您的检索：
学者姓名：杨震
精炼检索结果：
年份
成果类型
收录类型
来源
综合
曾用名
合作者
语言
清除所有精炼条件
摘要 ：
在电商评论场景下的一种基于生成对抗网络的文本对抗样本防御方法属于对抗样本领域，包含训练阶段、攻击阶段及防御阶段。训练阶段包含步骤：1.获取目标模型的输入数据与预测标签；2.依据真实数据和对应标签，借助攻击方法，训练生成扰动的生成器；3.扰动和原始数据混合，得到对抗样本；4.真实样本和对抗样本同时输入判别器，训练鉴别生成数据的判别器。攻击阶段包含步骤：1.生成对抗样本；2.和真实样本混合，输入目标模型；3.目标模型预测准确率。防御阶段包含步骤：1.生成对抗样本；2.和真实样本混合；3.判别器作为过滤器，过滤对抗样本；4.目标模型预测准确率。本发明生成更加真实的对抗样本数据，能够非常快速、简单的得到对应的防御方法。
引用：
复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。
| GB/T 7714 | 马帅 , 于海阳 , 杨震 . 在电商评论场景下的一种基于生成对抗网络的文本对抗样本防御方法 : CN202310003911.9[P]. | 2023-01-03 . |
| MLA | 马帅 等. "在电商评论场景下的一种基于生成对抗网络的文本对抗样本防御方法" : CN202310003911.9. | 2023-01-03 . |
| APA | 马帅 , 于海阳 , 杨震 . 在电商评论场景下的一种基于生成对抗网络的文本对抗样本防御方法 : CN202310003911.9. | 2023-01-03 . |
| 导入链接 | NoteExpress RIS BibTex |
摘要 ：
本发明公开了一种面向工业物联网的数据验证方法，该方法包括：首先工业物联网设备为整个系统生成秘密值和公共参数。然后，它使用每个文件块计算文件多项式，并进一步计算同态标签。最后，它为同态标签构造默克尔树并且生成根哈希。工业物联网设备将根哈希发送给验证者，并将文件和同态标签发送给云服务器。云服务器从工业物联网设备接收到同态标签和文件后，将根据验证者挑战的集合生成包括多项式承诺和辅助认证信息在内的证明。最后，验证者将同时验证辅助认证信息和多项式承诺。本方法采用结合多项式承诺的同态哈希函数，解决了现有的工业云平台上数据完整性验证不适用于计算和存储能力有限的工业物联网设备的问题。
引用：
复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。
| GB/T 7714 | 张辉 , 于海阳 , 杨震 . 一种面向工业物联网的数据验证方法 : CN202310150061.5[P]. | 2023-02-22 . |
| MLA | 张辉 等. "一种面向工业物联网的数据验证方法" : CN202310150061.5. | 2023-02-22 . |
| APA | 张辉 , 于海阳 , 杨震 . 一种面向工业物联网的数据验证方法 : CN202310150061.5. | 2023-02-22 . |
| 导入链接 | NoteExpress RIS BibTex |
摘要 ：
本发明公开了基于分布式存储的高效双压缩数据完整性验证方案。流程如下：首先，数据所有者将数据分块后进行双重压缩，第一次压缩是通过将数据块分组哈希，第二次压缩是将压缩后的数据块转变为多项式。然后数据所有者将压缩后的数据块上传到分布式存储节点中，同时上传数据认证器和审计状态。当验证者要验证分布式存储节点的存储状态时，验证者发送随机挑战给分布式存储节点用于检查存储状态。分布式存储节点根据发送的挑战内容计算相应的证明，并将证明发送给验证者。验证者根据已有参数进行验证确认数据的完整性与安全性。此外，为了进一步提升安全性，本发明实现了链上审计，主要是将验证者替换为了区块链上的智能合约。
引用：
复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。
| GB/T 7714 | 于海阳 , 陈雨润 , 杨震 . 基于分布式存储的高效双压缩数据完整性验证方案 : CN202310821315.1[P]. | 2023-07-06 . |
| MLA | 于海阳 等. "基于分布式存储的高效双压缩数据完整性验证方案" : CN202310821315.1. | 2023-07-06 . |
| APA | 于海阳 , 陈雨润 , 杨震 . 基于分布式存储的高效双压缩数据完整性验证方案 : CN202310821315.1. | 2023-07-06 . |
| 导入链接 | NoteExpress RIS BibTex |
摘要 ：
本发明公开了基于Cutmix数据增强的联邦学习隐私保护方法，应用于对医院影像数据中心进行隐私保护的场景。医院数据中心的中央服务器在联邦训练开始前，确定一个深度学习模型作为各客户端训练的模型；联邦训练开始后，中央服务器会将此模型下发给各客户端；为了在训练过程中图像不存在无信息像素，本发明在对原始数据进行保护时，采用基于Cutmix数据增强方法，利用数据增强策略在图片生成方面的优势，使训练模型学习到更多的鲁棒性特征，有效提高模型的泛化能力。本发明针对联邦学习中的梯度反演攻击进行防御，增强对梯度反演攻击过程的约束，提出对联邦学习更安全的防御场景。本方法可以在少量数据效用损失的情况下防御最先进的攻击。
引用：
复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。
| GB/T 7714 | 李颖阁 , 陈渝文 , 杨震 . 一种基于Cutmix数据增强的联邦学习隐私保护方法 : CN202310586380.0[P]. | 2023-05-24 . |
| MLA | 李颖阁 等. "一种基于Cutmix数据增强的联邦学习隐私保护方法" : CN202310586380.0. | 2023-05-24 . |
| APA | 李颖阁 , 陈渝文 , 杨震 . 一种基于Cutmix数据增强的联邦学习隐私保护方法 : CN202310586380.0. | 2023-05-24 . |
| 导入链接 | NoteExpress RIS BibTex |
摘要 ：
面向公共网络重要数据补全的基于多模态嵌入交互的链接预测方法, 属于网络数据安全领域，解决现有交互方法随机生成嵌入向量从而限制模型挖掘更多有价值信息的问题，达到更好地融合公共网络中的多源异构数据及补全公共网络中的重要数据。该方法步骤如下：获取公共网络重要数据的知识图谱数据集及重要数据的文本描述信息；文本嵌入模型训练；结构嵌入模型训练；交替拼接；特征降维；特征重排；循环卷积和预测尾实体向量。本方法在嵌入交互方法的基础上，利用重要数据的多模态信息，解决了面向公共网络多源异构数据的难以融合与补全的问题，在预测重要数据的准确率有提升。
引用：
复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。
| GB/T 7714 | 吴迪 , 唐滋芳 , 李童 et al. 面向公共网络重要数据补全的基于多模态嵌入交互的链接预测方法 : CN202310485326.7[P]. | 2023-04-28 . |
| MLA | 吴迪 et al. "面向公共网络重要数据补全的基于多模态嵌入交互的链接预测方法" : CN202310485326.7. | 2023-04-28 . |
| APA | 吴迪 , 唐滋芳 , 李童 , 杨震 . 面向公共网络重要数据补全的基于多模态嵌入交互的链接预测方法 : CN202310485326.7. | 2023-04-28 . |
| 导入链接 | NoteExpress RIS BibTex |
摘要 ：
The rapid growth of various vehicular apps such as automotive navigation and in-car entertainment has brought the explosion of vehicular data. Such a growth has given rise to a huge challenge of maintaining the quality of cloud storage services for the whole period of storage in vehicular networks. As a result, poor quality of services easily causes data corruption problems and thereby threats vehicular data integrity. Blockchain, a tamper-proofing technique, is considered a promising approach for mitigating data integrity risks in cloud storage. However, existing blockchain-based schemes for auditing long-term cloud data integrity suffer from poor communication performance in a vehicular network. In this study, a blockchain-based offline auditing scheme for cloud storage in the vehicular network is proposed to improve auditing performance. Inspired by the data structure of blockchain, we design an evidence chain to achieve offline auditing, which allows the cloud to spontaneously generate data integrity evidence without communicating with auditors during the evidence generation phase. Furthermore, we extend our scheme to support public and automatic validation based on the smart contract. We prove the security of the proposed scheme under the random oracle model and further provide the performance evaluation by comparing with the state-of-the-art approaches.
关键词 ：
Metadata Metadata Vehicle dynamics Vehicle dynamics Blockchains Blockchains Security Security vehicular network vehicular network Data integrity Data integrity offline auditing offline auditing Cloud storage Cloud storage blockchain blockchain Cloud computing Cloud computing Vehicular ad hoc networks Vehicular ad hoc networks
引用：
复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。
| GB/T 7714 | Yu, Haiyang , Yang, Zhen , Tu, Shanshan et al. Blockchain-Based Offline Auditing for the Cloud in Vehicular Networks [J]. | IEEE TRANSACTIONS ON NETWORK AND SERVICE MANAGEMENT , 2022 , 19 (3) : 2944-2956 . |
| MLA | Yu, Haiyang et al. "Blockchain-Based Offline Auditing for the Cloud in Vehicular Networks" . | IEEE TRANSACTIONS ON NETWORK AND SERVICE MANAGEMENT 19 . 3 (2022) : 2944-2956 . |
| APA | Yu, Haiyang , Yang, Zhen , Tu, Shanshan , Waqas, Muhammad , Liu, Huan . Blockchain-Based Offline Auditing for the Cloud in Vehicular Networks . | IEEE TRANSACTIONS ON NETWORK AND SERVICE MANAGEMENT , 2022 , 19 (3) , 2944-2956 . |
| 导入链接 | NoteExpress RIS BibTex |
摘要 ：
本发明涉及一种基于先验正则化的大批量图像重建方法，用于在联邦学习中使用交换的梯度信息重建用于训练的图像。首先作为普通参与者参与协同学习获取协同学习的模型结构以及在训练过程中接收到的梯度信息；生成值为随机值的模拟图像，将该模拟图像输入到获得的模型中得到损失，再根据损失进行反向传播得到模拟梯度；使用模拟梯度去拟合全局模型的原始梯度，将模拟梯度和原始梯度的距离作为损失来优化模拟图像；在优化的过程中，根据图像的先验知识生成先验知识正则项，使用先验知识正则项指导优化过程的进行，使得优化过程的准确度与速度大幅提升。本发明能够只使用梯度信息就大批量的、高像素匹配度的重建生成梯度的图像。
引用：
复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。
| GB/T 7714 | 黄云波 , 杨震 , 陈渝文 . 基于先验正则化的大批量图像重建方法 : CN202211092335.1[P]. | 2022-09-07 . |
| MLA | 黄云波 et al. "基于先验正则化的大批量图像重建方法" : CN202211092335.1. | 2022-09-07 . |
| APA | 黄云波 , 杨震 , 陈渝文 . 基于先验正则化的大批量图像重建方法 : CN202211092335.1. | 2022-09-07 . |
| 导入链接 | NoteExpress RIS BibTex |
摘要 ：
本发明提供基于物理不可克隆函数的轻量级工业传感器数据流完整性验证方法。SCADA系统的边界由工业传感器监控，面临着最严峻的安全挑战。然而，目前的SCADA通信协议缺乏适当的安全策略来保护现场传感器的安全和数据流的完整性。此外，由于传感器是资源有限的物理设备，复杂而昂贵的加密算法并不适用。本发明提出了一种基于工业物联网的物理不可克隆函数的轻量级工业传感器数据流完整性验证方案，可以保护数据流的完整性和传感器的物理安全，保证工业传感器数据流的安全传输。安全分析分析了该方案对已知安全漏洞的抵抗力。实验结果表明，该方案在通信开销和计算开销方面具有优势。
引用：
复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。
| GB/T 7714 | 单小虎 , 于海阳 , 杨震 . 基于物理不可克隆函数的轻量级工业传感器数据流完整性验证方法 : CN202211436657.3[P]. | 2022-11-16 . |
| MLA | 单小虎 et al. "基于物理不可克隆函数的轻量级工业传感器数据流完整性验证方法" : CN202211436657.3. | 2022-11-16 . |
| APA | 单小虎 , 于海阳 , 杨震 . 基于物理不可克隆函数的轻量级工业传感器数据流完整性验证方法 : CN202211436657.3. | 2022-11-16 . |
| 导入链接 | NoteExpress RIS BibTex |
摘要 ：
本发明公开了基于网络分层且采用同态加密进行交互的智能家居数据分析方法，该方法的步骤如下：在云端服务器训练针对特定任务的DNN模型；将模型以选定的中间层划分，前半段部署到用户本地，后半段保留在云端；将智能家居系统中传感器等设备获取的输入传入前半段网络，并得到中间层的输出；在本地通过Paillier同态加密的方式与云端的网络后半段进行交互，并最终得到网络的输出结果；云端服务器根据网络的输出对智能家居系统进行及时的响应。本方法在使用传统神经网络进行数据分析的基础上，采用本地与云端加密的交互式分析方法，利用同态加密的安全性以及网络分层对本地较小的计算开销，解决了智能家居系统数据分析中的安全问题。使用网络分层且加密的交互式数据分析方法具有很高的隐私安全性和模型部署场景的适用性。
引用：
复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。
| GB/T 7714 | 徐小平 , 杨震 , 陈渝文 . 基于分层网络且保护用户隐私的智能家居数据分析方法 : CN202210340042.4[P]. | 2022-03-31 . |
| MLA | 徐小平 et al. "基于分层网络且保护用户隐私的智能家居数据分析方法" : CN202210340042.4. | 2022-03-31 . |
| APA | 徐小平 , 杨震 , 陈渝文 . 基于分层网络且保护用户隐私的智能家居数据分析方法 : CN202210340042.4. | 2022-03-31 . |
| 导入链接 | NoteExpress RIS BibTex |
摘要 ：
本发明属于数据完整性审计领域，具体涉及一种去中心化存储中的大数据完整性持续审计方案。包含数据所有者和存储提供者，其中数据所有者为验证方，存储提供者为证明方。该方案的步骤如下：数据所有者对数据进行预处理，生成公共参数。数据所有者使用数据和公共参数，生成标签集，并将公共参数发送给存储提供者。存储提供者采用持续可验证延迟函数和、可检索性证明技术和可验证随机函数，通过数据和公共参数进行计算，得到结果集、证明集和质询集。然后将生成的结果集发送给数据所有者。数据所有者针对收到的结果集进行验证计算，得到验证结果。本发明不仅保证可以持续进行数据完整性的准确验证，还可以降低质询阶段和证明阶段的传输成本。
引用：
复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。
| GB/T 7714 | 胡琪 , 杨震 , 于海阳 . 去中心化存储中的大数据完整性持续审计方案 : CN202210083632.3[P]. | 2022-01-24 . |
| MLA | 胡琪 et al. "去中心化存储中的大数据完整性持续审计方案" : CN202210083632.3. | 2022-01-24 . |
| APA | 胡琪 , 杨震 , 于海阳 . 去中心化存储中的大数据完整性持续审计方案 : CN202210083632.3. | 2022-01-24 . |
| 导入链接 | NoteExpress RIS BibTex |
导出
| 数据： |
选中 到 |
| 格式： |
