-
公开(公告)号：CN116523032B
公开(公告)日：2023-09-29
申请号：CN202310235411.8
申请日：2023-03-13
Applicant: 之江实验室
IPC: G06N3/094 , G06N3/096 , G06V30/19 , G06N3/0464
Abstract: 本发明公开了一种图像文本双端迁移攻击方法、装置和介质，该方法的步骤包括分析攻击目标模型、本地替代模型训练、对抗样本生成和对抗样本迁移，其中，分析攻击目标模型，即对比语言图像预训练模型，其可以接受图像与文本两端输入，之后根据输出向量的相似度进行结果预测；本地替代模型训练为根据目标模型的骨干网络训练替代模型，用于迁移攻击；对抗样本生成为对本地替代模型的进行攻击，进而获得图像和文本的对抗样本；对抗样本迁移为对抗样本输入对比语言图像预训练模型，最终导致网络无法正常工作，网络预测分类错误。本发明从图像和文本两个输入端口进行攻击，同时在本地训练相关模型进行迁移攻击，大幅提高了攻击成功率。
-
公开(公告)号：CN116089955B
公开(公告)日：2023-09-26
申请号：CN202211528529.1
申请日：2022-12-01
Applicant: 之江实验室
Abstract: 本发明公开了一种基于windows操作系统的系统调用去噪方法及装置，该方法基于提取到的系统调用参数，构造进程‑线程亲子关系图谱和时序图，对线程进行行为分析和过滤，保留在磁盘/内存/注册表/网络层面产生增、删、改行为的线程，并对这些进程产生的系统调用生成了系统调用描述文件。该方法能够有效减少在系统调用分析中原始数据的噪声，同时保留系统调用原有的亲缘和时序关系，使得计算机产生的系统调用能够以文本的形式进行描述和比较。
-
公开(公告)号：CN115860281B
公开(公告)日：2023-07-07
申请号：CN202310170296.0
申请日：2023-02-27
Applicant: 之江实验室
IPC: G06Q10/04 , G06Q50/06 , G06N3/0442 , G06N3/045 , G06F18/211 , H02J3/00
Abstract: 本发明公开了一种基于跨实体注意力的能源系统多实体负载预测方法和装置，该方法包括以下步骤：首先对数据预处理，采用特征变量选择网络预测各个实体对特征的依赖性，并通过长短期记忆网络提取时间依赖信息；然后对实体编码；其次使用通过键值查询不同实体间的注意力，以对实体间的相互作用进行编码计算跨实体注意力；再将特征编码输出为负载预测值；通过以上步骤对负载预测网络模型进行训练学习，以获取最终的负载预测网络模型；最后将新的输入特征变量输入负载预测网络模型，即可获取负载预测值。本发明能够高效地对实体的时间特征进行建模并模拟实体间的相关性，量化一个时间窗口内多个实体之间的相关性，大幅提高各个实体负载预测的准确度。
-
公开(公告)号：CN116089955A
公开(公告)日：2023-05-09
申请号：CN202211528529.1
申请日：2022-12-01
Applicant: 之江实验室
Abstract: 本发明公开了一种基于windows操作系统的系统调用去噪方法及装置，该方法基于提取到的系统调用参数，构造进程‑线程亲子关系图谱和时序图，对线程进行行为分析和过滤，保留在磁盘/内存/注册表/网络层面产生增、删、改行为的线程，并对这些进程产生的系统调用生成了系统调用描述文件。该方法能够有效减少在系统调用分析中原始数据的噪声，同时保留系统调用原有的亲缘和时序关系，使得计算机产生的系统调用能够以文本的形式进行描述和比较。
-
公开(公告)号：CN115953590A
公开(公告)日：2023-04-11
申请号：CN202211597576.1
申请日：2022-12-12
Applicant: 之江实验室
IPC: G06V10/424 , G06V10/764 , G06V10/82 , G06F40/30 , G06F40/289 , G06N3/0442 , G06N3/047 , G06N3/084
Abstract: 本发明公开了一种分段式细粒度的商品图像描述生成方法、装置和介质，该方法包括以下步骤：首先构造一个粗粒度的商品图像描述生成框架，由图像特征提取器、文本解码器、映射网络三部分组成；然后针对图像特征提取器以及文本解码器进行预训练，之后通过映射网络对齐语义空间，生成粗粒度的图像描述；其次在公开的商品描述数据集上微调已有的大型文本生成网络；再将粗粒度的图像描述输入微调后的文本生成网络，生成细粒度的商品图像描述；最后可将上述生成的商品描述再次输入网络，直至生成满意的商品图像描述。本发明的商品图像描述生成方法能够提高商品描述的丰富度和细腻度，自动化批量生成细粒度的商品图像描述。
-
Patent Agency Ranking
公开(公告)号：CN113806970A
公开(公告)日：2021-12-17
申请号：CN202111372643.5
申请日：2021-11-19
Applicant: 之江实验室
IPC: G06F30/20 , G06Q10/04 , G06Q30/02 , G06Q50/06 , G06F111/04
Abstract: 本发明公开了一种考虑设备选型的混合可再生能源系统优化方法，其包括以下步骤：收集用户能源需求、备选设备参数、用户所在地的地理环境数据；根据设备参数、地理环境数据计算不同类型及不同型号的设备出力曲线和费用信息；将上述数据导入数据库中，同时设定最大设备型号数量及初始设备型号数量，构建混合可再生能源系统模型；以年化总费用最小为目标函数，对混合可再生能源系统模型优化求解。本发明提出的混合可再生能源系统优化方法综合考虑用户电、热、冷等不同能源需求，并可根据能源需求提出最佳的混合可再生能源系统设计方案，可有效降低能源生产成本，并减少系统建设及生产维护过程的投入。
-
公开(公告)号：CN115953590B
公开(公告)日：2024-01-30
申请号：CN202211597576.1
申请日：2022-12-12
Applicant: 之江实验室
IPC: G06V10/424 , G06V10/764 , G06V10/82 , G06F40/30 , G06F40/289 , G06N3/0442 , G06N3/047 , G06N3/084
Abstract: 本发明公开了一种分段式细粒度的商品图像描述生成方法、装置和介质，该方法包括以下步骤：首先构造一个粗粒度的商品图像描述生成框架，由图像特征提取器、文本解码器、映射网络三部分组成；然后针对图像特征提取器以及文本解码器进行预训练，之后通过映射网络对齐语义空间，生成粗粒度的图像描述；其次在公开的商品描述数据集上微调已有的大型文本生成网络；再将粗粒度的图像描述输入微调后的文本生成网络，生成细粒度的商品图像描述；最后可将上述生成的商品描述再次输入网络，直至生成满意的商品图像描述。本发明的商品图像描述生成方法能够提高商品描述的丰富度和细腻度，自动化批量生成细粒度的商品图像描述。
-
公开(公告)号：CN117369783A
公开(公告)日：2024-01-09
申请号：CN202311665188.7
申请日：2023-12-06
Applicant: 之江实验室
Abstract: 在本说明书提供的一种安全代码生成模型的训练方法及装置中，根据第一业务需求指令与第一安全代码，确定思维链提示文本，以及将安全提示词、第二业务需求指令以及该思维链提示文本，输入安全代码生成模型，生成第二安全代码。根据第二业务需求指令，通过该安全代码生成模型，生成业务代码，根据该业务代码与该第二安全代码的差异，确定损失，并以损失最小为优化目标训练该安全代码生成模型。通过引入思维链提示文本，使生成的第二安全代码兼顾了安全风险，及以该第二安全代码与业务代码的损失最小为优化目标训练模型，使训练完的安全代码生成模型仅根据业务需求指令，就可生成满足该业务需求且兼顾安全风险的安全代码，节约了代码开发的成本。
-
公开(公告)号：CN113433906A
公开(公告)日：2021-09-24
申请号：CN202110704873.0
申请日：2021-06-24
Applicant: 之江实验室
IPC: G05B19/418
Abstract: 本发明公开了一种蒸馏装置产物预测及蒸馏操作参数优化的方法，其包括以下步骤：收集原料信息及产物需求；根据原料类型，构建蒸馏机理模型；预设物性参数、操作参数；根据操作参数P稳态操作，获取产物检测值，根据机理模型获取产物预测计算值；以产物检测值与产物预测计算值偏差最小为目标函数，优化物性参数；根据优化物性参数，以最小操作成本为目标函数，优化操作参数；将本轮优化的物性参数值与上一轮比较，若改进值小于ε，则输出优化后的操作参数及物性参数值，否则继续迭代优化。该方法既能通过产物检测值修正物性参数的准确性，提升产物预测值的精度，又可通过优化操作参数，适应不同的产物需求，降低生产操作成本，提升生产效率。
-
公开(公告)号：CN116523032A
公开(公告)日：2023-08-01
申请号：CN202310235411.8
申请日：2023-03-13
Applicant: 之江实验室
IPC: G06N3/094 , G06N3/096 , G06V30/19 , G06N3/0464
Abstract: 本发明公开了一种图像文本双端迁移攻击方法、装置和介质，该方法的步骤包括分析攻击目标模型、本地替代模型训练、对抗样本生成和对抗样本迁移，其中，分析攻击目标模型，即对比语言图像预训练模型，其可以接受图像与文本两端输入，之后根据输出向量的相似度进行结果预测；本地替代模型训练为根据目标模型的骨干网络训练替代模型，用于迁移攻击；对抗样本生成为对本地替代模型的进行攻击，进而获得图像和文本的对抗样本；对抗样本迁移为对抗样本输入对比语言图像预训练模型，最终导致网络无法正常工作，网络预测分类错误。本发明从图像和文本两个输入端口进行攻击，同时在本地训练相关模型进行迁移攻击，大幅提高了攻击成功率。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.028 seconds)
