-
公开(公告)号：CN114091752A
公开(公告)日：2022-02-25
申请号：CN202111387699.8
申请日：2021-11-22
Applicant: 复旦大学
Abstract: 本发明属于人工智能时间序列预测技术领域，具体为一种提升时间序列预测系统预测时间序列效果的方法。本发明基于时间序列预测损失上的理论分析，设计新的时间序列预测算法，该算法建模历史数据模式与未来数据模式上的差异，提出两步走的训练方式，一方面保证模型对历史数据的记忆不会轻易消失，另一方面保证在未来数据上有较好的预测效果。理论分析与实验验证表明，在时间序列预测任务中，本发明预测方法相比于其他方法，可以有效缓解由于数据随时间的变化即概念漂移而导致的模型老化问题；可以进一步提升模型的预测准确率。本发明能够广泛应用于各类基于实数值的时间序列预测任务，提升任务在未来数据点上的预测准确度。
-
公开(公告)号：CN114091752B
公开(公告)日：2024-09-03
申请号：CN202111387699.8
申请日：2021-11-22
Applicant: 复旦大学
IPC: G06Q10/04 , G06Q10/109 , G06N3/0442 , G06N3/0464 , G06N3/08 , G06F18/24
Abstract: 本发明属于人工智能时间序列预测技术领域，具体为一种提升时间序列预测系统预测时间序列效果的方法。本发明基于时间序列预测损失上的理论分析，设计新的时间序列预测算法，该算法建模历史数据模式与未来数据模式上的差异，提出两步走的训练方式，一方面保证模型对历史数据的记忆不会轻易消失，另一方面保证在未来数据上有较好的预测效果。理论分析与实验验证表明，在时间序列预测任务中，本发明预测方法相比于其他方法，可以有效缓解由于数据随时间的变化即概念漂移而导致的模型老化问题；可以进一步提升模型的预测准确率。本发明能够广泛应用于各类基于实数值的时间序列预测任务，提升任务在未来数据点上的预测准确度。
-
公开(公告)号：CN112395884A
公开(公告)日：2021-02-23
申请号：CN202011274561.2
申请日：2020-11-15
Applicant: 复旦大学
Abstract: 本发明属于移动安全技术领域，具体为一种基于代码文档的安卓API语义关系图谱构建方法。安卓系统拥有大量API，并且API之间蕴含着丰富的语义关系。这些语义关系具有重要的应用价值，特别是在使用API作为输入特征的机器学习任务中，能为模型提供更强的泛化性。本发明的基于代码文档的安卓API语义关系图谱构建方法，主要包括安卓API语义关系分类、可泛化表示API关系的模板及其迭代式生成、基于自然语言处理和模板的关系图谱构建。本发明能够全面准确地构建安卓API之间的语义关系图谱。
-
公开(公告)号：CN112417450B
公开(公告)日：2022-05-20
申请号：CN202011312359.4
申请日：2020-11-20
Applicant: 复旦大学
Abstract: 本发明属于移动安全技术领域，具体为一种基于动态行为序列和深度学习的恶意软件实时检测系统，本发明系统包括两个核心模块：应用动态行为实时采集子系统和应用行为实时判别子系统，应用动态行为实时采集子系统用于持续、可靠地记录应用所调用的框架层函数调用接口与和内核层系统调用序列，以表征应用所产生的行为；为应用行为判别子系统提供行为判别依据；应用行为实时判别子系统利用深度学习技术探索行为序列信息内在联系，使用机器学习模型对上述调用序列进行即时判别，以高效准确地识别出应用中的恶意行为。系统还包括数据处理模块和数据通信模块，用来协助两个核心模块的运行。本发明可有效缓解移动系统生态面临的安全问题与威胁。
-
公开(公告)号：CN112417448B
公开(公告)日：2022-03-18
申请号：CN202011274562.7
申请日：2020-11-15
Applicant: 复旦大学
Abstract: 本发明属于网络空间安全技术领域，具体为一种基于API关系图谱的恶意软件检测模型抗老化增强方法。本发明方法包括：基于知识图谱的API语义关系采集；API语义关系表征，包括API嵌入和API聚类；API语义关系敏感的机器学习模型抗老化的增强。本发明利用API构成的知识图谱，将API之间的语义关系反应到机器学习模型之中，使得模型可以捕获API语义关系，进而提升现有模型的抗老化能力。本发明方法可以和基于数据的模型更新方法一起使用，使模型能够可持续性地检测恶意软件。
-
Patent Agency Ranking
公开(公告)号：CN112417451A
公开(公告)日：2021-02-26
申请号：CN202011315224.3
申请日：2020-11-20
Applicant: 复旦大学
IPC: G06F21/56
Abstract: 本发明属于移动安全技术领域，具体为一种适配智能芯片分级架构的基于深度学习的恶意软件检测方法。本发明包括：针对智能芯片小核，设计浅层模型结构，并根据小核特性进行模型优化；该浅层模型用于实时完成恶意软件检测中的简单任务，检测应用中发生的敏感行为；针对智能芯片大核，设计深层模型结构，并根据大核特性进行优化；深层模型用于精准完成恶意软件检测中的复杂任务，检测软件恶意行为；两层模型采用瀑布融合型方法协同工作；并且两层模型采用的线性加权融合的方式进行判别，实现对恶意软件的高效检测；本发明实现了移动设备端即时可靠、高效低耗的恶意软件检测。
-
公开(公告)号：CN116977967A
公开(公告)日：2023-10-31
申请号：CN202310998755.4
申请日：2023-08-09
Applicant: 复旦大学
IPC: G06V20/56 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08 , G06F21/57
Abstract: 本发明属于人工智能模型安全技术领域，具体为一种针对自动驾驶系统的伪造点云物体识别方法。本发明挖掘并利用现有点云实体伪造攻击在设计上受攻击设备和攻击目标约束的特点，通过评估模型检出的物体的局部组件与真实物体组件的相似性，以区分真实物体和伪造物体：先通过将输入空间划分成若干个等大的局部区域把模型检出的物体切割成若干个局部组件，再利用预训练好的点云分类模型识别这些局部组件是否对应真实物体的局部组件，最后基于识别结果众投判断模型检出物体是否是真实物体。本发明能广泛应用于各种不同构架的点云实体检测模型；并且对于点云实体伪造攻击都具有好的检测鲁棒性和有效性，为自动驾驶系统的安全保护提供有效工具。
-
公开(公告)号：CN114638337A
公开(公告)日：2022-06-17
申请号：CN202210183023.5
申请日：2022-02-27
Applicant: 复旦大学
Abstract: 本发明属于人工智能隐私风险评估领域，具体为一种基于独占神经元分析的训练数据逆向重建方法。本发明基于独占神经元分析，从深度神经网络模型的平均训练梯度中推断修正线性单元(ReLU)的激活状态，将原本高维复杂非线性梯度匹配方程组化简为等价的超定线性方程组，利用稀疏线性方程求解器，准确求解参与训练的原始数据样本和相应数据标签。本发明能够广泛应用于评估深度神经网络在开放网络训练过程中的隐私风险，帮助尽早发现模型训练过程中的数据泄漏隐患，相比现有评估方法，在重建精度和重建样本数上均有显著提升。
-
公开(公告)号：CN112417451B
公开(公告)日：2022-04-12
申请号：CN202011315224.3
申请日：2020-11-20
Applicant: 复旦大学
IPC: G06F21/56
Abstract: 本发明属于移动安全技术领域，具体为一种适配智能芯片分级架构的基于深度学习的恶意软件检测方法。本发明包括：针对智能芯片小核，设计浅层模型结构，并根据小核特性进行模型优化；该浅层模型用于实时完成恶意软件检测中的简单任务，检测应用中发生的敏感行为；针对智能芯片大核，设计深层模型结构，并根据大核特性进行优化；深层模型用于精准完成恶意软件检测中的复杂任务，检测软件恶意行为；两层模型采用瀑布融合型方法协同工作；并且两层模型采用的线性加权融合的方式进行判别，实现对恶意软件的高效检测；本发明实现了移动设备端即时可靠、高效低耗的恶意软件检测。
-
公开(公告)号：CN112395884B
公开(公告)日：2022-04-12
申请号：CN202011274561.2
申请日：2020-11-15
Applicant: 复旦大学
Abstract: 本发明属于移动安全技术领域，具体为一种基于代码文档的安卓API语义关系图谱构建方法。安卓系统拥有大量API，并且API之间蕴含着丰富的语义关系。这些语义关系具有重要的应用价值，特别是在使用API作为输入特征的机器学习任务中，能为模型提供更强的泛化性。本发明的基于代码文档的安卓API语义关系图谱构建方法，主要包括安卓API语义关系分类、可泛化表示API关系的模板及其迭代式生成、基于自然语言处理和模板的关系图谱构建。本发明能够全面准确地构建安卓API之间的语义关系图谱。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.019 seconds)
