-
公开(公告)号：CN118115862B
公开(公告)日：2024-07-05
申请号：CN202410533850.1
申请日：2024-04-30
Applicant: 南京信息工程大学
IPC: G06V20/00 , G06V40/16 , G06V10/82 , G06V10/774 , G06N3/045 , G06N3/0475 , G06N3/094 , G06N3/084 , G06N3/088
Abstract: 本发明提出了一种人脸图像篡改异常检测方法、装置及介质，在cycleGAN基础上，引入了SENet通道注意力模块以增强模型性能。该方法通过无监督学习正常未经篡改的人脸图像分布，使用量化的异常图像重建差异作为异常得分；通过与预设阈值进行比较，实现对人脸篡改图像的异常检测；本发明利用生成式模型和通道注意力模块相结合，有效提升了人脸篡改图像检测的精度和鲁棒性；通过量化异常图像的重建差异，该方法能够可靠地识别出潜在的篡改行为，为人脸图像的安全性提供了有效保障。
-
公开(公告)号：CN117974840B
公开(公告)日：2024-06-11
申请号：CN202410384865.6
申请日：2024-04-01
Applicant: 南京信息工程大学
IPC: G06T11/20 , A61B5/318 , A61B5/00 , G06N3/045 , G06N3/0464 , G06N3/0475 , G06N3/094 , G06N10/20
Abstract: 本发明公开了基于混合量子深度卷积生成对抗网络的心电图生成系统，包括数据预处理模块、参数设置模块、心电图数据生成模块、心电图数据判别模块、判别器参数更新模块和最终心电图数据获取模块；对真实心电图数据进行预处理，构建包括生成器和判别器的混合量子深度卷积生成对抗网络模型；将噪声输入到生成器中，输出生成的心电图数据；将预处理后的真实心电图数据和生成的心电图数据分别输入到判别器中，输出结果为二分类问题；更新生成器和判别器的参数，直到达到迭代次数，输出更新后的混合量子深度卷积生成对抗网络模型，获得最终的心电图数据。本发明提高了生成器的学习能力和表达能力，节省了量子资源，提高了量子模型的稳健性。
-
公开(公告)号：CN117786705B
公开(公告)日：2024-05-14
申请号：CN202410221546.3
申请日：2024-02-28
Applicant: 南京信息工程大学
IPC: G06F21/57 , G06F21/56 , G06F18/213 , G06F18/214 , G06N3/042
Abstract: 本发明公开了一种基于异构图变换网络的语句级漏洞检测方法及系统，包括：将源代码的单个函数作为原始输入数据分割成单个语句样本，每个语句样本通过预训练的BPE标记器进行标记以及序列化后，由源代码中提取整体函数嵌入特征#imgabs0#和语句嵌入特征#imgabs1#；将整体函数嵌入特征#imgabs2#和语句嵌入特征#imgabs3#转化为训练样本，利用训练样本对漏洞检测模型进行训练；获取待检测的软件编程代码，将软件编程代码输入至预设的漏洞检测模型获得检测结果，将检测结果输入至改进的图神经网络解释器进行漏洞解释获得漏洞语句；为语句级漏洞检测提供更丰富、更全面的信息，提高了漏洞检测的精度。
-
公开(公告)号：CN118012499A
公开(公告)日：2024-05-10
申请号：CN202410263874.X
申请日：2024-03-08
Applicant: 南京信息工程大学
IPC: G06F8/75 , G06N3/0455 , G06N3/047 , G06N3/042 , G06N3/0464 , G06N3/0442 , G06N3/045 , G06N3/08 , G06F18/22
Abstract: 本发明公开了一种代码语义克隆检测方法、装置及系统，所述代码语义克隆检测方法包括将源代码处理成向量表示；将所述代码表示输入至预先训练好的Siamese网络模型，由所述神经网络模型预测输入的向量表示是否构成克隆对；所述Siamese网络模型包括Transformer编码器、图卷积网络模型和分类器，使用一致的权重来处理两个不同的输入，使得生成的图嵌入对具有可比性；使用LIME解释器对所述神经网络模型的预测结果进行解释。本发明不仅能够准确识别代码的语义克隆，还可以为检测结果提供直观的解释。
-
公开(公告)号：CN117786705A
公开(公告)日：2024-03-29
申请号：CN202410221546.3
申请日：2024-02-28
Applicant: 南京信息工程大学
IPC: G06F21/57 , G06F21/56 , G06F18/213 , G06F18/214 , G06N3/042
Abstract: 本发明公开了一种基于异构图变换网络的语句级漏洞检测方法及系统，包括：将源代码的单个函数作为原始输入数据分割成单个语句样本，每个语句样本通过预训练的BPE标记器进行标记以及序列化后，由源代码中提取整体函数嵌入特征#imgabs0#和语句嵌入特征#imgabs1#；将整体函数嵌入特征#imgabs2#和语句嵌入特征#imgabs3#转化为训练样本，利用训练样本对漏洞检测模型进行训练；获取待检测的软件编程代码，将软件编程代码输入至预设的漏洞检测模型获得检测结果，将检测结果输入至改进的图神经网络解释器进行漏洞解释获得漏洞语句；为语句级漏洞检测提供更丰富、更全面的信息，提高了漏洞检测的精度。
-
Patent Agency Ranking
公开(公告)号：CN117725589A
公开(公告)日：2024-03-19
申请号：CN202311622585.6
申请日：2023-11-30
Applicant: 南京信息工程大学
IPC: G06F21/57 , G06F18/2415 , G06N3/0499 , G06N3/084
Abstract: 本发明公开了网络安全检测技术领域的一种具有可解释性的源代码漏洞检测方法及系统，旨在解决现有漏洞检测技术无法精确定位漏洞具体位置以及解释漏洞成因的技术问题。其漏洞检测方法包括：采集原始源代码和注释，通过预构建的unixcoder模型进行预处理以获取语义信息和结构信息；使用一对一映射函数将语义信息转化为序列化结构，并保留抽象语法树中的结构信息；将序列化结构输入至预构建的Transformer模型中进行训练，引入自注意力机制计算漏洞的风险得分，进行行级漏洞定位，并利用注意力热图找出漏洞区域，获得具有可解释性的漏洞检测结果。本发明应用于软件开发和网络安全领域，能够提高漏洞检测的准确性和可解释性，有效预防数据泄露、系统崩溃等安全风险。
-
公开(公告)号：CN118097197B
公开(公告)日：2024-08-06
申请号：CN202410512258.3
申请日：2024-04-26
Applicant: 南京信息工程大学
IPC: G06V10/75 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种图像识别神经网络模型的匹配方法，属于神经网络技术领域，包括：获取各待选神经网络模型的历史图像识别信息；根据各待选神经网络模型的历史图像识别信息，对目标图像数据集进行识别处理，获取目标图像数据集与各待选神经网络模型的综合匹配度；根据综合匹配度筛选与目标图像数据集的优选神经网络模型，获取优选神经网络模型数据集。本发明根据综合匹配度建立优选神经网络模型数据集并进行识别质效分析处理，获取与优选神经网络模型对应的综合处理质效评估指数，利用综合处理质效评估指数筛选出最优神经网络模型，其与目标图像数据集具有高适配度且最优神经网络模型针对目标图像数据集也具有高处理效率和处理质量。
-
公开(公告)号：CN115903741B
公开(公告)日：2024-03-15
申请号：CN202211445673.9
申请日：2022-11-18
Applicant: 南京信息工程大学
IPC: G05B23/02 , G06N3/0475 , G06N3/048
Abstract: 本发明公开了一种基于BiGRU‑VAE和Deep SVDD的工业控制系统数据异常检测方法，包括：获取待检测的安全水处理数据和/或水分配数据，并进行预处理；将预处理后的数据输入训练好的基于BiGRU‑VAE重构模型进行重构，得到重构误差；对所述重构误差进行指数加权移动平均值EMWA平滑处理得到平滑处理后的重构误差；将平滑处理后的重构误差输入训练好的基于Deep SVDD的数据异常检测模型；根据数据异常检测模型的输出，确定数据异常检测结果。
-
公开(公告)号：CN116978105A
公开(公告)日：2023-10-31
申请号：CN202311116887.6
申请日：2023-08-31
Applicant: 南京信息工程大学
IPC: G06V40/16 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种AI换脸图像异常检测方法，包括：对待检测数据进行预处理；将预处理后的待检测数据输入训练好的检测模型，得到生成数据；计算待检测数据和生成数据之间的异常得分；将异常得分和预设阈值进行对比，判别待检测数据是否为异常图像；其中，待检测数据为疑似AI换脸处理生成的图像，检测模型为改进GAN模型，改进GAN模型在其生成器中增设self‑attention模块和一个编码器。本发明采用无监督的训练方法和生成式模型，通过增加映射编码器提高模型训练速度，引入自注意力机制提高模型对复杂人脸图像生成的泛化能力。
-
公开(公告)号：CN116630140A
公开(公告)日：2023-08-22
申请号：CN202310333180.4
申请日：2023-03-31
Applicant: 南京信息工程大学
IPC: G06T3/00 , G06N3/0475 , G06N3/0464 , G06N3/094
Abstract: 本发明公开了一种基于条件生成对抗网络的动漫人像真人化的实现方法、设备及介质，获取若干对成对的动漫人像图片和真实人像图片作为训练样本；将训练样本输入条件生成对抗网络进行训练，直到损失函数最小时，获得训练好的条件生成对抗网络；将动漫人像图片输入条件生成对抗网络中的生成器，输出真实人像图片。本发明提供的一种基于条件生成对抗网络的动漫人像真人化的实现方法、设备及介质，使得条件生成对抗网络的生成器性能达到最佳，可以将输入的动漫人像图片真实化，做到动漫人像真实化的高效性和实时性。
-
-
-
-
-
-
-
-
-
Search Results
40
records
(took 0.026 seconds)
