法律状态: 全部 已授权 审中
项目申报: 全部 报过 没有报过
8 件在售专利
本发明公开了基于区块链协同验证的动态密钥阈值分片隐私追溯方法,属于信息安全领域。该方法以动态密钥为枢纽,将去中心化身份、零知识验证、深度水印与门限协同解密深度耦合,每次会议生成的临时密钥被拆分为多个分片,由区块链节点与追溯单元分布式保管,仅将分片组合的哈希指纹上链存证,形成不可篡改却无隐私暴露的轻量证据链;参会者通过可验证凭证匿名接入而不泄露具体信息,可信单元签名确保匿名身份的真实性;当发生数据泄露时,追溯单元提取水印,比对零知识证明,验证泄露密文与链上指纹的关联性,触发多方门限解密恢复密钥,最终结合加密存储的DID映射表精确定位责任人,全程无需暴露无关信息。
📄 2025112567957 📂 H04L9_08 👤 南京信息工程大学,江苏羽驰区块链科技研究院有限公司 📅 2025-09-04
¥0.0
本发明提供了一种基于CKKS同态加密的指纹活性检测方法,包括以下步骤:步骤1,建立用户端、密钥分发中心、云服务器组成的三方交互系统模型;步骤2,在完成身份验证后,用户端使用公钥加密图像,通过公共信道将密文图像传输给云服务器;步骤3,在收到密文图像后,云服务器使用第二深度学习模型对密态图像进行识别,得到密态结果;云服务器通过公共信道将密态结果传输给用户端,用户端再使用所持有的私钥解密,最终获得指纹活性检测结果。本方法能够在不暴露输入指纹图像信息的前提下,对指纹的活性进行精准且有效的判别。加入同态加密这一技术的核心目标是确保指纹数据的隐私,同时有效地区分活体指纹和伪造指纹所发起的欺骗攻击。
📄 2025112504623 📂 H04L9_40 👤 南京信息工程大学,江苏羽驰区块链科技研究院有限公司 📅 2025-09-03
¥0.0
本发明提供了一种基于特征融合的联邦学习模型版权保护方法和系统,所述方法包括:步骤1,接收水印触发样本,将水印触发样本输入至预先建立的客户端模型内进行训练;步骤2,对本地共享模型参数和本地分类层参数分别进行更新聚合,得到更新的全局模型共享参数和个性化分类层参数;基于特征层水印嵌入机制对更新的全局模型共享参数进行水印特征提取,得到全局水印;步骤3,对个性化分类层参数进行多比特量化,得到二进制签名的集合;基于黑盒水印和全局水印进行版权验证,基于二进制签名的集合确定恶意客户端。本发明能够有效遏制模型的非法复制与分发,为促进数据与模型协作范式的健康、可持续发展提供关键技术支撑。
📄 2025111439491 📂 G06F21_10 👤 南京信息工程大学,江苏羽驰区块链科技研究院有限公司 📅 2025-08-15
¥0.0
本发明提供了一种融合边缘注意力门控与多尺度空洞卷积的抗屏摄鲁棒文本图像水印方法,包括:步骤1,设计对秘密消息进行预处理的消息处理器MessageProProcess,在消息处理器MessageProProcess中添加扩展网络ExpandNet和通道注意力SENet,输入一段二进制形式的秘密消息并输出消息特征图;步骤2,构建基于边缘注意力门控与多尺度空洞卷积融合的文本水印框架;在端到端的水印框架的编码器中添加功能模块;步骤3,设计噪声层,在水印模型训练的过程中对模型进行模拟攻击;步骤4,设计损失函数的优化方式。本发明的方法显著提升了水印的鲁棒性和不可感知性。
📄 2025112162715 📂 G06T1_00 👤 南京信息工程大学,江苏羽驰区块链科技研究院有限公司 📅 2025-08-28
¥0.0
本发明公开了基于生成对抗网络和多令牌的抗屏摄鲁棒水印方法,属于数字水印技术领域。该方法首先通过编码器将水印信息转换为图像特征,并将特征嵌入原始图像,生成与原始图像视觉不可区分的水印图像;然后将水印图像与原始图像共同输入判别网络进行特征分析;在训练过程中对水印图像施加模拟屏摄失真的处理;接着通过解码器从噪声图像中恢复水印信息。本发明改进了水印信息的编码方式,在保证视觉不可见性的同时,显著提升了水印在真实屏摄环境下的鲁棒性;特别是在应对屏幕拍摄产生的几何形变、摩尔纹、色彩失真等干扰时,能够更可靠地维持水印数据的完整性,并保持较高的解码准确率。
📄 2025108700537 📂 G06T1_00 👤 南京信息工程大学,江苏羽驰区块链科技研究院有限公司 📅 2025-06-26
¥0.0
本发明公开了一种基于区块链的屏摄图像安全存储管理与共享方法,属于图像处理和区块链技术领域。该方法包括:屏摄用户上传者和屏摄用户访问者在区块链网络中进行注册;将屏摄图像进行动态加密和特征提取,并构建屏摄图像的索引;当屏摄用户访问者向屏摄用户上传者发送请求;屏摄用户访问者利用关键字检索,在分布式文件系统中通过搜索获取需求的屏摄图像数据,通过图像解密密钥获取所需屏摄图像。本发明通过结合区块链与智能合约,实现了屏摄图像数据的安全存储管理与共享;通过基于混沌映射的动态加密破坏屏摄图像的统计特征,确保图像的存储安全;利用轻量化网络模型结合GMM量化与可搜索加密技术,实现高精度安全隐私图像检索。
📄 2025108744959 📂 G06F21_60 👤 南京信息工程大学,江苏羽驰区块链科技研究院有限公司 📅 2025-06-27
¥0.0
本发明提供了一种基于可微渲染的主动防御AI自瞄方法,包括:步骤1,将扰动叠加到二维纹理贴图上,生成初始的对抗纹理;步骤2,设置可微渲染环境并进行参数随机化;步骤3,执行可微渲染与背景融合,生成更贴近真实游戏画面的合成图像;步骤4,获取每个目标检测模型对图像的检测结果;步骤5,计算多目标联合对抗损失函数;步骤6,反向传播优化与扰动更新;步骤7,进行迭代优化,生成最终的具备欺骗AI自瞄的纹理;步骤8,将生成的对抗纹理图像替换游戏客户端中对应角色的原始纹理图像,游戏引擎在运行时会自动加载并使用对抗纹理图像对角色进行渲染。本发明通过在纹理层面引入对抗性扰动,能在作弊行为发生前就有效干扰其识别过程。
📄 2025106392419 📂 A63F13_52 👤 南京信息工程大学,江苏羽驰区块链科技研究院有限公司 📅 2025-05-19
¥0.0
本发明提供了一种基于UNet架构的抗屏摄鲁棒图像水印软融合网络方法和系统,所述方法包括:步骤1,对封面图像预处理,得到低频分量;步骤2,建立多阶段水印扩展子网络,将水印信息张量与低频分量进行特征融合;步骤3,构建基于Unet架构的水印软融合网络ProwterNet:将嵌入水印特征的频域信息和水印消息与跳转链接的特征和不断上采样后的特征进行融合,实现空域和频域的联合嵌入;步骤4,设计不可微噪声模拟训练过程,对所述水印软融合网络ProwterNet进行训练。本发明利用ProwterNet对水印信息和载体图像进行处理,实现了多尺度跨域渐进式嵌入。
📄 2025106251340 📂 G06T1_00 👤 南京信息工程大学,江苏羽驰区块链科技研究院有限公司 📅 2025-05-15
¥0.0
发明 已授权

基于区块链协同验证的动态密钥阈值分片隐私追溯方法

2025112567957 · 南京信息工程大学,江苏羽驰区块链科技研究院有限公司
¥0.0
发明 已授权

一种基于CKKS同态加密的指纹活性检测方法

2025112504623 · 南京信息工程大学,江苏羽驰区块链科技研究院有限公司
¥0.0
发明 已授权

一种基于特征融合的联邦学习模型版权保护方法和系统

2025111439491 · 南京信息工程大学,江苏羽驰区块链科技研究院有限公司
¥0.0
发明 已授权

一种融合边缘注意力门控与多尺度空洞卷积的抗屏摄鲁棒文本图像水印方法

2025112162715 · 南京信息工程大学,江苏羽驰区块链科技研究院有限公司
¥0.0
发明 已授权

基于生成对抗网络和多令牌的抗屏摄鲁棒水印方法

2025108700537 · 南京信息工程大学,江苏羽驰区块链科技研究院有限公司
¥0.0
发明 已授权

一种基于区块链的屏摄图像安全存储管理与共享方法

2025108744959 · 南京信息工程大学,江苏羽驰区块链科技研究院有限公司
¥0.0
发明 已授权

一种基于可微渲染的主动防御AI自瞄方法

2025106392419 · 南京信息工程大学,江苏羽驰区块链科技研究院有限公司
¥0.0
发明 已授权

一种基于UNet架构的抗屏摄鲁棒图像水印软融合网络方法和系统

2025106251340 · 南京信息工程大学,江苏羽驰区块链科技研究院有限公司
¥0.0

求购专区 · 发布技术需求,卖家在线应标

🔋 高能量密度固态电解质材料与制备工艺
预算:¥50-100万截止:2026-08-30发布方:××新能源科技响应:8人

交易保障 · 安心交易

资金托管

买家付款至平台,交易完成/过户成功后放款给卖家

权属尽调

专利有效性分析 + 权属状态核查,确保交易安全

合同审核

标准转让/许可合同模板,支持在线电子签署

全程代办

著录项目变更、备案手续全程代办,省心省力

交易流程 · 六步完成专利交易

1
选专利
2
在线沟通
3
签署合同
4
支付款项
5
办理变更
6
过户完成

成功交易案例

🔬

固态锂电池电解质专利包

转让方:中国科学院××研究所
受让方:××新能源科技有限公司
交易类型:独占许可
交易金额:¥320万
🧬

CRISPR基因编辑技术

转让方:××大学
受让方:××生物医药有限公司
交易类型:转让
交易金额:¥1,200万

SiC功率器件工艺专利

转让方:××半导体有限公司
受让方:××汽车电子集团
交易类型:转让
交易金额:¥680万
☀️

钙钛矿光伏组件技术

转让方:××科技公司
受让方:××能源集团
交易类型:开放许可
交易金额:¥50万/年