CN105844168B - 用于群智感知的隐私保护方法及装置 - Google Patents
用于群智感知的隐私保护方法及装置 Download PDFInfo
- Publication number
- CN105844168B CN105844168B CN201510018797.2A CN201510018797A CN105844168B CN 105844168 B CN105844168 B CN 105844168B CN 201510018797 A CN201510018797 A CN 201510018797A CN 105844168 B CN105844168 B CN 105844168B
- Authority
- CN
- China
- Prior art keywords
- intelligent perception
- perception data
- user
- hidden
- upload
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000008447 perception Effects 0.000 title claims abstract description 175
- 238000000034 method Methods 0.000 title claims abstract description 17
- 239000011159 matrix material Substances 0.000 claims description 12
- 230000007704 transition Effects 0.000 claims description 6
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Information Transfer Between Computers (AREA)
Abstract
本发明公开一种用于群智感知的隐私保护方法及装置,能够解决现有技术不能保护用户的隐私信息的问题。所述方法包括:获取用户的群智感知数据,并根据所述用户的群智感知数据建立隐马尔可夫模型;对所述隐马尔可夫模型进行训练,确定出用于上传的群智感知数据;其中,所述用于上传的群智感知数据为所述用户的群智感知数据中能够保护隐私信息的群智感知数据中所包含的信息可用量最大的群智感知数据;将所述用于上传的群智感知数据发送给群智感知服务器。
Description
技术领域
本发明涉及群智感知技术领域,具体涉及一种用于群智感知的隐私保护方法及装置。
背景技术
近年来,随着智能手机上配备的传感器越来越多,群智感知技术迅速发展。由于群智感知技术可以获取大规模的统计数据以及进行全体规模上的测量,群智感知技术已经被应用到人们生活中的各个领域,如公共健康,公共安全,交通监控等。典型的群智感知应用由大量终端手机用户组成,他们遍布在城市的各个角落,通过手机上配备的各类传感器(如加速度传感器、光照传感器、陀螺仪、GPS等)记录所处位置的特征数据,并实时的上传的用户所在位置的特征数据给群智感知服务器,服务器在获取大量终端用户在不同地点的特征数据之后,进行数据处理以及数据分析,从而提供用户所需要的各项服务。
虽然目前已经有大量的群智感知的应用,但是因为用户普遍有想获得群智感知的应用所提供的服务,却不愿意提供隐私信息(如位置信息)的想法,这就导致用户可能在上传群智感知数据时进行隐藏或者上传虚假的数据。在这种情况下,对于服务提供端来说,就很难收集到大量高质量的数据,从而也就很难提供优质的服务。
基于用户隐私保护的考量,现在出现了一些保护隐私信息的技术,主要分为四类:第一类技术是在用户上传的群智感知数据中,加入独立的噪声;第二类技术是将隐私信息隐藏在一系列数据中(比如,用户并不上传精确的位置信息,而是上传一个区域的位置信息);第三类技术是基于多方计算,这类技术依赖于多个上传者与服务提供端的协同计算;第四类技术是同态加密,这类技术允许服务提供端在不知道原始数据的情况下得到一些统计的数据。
然而,这些现有的保护隐私信息的技术并没有考虑更加强大的攻击者,这类攻击者能够获取用户上传的群智感知数据,并且通过有效的隐马尔可夫模型建立推理模型来获取用户上传的群智感知数据中所存在的时空关联性,并进而获取到用户的隐私信息。
发明内容
本发明所要解决的技术问题是现有技术不能保护用户的隐私信息的问题。
为此目的,本发明提出一种用于群智感知的隐私保护方法,包括:
获取用户的群智感知数据,并根据所述用户的群智感知数据建立隐马尔可夫模型;
对所述隐马尔可夫模型进行训练,确定出用于上传的群智感知数据;其中,所述用于上传的群智感知数据为所述用户的群智感知数据中能够保护隐私信息的群智感知数据中所包含的信息可用量最大的群智感知数据;
将所述用于上传的群智感知数据发送给群智感知服务器。
本发明实施例用于群智感知的隐私保护方法,首先,获取用户的群智感知数据,并根据所述用户的群智感知数据建立隐马尔可夫模型,然后,对所述隐马尔可夫模型进行训练,确定出所述用户的群智感知数据中能够保护隐私信息的群智感知数据中所包含的信息可用量最大的群智感知数据,并将确定出的群智感知数据作为用于上传的群智感知数据,最后,将所述用于上传的群智感知数据发送给群智感知服务器,这就使得攻击者即使能够获取用户上传的群智感知数据,能够获知本发明实施例所建立的隐马尔可夫模型,也不能有效地推理出用户的隐私信息,从而能够保护用户的隐私信息,同时,能够确保用户获取到群智感知服务提供者所提供的优质服务。
另一方面,本发明提出一种用于群智感知的隐私保护装置,包括:
模型建立单元,用于获取用户的群智感知数据,并根据所述用户的群智感知数据建立隐马尔可夫模型;
确定单元,用于对所述隐马尔可夫模型进行训练,确定出用于上传的群智感知数据;其中,所述用于上传的群智感知数据为所述用户的群智感知数据中能够保护隐私信息的群智感知数据中所包含的信息可用量最大的群智感知数据;
发送单元,用于将所述用于上传的群智感知数据发送给群智感知服务器。
本发明实施例用于群智感知的隐私保护装置,首先,获取用户的群智感知数据,并根据所述用户的群智感知数据建立隐马尔可夫模型,然后,对所述隐马尔可夫模型进行训练,确定出所述用户的群智感知数据中能够保护隐私信息的群智感知数据中所包含的信息可用量最大的群智感知数据,并将确定出的群智感知数据作为用于上传的群智感知数据,最后,将所述用于上传的群智感知数据发送给群智感知服务器,这就使得攻击者即使能够获取用户上传的群智感知数据,能够获知本发明实施例所建立的隐马尔可夫模型,也不能有效地推理出用户的隐私信息,从而能够保护用户的隐私信息,同时,能够确保用户获取到群智感知服务提供者所提供的优质服务。
附图说明
图1为本发明一种用于群智感知的隐私保护方法一实施例的流程示意图;
图2为本发明一种用于群智感知的隐私保护装置一实施例的方框结构示意图;
图3为图2中确定单元一实施例的方框结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示,本实施例公开一种用于群智感知的隐私保护方法,包括:
S1、获取用户的群智感知数据,并根据所述用户的群智感知数据建立隐马尔可夫模型;
S2、对所述隐马尔可夫模型进行训练,确定出用于上传的群智感知数据;其中,所述用于上传的群智感知数据为所述用户的群智感知数据中能够保护隐私信息的群智感知数据中所包含的信息可用量最大的群智感知数据;
S3、将所述用于上传的群智感知数据发送给群智感知服务器。
本发明实施例用于群智感知的隐私保护方法,首先,获取用户的群智感知数据,并根据所述用户的群智感知数据建立隐马尔可夫模型,然后,对所述隐马尔可夫模型进行训练,确定出所述用户的群智感知数据中能够保护隐私信息的群智感知数据中所包含的信息可用量最大的群智感知数据,并将确定出的群智感知数据作为用于上传的群智感知数据,最后,将所述用于上传的群智感知数据发送给群智感知服务器,这就使得攻击者即使能够获取用户上传的群智感知数据,能够获知本发明实施例所建立的隐马尔可夫模型,也不能有效地推理出用户的隐私信息,从而能够保护用户的隐私信息,同时,能够确保用户获取到群智感知服务提供者所提供的优质服务。
可选地,在本发明用于群智感知的隐私保护方法的另一实施例中,以隐马尔可夫模型中的隐含状态序列来表示用户的隐私信息,观测状态序列来表示所述用户的群智感知数据,所述隐马尔可夫模型的隐含状态转移概率矩阵A={aij},aij=P(Sj|Si)表示从所述隐含状态序列中第i个隐含状态Si到第j个隐含状态Sj的转移概率,所述隐马尔可夫模型的观测状态转移概率矩阵B={bij},bij=P(Ti|Sj)表示在所述隐含状态序列中第j个隐含状态Sj的情况下,观测状态为所述观测状态序列中第i个观测状态Ti的概率,所述隐马尔可夫模型的初始状态概率矩阵Π={πi},πi表示所述隐含状态序列的第一个值是所述隐含状态序列中第i个隐含状态Si的概率;其中,M、N、i和j为整数。
可选地,在本发明用于群智感知的隐私保护方法的另一实施例中,所述对对所述隐马尔可夫模型进行训练,确定出用于上传的群智感知数据,包括:
基于所述隐马尔可夫模型,对于用户能够上传的任意一种群智感知数据利用维特比算法确定出和P[Si],判断下述公式是否成立;
对于满足所述的用户能够上传的群智感知数据计算该用户能够上传的群智感知数据所包含的信息可用量公式如下:
其中,所述中第i个数据Oi等于所述观测状态序列中第i个观测状态Ti或者空值,所述为在已知所述的情况下确定出所述隐含状态序列中第i个隐含状态Si的概率,所述P[Si]为在未知所述的情况下确定出所述隐含状态序列中第i个隐含状态Si的概率,所述δ为预先设置的一个常数值,所述x为所述中不为空的数据数量;
将确定出的所述信息可用量进行比较,确定所述信息可用量中的最大信息可用量所对应的用户能够上传的群智感知数据为所述用于上传的群智感知数据。
本发明实施例中,δ的值设置的越小,攻击者就越难推测出用户的隐私信息。本发明实施例中确定出的用于上传的群智感知数据能够在保护隐私信息的同时,保留最多的信息量,以便用户将采集的群智感知数据尽量多的上传到群智感知服务器。
可选地,在本发明用于群智感知的隐私保护方法的另一实施例中,所述隐含状态序列的第一个值是所述隐含状态序列中第i个隐含状态Si的概率
如图2所示,本实施例公开一种用于群智感知的隐私保护装置,包括:
模型建立单元1,用于获取用户的群智感知数据,并根据所述用户的群智感知数据建立隐马尔可夫模型;
确定单元2,用于对所述隐马尔可夫模型进行训练,确定出用于上传的群智感知数据;其中,所述用于上传的群智感知数据为所述用户的群智感知数据中能够保护隐私信息的群智感知数据中所包含的信息可用量最大的群智感知数据;
发送单元3,用于将所述用于上传的群智感知数据发送给群智感知服务器。
本发明实施例用于群智感知的隐私保护装置,首先,获取用户的群智感知数据,并根据所述用户的群智感知数据建立隐马尔可夫模型,然后,对所述隐马尔可夫模型进行训练,确定出所述用户的群智感知数据中能够保护隐私信息的群智感知数据中所包含的信息可用量最大的群智感知数据,并将确定出的群智感知数据作为用于上传的群智感知数据,最后,将所述用于上传的群智感知数据发送给群智感知服务器,这就使得攻击者即使能够获取用户上传的群智感知数据,能够获知本发明实施例所建立的隐马尔可夫模型,也不能有效地推理出用户的隐私信息,从而能够保护用户的隐私信息,同时,能够确保用户获取到群智感知服务提供者所提供的优质服务。
可选地,在本发明用于群智感知的隐私保护装置的另一实施例中,以隐马尔可夫模型中的隐含状态序列来表示用户的隐私信息,观测状态序列来表示所述用户的群智感知数据,所述隐马尔可夫模型的隐含状态转移概率矩阵A={aij},aij=P(Sj|Si)表示从所述隐含状态序列中第i个隐含状态Si到第j个隐含状态Sj的转移概率,所述隐马尔可夫模型的观测状态转移概率矩阵B={bij},bij=P(Ti|Sj)表示在所述隐含状态序列中第j个隐含状态Sj的情况下,观测状态为所述观测状态序列中第i个观测状态Ti的概率,所述隐马尔可夫模型的初始状态概率矩阵Π={πi},πi表示所述隐含状态序列的第一个值是所述隐含状态序列中第i个隐含状态Si的概率;其中,M、N、i和j为整数。
可选地,参看图3,在本发明用于群智感知的隐私保护装置的另一实施例中,所述确定单元2,包括:
第一计算子单元20,用于基于所述隐马尔可夫模型,对于用户能够上传的任意一种群智感知数据利用维特比算法确定出和P[Si],判断下述公式是否成立;
第二计算子单元21,用于对于满足所述的用户能够上传的群智感知数据计算该用户能够上传的群智感知数据所包含的信息可用量公式如下:
其中,所述中第i个数据Oi等于所述观测状态序列中第i个观测状态Ti或者空值,所述为在已知所述的情况下确定出所述隐含状态序列中第i个隐含状态Si的概率,所述P[Si]为在未知所述的情况下确定出所述隐含状态序列中第i个隐含状态Si的概率,所述δ为预先设置的一个常数值,所述x为所述中不为空的数据数量;
确定子单元22,用于将确定出的所述信息可用量进行比较,确定所述信息可用量中的最大信息可用量所对应的用户能够上传的群智感知数据为所述用于上传的群智感知数据。
本发明实施例中,δ的值设置的越小,攻击者就越难推测出用户的隐私信息。本发明实施例中确定出的用于上传的群智感知数据能够在保护隐私信息的同时,保留最多的信息量,以便用户将采集的群智感知数据尽量多的上传到群智感知服务器。
可选地,在本发明用于群智感知的隐私保护装置的另一实施例中,所述隐含状态序列的第一个值是所述隐含状态序列中第i个隐含状态Si的概率
虽然结合附图描述了本发明的实施方式,但是本领域技术人员可以在不脱离本发明的精神和范围的情况下做出各种修改和变型,这样的修改和变型均落入由所附权利要求所限定的范围之内。
Claims (6)
1.一种用于群智感知的隐私保护方法,其特征在于,包括:
获取用户的群智感知数据,并根据所述用户的群智感知数据建立隐马尔可夫模型;
对所述隐马尔可夫模型进行训练,确定出用于上传的群智感知数据;其中,所述用于上传的群智感知数据为所述用户的群智感知数据中能够保护隐私信息的群智感知数据中所包含的信息可用量最大的群智感知数据;
将所述用于上传的群智感知数据发送给群智感知服务器;
以隐马尔可夫模型中的隐含状态序列来表示用户的隐私信息,观测状态序列来表示所述用户的群智感知数据,所述隐马尔可夫模型的隐含状态转移概率矩阵A={aij},aij=P(Sj|Si)表示从所述隐含状态序列中第i个隐含状态Si到第j个隐含状态Sj的转移概率,所述隐马尔可夫模型的观测状态转移概率矩阵B={bij},bij=P(Ti|Sj)表示在所述隐含状态序列中第j个隐含状态Sj的情况下,观测状态为所述观测状态序列中第i个观测状态Ti的概率,所述隐马尔可夫模型的初始状态概率矩阵Π={πi},πi表示所述隐含状态序列的第一个值是所述隐含状态序列中第i个隐含状态Si的概率;其中,M、N、i和j为整数。
2.根据权利要求1所述的用于群智感知的隐私保护方法,其特征在于,所述对所述隐马尔可夫模型进行训练,确定出用于上传的群智感知数据,包括:
基于所述隐马尔可夫模型,对于用户能够上传的任意一种群智感知数据利用维特比算法确定出和P[Si],判断下述公式是否成立;
对于满足所述的用户能够上传的群智感知数据计算该用户能够上传的群智感知数据所包含的信息可用量公式如下:
其中,所述中第i个数据Oi等于所述观测状态序列中第i个观测状态Ti或者空值,所述为在已知所述的情况下确定出所述隐含状态序列中第i个隐含状态Si的概率,所述P[Si]为在未知所述的情况下确定出所述隐含状态序列中第i个隐含状态Si的概率,所述δ为预先设置的一个常数值,所述x为所述中不为空的数据数量;
将确定出的所述信息可用量进行比较,确定所述信息可用量中的最大信息可用量所对应的用户能够上传的群智感知数据为所述用于上传的群智感知数据。
3.根据权利要求1所述的用于群智感知的隐私保护方法,其特征在于,所述隐含状态序列的第一个值是所述隐含状态序列中第i个隐含状态Si的概率
4.一种用于群智感知的隐私保护装置,其特征在于,包括:
模型建立单元,用于获取用户的群智感知数据,并根据所述用户的群智感知数据建立隐马尔可夫模型;
确定单元,用于对所述隐马尔可夫模型进行训练,确定出用于上传的群智感知数据;其中,所述用于上传的群智感知数据为所述用户的群智感知数据中能够保护隐私信息的群智感知数据中所包含的信息可用量最大的群智感知数据;
发送单元,用于将所述用于上传的群智感知数据发送给群智感知服务器;
以隐马尔可夫模型中的隐含状态序列来表示用户的隐私信息,观测状态序列来表示所述用户的群智感知数据,所述隐马尔可夫模型的隐含状态转移概率矩阵A={aij},aij=P(Sj|Si)表示从所述隐含状态序列中第i个隐含状态Si到第j个隐含状态Sj的转移概率,所述隐马尔可夫模型的观测状态转移概率矩阵B={bij},bij=P(Ti|Sj)表示在所述隐含状态序列中第j个隐含状态Sj的情况下,观测状态为所述观测状态序列中第i个观测状态Ti的概率,所述隐马尔可夫模型的初始状态概率矩阵Π={πi},πi表示所述隐含状态序列的第一个值是所述隐含状态序列中第i个隐含状态Si的概率;其中,M、N、i和j为整数。
5.根据权利要求4所述的用于群智感知的隐私保护装置,其特征在于,所述确定单元,包括:
第一计算子单元,用于基于所述隐马尔可夫模型,对于用户能够上传的任意一种群智感知数据利用维特比算法确定出和P[Si],判断下述公式是否成立;
第二计算子单元,用于对于满足所述的用户能够上传的群智感知数据计算该用户能够上传的群智感知数据所包含的信息可用量公式如下:
其中,所述中第i个数据Oi等于所述观测状态序列中第i个观测状态Ti或者空值,所述为在已知所述的情况下确定出所述隐含状态序列中第i个隐含状态Si的概率,所述P[Si]为在未知所述的情况下确定出所述隐含状态序列中第i个隐含状态Si的概率,所述δ为预先设置的一个常数值,所述x为所述中不为空的数据数量;
确定子单元,用于将确定出的所述信息可用量进行比较,确定所述信息可用量中的最大信息可用量所对应的用户能够上传的群智感知数据为所述用于上传的群智感知数据。
6.根据权利要求4所述的用于群智感知的隐私保护装置,其特征在于,所述隐含状态序列的第一个值是所述隐含状态序列中第i个隐含状态Si的概率
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510018797.2A CN105844168B (zh) | 2015-01-14 | 2015-01-14 | 用于群智感知的隐私保护方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510018797.2A CN105844168B (zh) | 2015-01-14 | 2015-01-14 | 用于群智感知的隐私保护方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105844168A CN105844168A (zh) | 2016-08-10 |
CN105844168B true CN105844168B (zh) | 2018-12-28 |
Family
ID=56579814
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510018797.2A Active CN105844168B (zh) | 2015-01-14 | 2015-01-14 | 用于群智感知的隐私保护方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105844168B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108197889A (zh) * | 2017-12-28 | 2018-06-22 | 吉林大学 | 一种基于移动性预测的群智感知用户招募方法和*** |
CN108494760A (zh) * | 2018-03-14 | 2018-09-04 | 安徽大学 | 一种保护隐私的群智感知真值发现方法 |
CN109214205B (zh) * | 2018-08-01 | 2021-07-02 | 安徽师范大学 | 一种群智感知中基于k-匿名的位置及数据隐私保护方法 |
CN109347829B (zh) * | 2018-10-23 | 2020-06-26 | 北京理工大学 | 一种基于隐私保护的群智感知网络真值发现方法 |
CN111093191B (zh) * | 2019-12-11 | 2022-09-23 | 南京邮电大学 | 基于差分隐私的群智感知位置数据发布方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070005155A1 (en) * | 2003-08-28 | 2007-01-04 | Yoshinori Aoki | Database system, information acquisition enabled/disabled inspectiion system, information acquisition method, and program |
CN103761485A (zh) * | 2014-01-13 | 2014-04-30 | 清华大学 | 一种隐私保护方法 |
CN103870764A (zh) * | 2014-04-08 | 2014-06-18 | 孙钢 | 一种可用于电子医疗的个人隐私保护方法组件及*** |
-
2015
- 2015-01-14 CN CN201510018797.2A patent/CN105844168B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070005155A1 (en) * | 2003-08-28 | 2007-01-04 | Yoshinori Aoki | Database system, information acquisition enabled/disabled inspectiion system, information acquisition method, and program |
CN103761485A (zh) * | 2014-01-13 | 2014-04-30 | 清华大学 | 一种隐私保护方法 |
CN103870764A (zh) * | 2014-04-08 | 2014-06-18 | 孙钢 | 一种可用于电子医疗的个人隐私保护方法组件及*** |
Non-Patent Citations (1)
Title |
---|
"位置大数据隐私保护研究综述";王璐等;《软件学报》;20140430;第25卷(第4期);第694-708页 * |
Also Published As
Publication number | Publication date |
---|---|
CN105844168A (zh) | 2016-08-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105844168B (zh) | 用于群智感知的隐私保护方法及装置 | |
CN105956518A (zh) | 一种人脸识别方法、装置和*** | |
CN107370983A (zh) | 用于视频监控***的行踪轨迹的获取方法和装置 | |
CN113111767A (zh) | 一种基于深度学习3d姿态评估的跌倒检测方法 | |
CN104732465A (zh) | 一种监测学生学习状态的方法、装置及*** | |
US9647990B2 (en) | Method for anonymously associating measurement device measurements to a source ID | |
CN109996220A (zh) | 基于蓝牙寻找移动终端的方法、装置及存储介质 | |
CN101895866A (zh) | 位置服务中的轨迹隐私度量方法 | |
CN109326025A (zh) | 智能门锁的开锁方法及装置 | |
CN109977324A (zh) | 一种兴趣点挖掘方法及*** | |
CN109788242A (zh) | 救援***、救援方法及其所使用的服务器 | |
CN110019382A (zh) | 用户亲密度指数确定方法、装置、存储介质及电子设备 | |
CN103761485B (zh) | 一种隐私保护方法 | |
CN105208337B (zh) | 基于拼接墙的图像处理方法及装置 | |
TWI681306B (zh) | 基於用戶行為的群組通知方法、系統以及儲存媒體 | |
CN107944635A (zh) | 一种融合话题因子的信息传播预测模型及方法 | |
CN107484124A (zh) | 一种基于csi的虚拟现实跟踪方法及*** | |
US10176379B1 (en) | Integrating computer vision and wireless data to provide identification | |
CN207650890U (zh) | 智能闸机及智能闸机考勤*** | |
CN109325177A (zh) | 信息推送方法、***、可读存储介质和计算机设备 | |
CN105912875A (zh) | 匿名无关联检测方法、疫情监控方法及装置 | |
CN109753934A (zh) | 一种识别图像真伪的方法以及识别装置 | |
CN109147205A (zh) | 一种智能药品放置及方法 | |
CN106932841A (zh) | 环境监测装置、导航设备及导航服务端 | |
CN115830700A (zh) | 应用于无线感知场景的联邦学***台及训练方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |