘密消息提取网络的消息接收方,消息接收方采用秘密消息提取网络将秘密图像重新提取。本发明利用了无载体隐写框架,不需要使用指定的载体图像来嵌入秘密数据,从根本上抵抗隐写分析工具的检测,显著提高了图像的安全性。
-
公开(公告)号:CN113436050B
公开(公告)日:2024-07-12
申请号:CN202110569103.X
申请日:2021-05-25
Applicant: 暨南大学
IPC: G06T1/00 , G06N3/0464 , G06N3/045 , G06V10/80
Abstract: 本发明公开了一种双输入卷积融合的可见水印检测擦除方法,包括以下步骤:构建可见水印检测擦除网络,包括多任务全卷积水印分割网络、基于部分卷积的水印去除网络以及基于普通卷积的双输入分支水印去除网络;输入待处理水印图像,水印图像经过多任务全卷积水印分割网络、基于部分卷积的水印去除网络以及基于普通卷积的双输入分支水印去除网络的处理,得到最终的无水印图像。本发明方法适用于多种嵌入强度的可见水印的去除,相比较于传统方案或使用单一卷积的CNN网络方案,能够适用于不同颜色,不同嵌入强度的水印的去除工作。
-
公开(公告)号:CN117609962A
公开(公告)日:2024-02-27
申请号:CN202410089289.2
申请日:2024-01-23
Applicant: 暨南大学
Abstract: 本发明公开了一种基于特征点生成的图像式超链接生成方法,所属技术领域为图像信息隐藏领域,包括:基于公共数据集进行随机抽取,获得真实数据集,对真实数据集进行处理,获得图像的真实特征点和边缘图;基于真实数据集和真实特征点以及边缘图对模型进行训练,获得预训练模型;将超链接编码成01比特串后生成消息矩阵,基于消息矩阵进行消息隐藏,获得隐含超链接的特征点矩阵;基于预训练模型和隐含超链接的特征点矩阵获取合成图像;提取合成图像的特征点,基于秘密消息提取算法恢复超链接。本发明充分利用载体合成式框架的优点和图像特征点的鲁棒性,不需要固定的载体图像来嵌入超链接,进而提高方案的安全性和对常见几何攻击的鲁棒性。
-
公开(公告)号:CN116663855B
公开(公告)日:2024-02-06
申请号:CN202310911532.X
申请日:2023-07-25
Applicant: 暨南大学
IPC: G06Q10/0631 , G06Q10/047
Abstract: 本发明公开了一种群智感知中的双边满意在线任务匹配方法及系统,属于计算机网络技术和移动群智感知技术领域,包括以下步骤:任务请求者发布具有若干个属性约束的感知任务,并集合具有若干个属性约束的工人,构建群智感知系统模型;构建目标函数和双边多约束条件,基于目标函数和双边多约束条件,构建任务匹配模型;基于群智感知系统模型定义工人和任务请求者的双边满意度,构建工人的任务子集满意列表及任务集的工人满意列表;基于任务匹配模型和满意列表,获得多工人多任务的最佳匹配方案。本发明能够在多约束条件下,实现任务请求者和工人双边满意下的实现最大化任务完成率和最小化总移动距离双目标优化的任务匹配。
-
公开(公告)号:CN114095518B
公开(公告)日:2024-01-12
申请号:CN202111303601.6
申请日:2021-11-05
Applicant: 暨南大学
IPC: H04L67/1097 , H04L67/1042 , H04L9/32
Abstract: 本发明公开了一种基于多级委员会共识的科技数据确权与追踪保护的方法,所方法包括以下步骤,每个科研人员、研究机构等均可申请加入联盟链,在检查满足准入条件后,即可加入联盟链,同时生成一对公私钥;数据发布确权,联盟链系统中的用户,在想要发布数据时成为数据方,并从系统中获得一个唯一的且与即将发布数据相关的追溯码Cid;数据跟踪记录,数据在使用时需要对其生命周期进行记录;数据追踪,将汇总查询到的数据结果发送给需要做数据追踪的用户。本发明有益效果在于,解决科技大数据在数据交易过程中产生的数据侵权问题。该方法采用双链联盟链构建科技大数据的追踪保护与确权系统,通过联盟链的去中心化和去信任的方式维护一个可靠的分布式数据库。将数据视为目标对象,记录关于数据的所有行为,实现对数据的追踪保护和可信确权。
-
公开(公告)号:CN115629885B
公开(公告)日:2023-04-07
申请号:CN202211644417.2
申请日:2022-12-21
Applicant: 暨南大学
Abstract: 本申请公开了群智感知中基于局部预算共享的多源任务分配方法及系统,其中方法包括:确定角色类型;角色类型包括:任务请求者、移动群智感知平台和移动群智感知参与者;通过移动群智感知平台收集感知任务;根据感知任务,建立多源感知任务分配模型;基于多源感知任务分配模型来获取最佳分配方案。本申请采用聚合的思想,通过将位置相近且相似的感知任务聚合并使他们共享预算。并设计一种路径规划方法帮助参与者在任务截止日期前以较低的成本完成任务。最后迭代地为每个感知任务分配合适的参与者,以实现任务分配的目标:最大化任务完成质量和最小化总的移动距离。解决移动群智感知中感知任务与参与者双重异构的多任务分配问题。
-
公开(公告)号:CN114119329A
公开(公告)日:2022-03-01
申请号:CN202111275701.2
申请日:2021-10-29
Applicant: 暨南大学
Abstract: 本发明公开了一种基于双卷积模块的水印去除方法、装置、计算机设备和存储介质,所述方法包括:将带水印图案的待处理图像输入多任务水印分割网络,输出初步去除水印的第一图像和水印掩码;将第一图像和水印掩码输入基于双卷积模块的主干网络,输出优化后的去除水印的图像;其中,双卷积模块包括卷积模块和部分卷积模块,利用部分卷积模块更新输入掩码,通过像素级求和将卷积模块和部分卷积模块输出的特征进行结合。本发明融合了部分卷积与普通卷积的优势及特长,在主干网络中通过由双卷积模块拼接组合成的双卷积残差块代替常用的大卷积核的双卷积模块,使得网络能够在更深的、拥有更多的可学习参数的同时能更稳健地进行学习。
-
公开(公告)号:CN113993125A
公开(公告)日:2022-01-28
申请号:CN202111207530.X
申请日:2021-10-18
Applicant: 暨南大学
Abstract: 本发明公开了一种基于虚假位置注入的移动APP隐私保护的位置采集方法、系统及介质。该方法具体为:服务端将数据收集方收集的位置信息拦截;根据用户需求生成虚假的GPS定位信息,使用k‑匿名算法伪造匿名的GPS定位信息,使用POI替换技术对匿名后的GPS定位信息进行二次处理,得到虚假的GPS定位信息;将虚假的GPS定位信息注入到GPS定位信息的返回值。本发明利用Xposed框架来实现对GPS定位的伪造,用户可以将自己的匿名位置信息注入到某一现有的基于位置的服务第三方应用,在任意时间根据自己需求对自己的位置信息进行保护,且不影响原有基于位置服务软件的功能。另外,本发明通过POI(兴趣点)替换技术对k‑匿名生成的虚假位置进行二次处理,提高隐私保护的强度。
-
公开(公告)号:CN113934945A
公开(公告)日:2022-01-14
申请号:CN202111211334.X
申请日:2021-10-18
Applicant: 暨南大学
IPC: G06F16/9537 , G06F16/9535
Abstract: 本发明公开了一种面向轨迹发布数据集的语义敏感的位置轨迹隐私保护方法、系统及介质。该方法包括对用户的初始轨迹T0进行停止点搜索,获得停止点;采用类别距离优先法或马尔科夫矩阵法获得POI;使用获得的POI替换停止点,得到混淆轨迹T1;以混淆轨迹T1作为输入,采用中间点生成算法得到中间轨迹Td;以初始轨迹T0以及中间轨迹Td作为输入,采用轨迹纠正算法得到保护语义信息的匿名轨迹Tdummy。本发明采用停止点混淆技术、类别‑距离优先法和马尔科夫矩阵,利用已有的POI信息和停止点搜索技术对用户的轨迹进行混淆,根据类别和概率判断来选择用于替换停止点的最佳POI,降低匿名后的轨迹效用损失,实现了面向语义的轨迹隐私保护。
-
公开(公告)号:CN113641192A
公开(公告)日:2021-11-12
申请号:CN202110763664.3
申请日:2021-07-06
Applicant: 暨南大学
Abstract: 本发明公开了一种基于强化学习的无人机群智感知任务的路径规划方法,在演员‑批评者架构中加入多头注意力机制和对其他无人机策略的拟合,使得无人机执行决策时,充分考虑其他无人机的状态和策略。当无人机的数据收集量大于平均水平时,给予额外的奖励值以加速任务完成。当无人机间的路径重叠时,根据信号点数据量判断属于协作或竞争,依此修正它们的奖励值,从而促进其协作。使用n步返回时序差分计算批评者网络的目标价值,使无人机更有远见。最后,为使无人机更好的探索最大化数据收集量,使用分布式架构,给不同虚拟场景的无人机决策网络输出的动作加上不同方差的噪声。
-
-
-
-
-
-
-
-
-