一种基于区块链与联邦学习的图像识别系统及方法

    公开(公告)号:CN113033652B

    公开(公告)日:2023-03-24

    申请号:CN202110306835.X

    申请日:2021-03-23

    Abstract: 本发明提供了一种基于区块链与联邦学习的图像识别系统及方法,属于工业物联网技术领域,包括模型构建模块和图像识别模块。本发明在物联网图像识别过程中,提出了一种基于区块链与联邦学习的图像协同识别机制,首先,通过引入区块链,在互不可信的分布式物联网设备之间建立一套可信的协作机制,实现分布式的图像协同识别;其次,通过利用联邦学习算法,在分布式的物联网设备间,联合学习图像识别的模型,避免了原始数据的集中式传输;最后,通过利用联邦学习所训练的全局模型,物联网设备可以快速高效的在本地完成图像识别任务,在保证数据隐私性的同时,实现了准确的图像识别。

    一种基于区块链与联邦学习的图像识别系统及方法

    公开(公告)号:CN113033652A

    公开(公告)日:2021-06-25

    申请号:CN202110306835.X

    申请日:2021-03-23

    Abstract: 本发明提供了一种基于区块链与联邦学习的图像识别系统及方法,属于工业物联网技术领域,包括模型构建模块和图像识别模块。本发明在物联网图像识别过程中,提出了一种基于区块链与联邦学习的图像协同识别机制,首先,通过引入区块链,在互不可信的分布式物联网设备之间建立一套可信的协作机制,实现分布式的图像协同识别;其次,通过利用联邦学习算法,在分布式的物联网设备间,联合学习图像识别的模型,避免了原始数据的集中式传输;最后,通过利用联邦学习所训练的全局模型,物联网设备可以快速高效的在本地完成图像识别任务,在保证数据隐私性的同时,实现了准确的图像识别。

    机器学习算法应用于汽车软件开发功能安全的流程方法

    公开(公告)号:CN109933309B

    公开(公告)日:2024-07-16

    申请号:CN201910170435.3

    申请日:2019-03-06

    Abstract: 机器学习算法应用于汽车软件开发功能安全的流程方法,包括七个步骤,步骤一:项目启动阶段,采用机器学习决策门;步骤二:软件安全要求阶段,规范化描述安全要求;步骤三:软件架构设计阶段,采用容错设计方法;步骤四:软件开发阶段,数据采集;步骤五:软件开发阶段,模型选取;步骤六:软件开发阶段,模型实现;步骤七:软件集成阶段,验证和测试。本发明在汽车电子软件开发过程中,明确部分规范化描述的性质,有助于基于各种机器学习的算法特征选取模型,进而提高开发效率和安全性。基于上述,本发明具有好的应用前景。

    一种规避对抗样本攻击的图像分类方法

    公开(公告)号:CN111753880B

    公开(公告)日:2023-06-27

    申请号:CN202010463749.5

    申请日:2020-05-27

    Abstract: 本发明了一种规避对抗样本攻击的图像分类方法,此方法基于区域分类,在图像分类中可以减轻对抗样本对分类器的攻击。本方法主要包含如下步骤:1、对图像进行建模,把图像看成是一个包含多个马尔科夫过程的结构体。2、对可能的对抗样本进行修正,在修正的时候,沿着图像转移概率(Image Transition Probability,ITP)减小的方向进行修改图像的像素值,特别的,当修改某个像素的值后,其ITP变化很大超过一定阈值,就舍弃这个像素值的改变。3、在采样的时候,进行有方向采样。本发明中,所提出的方法,不仅能在干净样本上保持其高分类准确率,并且在对抗样本上也能具有一定准确率。这种方法的提出,为深度学习模型在安全相关的应用领域中进行应用提供了思考和操作。

    基于对抗样本和随机变换的图形验证码生成方法、设备及存储介质

    公开(公告)号:CN111667549B

    公开(公告)日:2023-04-07

    申请号:CN202010350709.X

    申请日:2020-04-28

    Abstract: 本发明公开了一种基于对抗样本和随机变换的图形验证码生成方法,包括:确定对抗样本的生成算法,生成基于对抗样本的图形验证码;利用生成的图形验证码,对神经网络进行对抗训练;根据对抗训练完成的神经网络,进行对抗样本的二次生成;对二次生成的对抗样本,进行随机变换,得到最终的图形验证码。本发明中,利用对抗训练过的神经网络再次生成对抗样本并结合图形的随机变化,不仅能够抵御普通的基于神经网络的验证码识别器,提高图形验证码的有效性,防止对网站的恶意攻击,保护正常的生产生活;而且,由于结合了图形的随机变换,使生成的图形验证码样本空间增大,提高了迁移性,并进一步对针对经过对抗训练的验证码识别器进行反制,更具普适性。

    一种基于STPA模型的功能安全危害和信息安全威胁分析方法

    公开(公告)号:CN110008607B

    公开(公告)日:2023-01-17

    申请号:CN201910290073.1

    申请日:2019-04-11

    Abstract: 一种基于STPA模型的功能安全危害和信息安全威胁分析方法,采用STPA模型作为基础,共分为四个步骤,一:根据STPA模型建立安全约束、控制结构和过程模型;二:考虑信息安全因素对控制结构和过程模型的影响;三:对所有可能的情况进行组合分析,识别所有不安全控制的分类;四:确定不安全控制的来源。本发明结合STAMP模型,建立了功能安全约束、控制结构和过程模型;对安全约束、危害事件、过程控制和信息安全影响进行组合分析,将危害事件的发生看成是不安全控制的结果,而不仅仅是由组件或系统故障引起,并能识别所有不安全控制的分类并确定导致这些不安全控制发生的原因是来源于单个组件、多个组件之间的相关交互或者是车辆电子安全系统设计缺陷。

    一种面向周期控制器的以模式为基础的信物融合系统建模及验证方法

    公开(公告)号:CN113434116B

    公开(公告)日:2022-09-20

    申请号:CN202110607529.X

    申请日:2021-06-01

    Abstract: 本发明公开了一种面向周期控制器的以模式为基础的信物融合系统建模及验证方法,所述方法包括:利用信物融合系统建模语言,分别构建抽象层面上的离散模式和连续模式,及具体层面上的离散控制流和连续控制流;结合上述获得的抽象层面和具体层面的建模模型,获得完整的信物融合系统模型,并以图形化方式表示;将上述获得的完整的信物融合系统模型中的变量、离散模式、连续模式、离散模式控制流、连续模式控制流按照翻译规则转换成混合自动机,进行形式化验证和性质分析。本发明方法能以图形化展示界面,方便用户的理解和建立模型,也为模型和高置信的形式化性质验证工具间建立有效的桥梁,节约信物融合系统模型的开发和高置信性质验证的时间和成本。

    基于模糊测试的工控蜜罐特征提取方法、系统及介质

    公开(公告)号:CN112235241A

    公开(公告)日:2021-01-15

    申请号:CN202010932430.2

    申请日:2020-09-08

    Abstract: 本发明公开了基于模糊测试的工控蜜罐特征提取方法、系统及介质,方法包括:构建工控蜜罐测试环境;基于所述工控蜜罐测试环境以及预设的初始种子,通过报文生成器生成第一变异请求报文,并将所述第一变异请求报文发送给联网测试设备;将所述联网测试设备返回的响应报文传送至所述报文生成器;通过所述报文生成器对所述响应报文进行分析;根据分析结果,基于预设的目标函数对所述第一变异请求报文进行迭代处理,生成满足所述目标函数的阈值要求的第二变异请求报文;从所述第二变异请求报文中确定探测报文,并通过所述探测报文获取蜜罐识别的特征。本发明能够高效地构建出探测报文,提高了特征提取的准确性,可广泛应用于工业控制系统技术领域。

    一种基于神经网络可达性的汽车电子功能安全评估方法

    公开(公告)号:CN110543412A

    公开(公告)日:2019-12-06

    申请号:CN201910443791.8

    申请日:2019-05-27

    Abstract: 一种基于神经网络可达性的汽车电子功能安全评估方法,分为四个步骤,步骤一:确定神经网络的形式;步骤二:表达神经网络的可达性问题;步骤三:将神经网络的可达性问题进行重新表述,转化为相应的线性问题,并通过线性程序求解器来计算神经网络的可达性;步骤四:如果违背安全要求的输出值是不可达的,则评估认为功能的实现是安全的,反之,如果违背安全要求的输出值是可达的,则评估认为功能的实现可能违背安全要求。本发明将局部线性的神经网络的可达性问题表述为求解神经网络相应的线性问题,使得神经网络的可达性可以通过线性程序求解器来计算,有效实现了能对汽车电子产品中实现的功能进行安全评估,确认功能的实现是否可能违背安全要求。

Patent Agency Ranking