<thead id="3jag6"><rt id="3jag6"><noscript id="3jag6"></noscript></rt></thead>
  • <s id="3jag6"><track id="3jag6"><menuitem id="3jag6"></menuitem></track></s>
        <sub id="3jag6"><p id="3jag6"></p></sub>

          <style id="3jag6"></style>
          国产精品久久久久久久网,人人妻人人澡人人爽国产,亚洲中文字幕无码爆乳APP,免费大片黄国产在线观看,无码抽搐高潮喷水流白浆,国产久免费热视频在线观看,国产亚洲精品成人aa片新蒲金,久久久97丨国产人妻熟女
          Document
          拖動滑塊完成拼圖
          個人中心

          預訂訂單
          服務訂單
          發布專利 發布成果 人才入駐 發布商標 發布需求

          在線咨詢

          聯系我們

          龍圖騰公眾號
          首頁 專利交易 IP管家助手 科技果 科技人才 科技服務 國際服務 商標交易 會員權益 需求市場 關于龍圖騰
           /  免費注冊
          到頂部 到底部
          清空 搜索
          當前位置 : 首頁 > 專利喜報 > 合肥工業大學陳亞獲國家專利權

          合肥工業大學陳亞獲國家專利權

          買專利賣專利找龍圖騰,真高效! 查專利查商標用IPTOP,全免費!專利年費監控用IP管家,真方便!

          龍圖騰網獲悉合肥工業大學申請的專利基于Transformer-卷積神經網絡相結合的混合比特幣去匿名化方法獲國家發明授權專利權,本發明授權專利權由國家知識產權局授予,授權公告號為:CN118965003B

          龍圖騰網通過國家知識產權局官網在2025-08-22發布的發明授權授權公告中獲悉:該發明授權的專利申請號/專利號為:202411440985.X,技術領域涉及:G06F18/214;該發明授權基于Transformer-卷積神經網絡相結合的混合比特幣去匿名化方法是由陳亞;王夢園;安慶賢;周志翔;戴前智;楊敏;吳華清;梁樑設計研發完成,并于2024-10-16向國家知識產權局提交的專利申請。

          基于Transformer-卷積神經網絡相結合的混合比特幣去匿名化方法在說明書摘要公布了:本發明公開基于Transformer?卷積神經網絡相結合的混合比特幣去匿名化方法,涉及深度學習中分類識別的技術領域,主要包括以下步驟:在初始準備階段,基于爬取比特幣原始交易數據,通過Union?Find算法遍歷交易輸出地址并按啟發式條件聚類,把聚類數據按用戶id進行分類,作為測試集。在識別分類階段,將爬取的已標記實體名稱的數據作為訓練集,采用特征提取的方式進行特征構建,識別每筆交易所對應的用戶類型。本發明通過使用混合網絡對比特幣地址進行去匿名化,該方法順利完成對比特幣交易實體類型的多分類,這種分類網絡在捕捉交易本身特征的同時兼顧交易間的時序特征,有效提高了識別網絡的準確度和可靠性。

          本發明授權基于Transformer-卷積神經網絡相結合的混合比特幣去匿名化方法在權利要求書中公布了:1.基于Transformer-卷積神經網絡相結合的混合比特幣去匿名化方法,其特征在于,包括如下步驟: 基于公開網站中披露的公開可訪問的已經發生的比特幣交易進行數據分析,包括對比特幣原始交易數據和比特幣原始用戶數據進行收集和特征提取;并構建訓練數據集和測試數據集改進現有Transformer網絡和卷積神經網絡并得到最優參數,從而融合得到Transformer-卷積神經網絡相結合的混合網絡; 比特幣原始交易數據收集和特征提取包括獲取比特幣原始交易數據并通過Union-Find算法得到包含每個使用比特幣交易的用戶的所有地址列表,并按交易時間的順序隨機采樣形成一個帶有先后順序的時間序列數據; 比特幣原始用戶數據收集和特征提取包括獲取已標記使用比特幣進行交易用戶類別的原始用戶數據,構造反映使用比特幣進行交易用戶所在的比特幣系統特征的系統變量和具有時序特征的用戶交易間的變量; 構建訓練數據集和測試數據集包括基于比特幣原始交易數據和比特幣原始用戶數據特征按比例構建訓練數據集、測試數據集和驗證數據集; 改進現有Transformer網絡和卷積神經網絡并得到最優參數包括采用數據預處理方式獲得最優參數; 融合得到Transformer-卷積神經網絡相結合的混合網絡包括基于改進現有Transformer網絡和卷積神經網絡得到的最優參數,確定融合的最優參數。

          如需購買、轉讓、實施、許可或投資類似專利技術,可聯系本專利的申請人或專利權人合肥工業大學,其通訊地址為:230009 安徽省合肥市包河區屯溪路193號;或者聯系龍圖騰網官方客服,聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。

          以上內容由AI智能生成
          免責聲明
          1、本報告根據公開、合法渠道獲得相關數據和信息,力求客觀、公正,但并不保證數據的最終完整性和準確性。
          2、報告中的分析和結論僅反映本公司于發布本報告當日的職業理解,僅供參考使用,不能作為本公司承擔任何法律責任的依據或者憑證。
          主站蜘蛛池模板: 在线亚洲精品国产一区二区| 高大丰满欧美熟妇hd| 亚洲欧洲日本精品专线| 亚洲中文字幕无码久久精品1| 色综合视频一区中文字幕| 欧美变态另类牲交zozo| 欧美另类精品xxxx| 中文人妻av高清一区二区| 男男女女爽爽爽免费视频| 精品国产肉丝袜在线拍国语| 任我爽橹在线视频精品583| 国产人妻777人伦精品hd| 国产国语亲子伦亲子| 美日欧激情av大片免费观看| 亚洲天堂一区二区成人在线| 亚洲欧美综合精品二区| 国产视频一区二区| 日本亚洲欧美在线视观看| 久久天天躁夜夜躁狠狠85台湾| 一个人看的www视频在线播放| 无码AV无码免费一区二区| 老司机久久99久久精品播放| 日韩人妻无码中文字幕一区| 亚洲欧美日韩在线码| 最近日本免费观看高清视频| 欧美人与动牲猛交a欧美精品| 日韩精品人妻无码久久影院| 自拍 另类 综合 欧美小说| 日本一道一区二区视频| 亚洲男人成人性天堂网站| 高潮流白浆潮喷在线播放视频 | 国产成人精品无码片区| 国产乱沈阳女人高潮乱叫老| 午夜免费视频| 男人狂桶女人出白浆免费视频| 亚洲精品乱码久久久久红杏| 国产欧美久久一区二区| 国产如狼似虎富婆找强壮黑人| av一本久道久久综合久久鬼色| 亚洲国产精品日韩在线| 欧美疯狂xxxxbbbb喷潮|