-
公开(公告)号：CN116541542A
公开(公告)日：2023-08-04
申请号：CN202310821656.9
申请日：2023-07-06
Applicant: 江南大学
IPC: G06F16/483 , G06V10/82 , G06F18/214 , G06F18/24 , G06F21/55
Abstract: 本发明涉及自然语言处理和计算机视觉的交叉技术领域，提出了一种基于扩散模型的图文检索后门攻击方法、装置及设备，包括：从数据集中提取样本图像，在所述样本图像中生成区域掩膜；利用扩散模型将所述区域掩膜替换为触发器图片；将后门攻击目标标签与所述触发器图片组合生成脏图文对；将所述脏图文对输入图文检索预训练模型进行微调，得到图文检索后门攻击模型，以便推动后门攻击防御领域的发展。本文设计的基于扩散模型的图文检索后门攻击方法实现了图文检索后门攻击的可行性、隐蔽性，提高了后门攻击的成功率，对于多模态后门攻击防御技术的改进有重要意义。
-
公开(公告)号：CN116541542B
公开(公告)日：2023-10-13
申请号：CN202310821656.9
申请日：2023-07-06
Applicant: 江南大学
IPC: G06F16/483 , G06V10/82 , G06F18/214 , G06F18/24 , G06F21/55
Abstract: 本发明涉及自然语言处理和计算机视觉的交叉技术领域，提出了一种基于扩散模型的图文检索后门攻击方法、装置及设备，包括：从数据集中提取样本图像，在所述样本图像中生成区域掩膜；利用扩散模型将所述区域掩膜替换为触发器图片；将后门攻击目标标签与所述触发器图片组合生成脏图文对；将所述脏图文对输入图文检索预训练模型进行微调，得到图文检索后门攻击模型，以便推动后门攻击防御领域的发展。本文设计的基于扩散模型的图文检索后门攻击方法实现了图文检索后门攻击的可行性、隐蔽性，提高了后门攻击的成功率，对于多模态后门攻击防御技术的改进有重要意义。
-
公开(公告)号：CN113377959B
公开(公告)日：2022-12-09
申请号：CN202110770088.5
申请日：2021-07-07
Applicant: 江南大学
IPC: G06F16/35 , G06F16/33 , G06F16/335 , G06F40/126 , G06N20/00
Abstract: 本发明公开了一种基于元学习及深度学习的少样本社交媒体谣言检测方法，包括：通过大样本事件的文本数据和双向GRU模型得到通用预测模型，获取少样本事件的文本数据并将少样本事件的谣言检测任务建模为二分类机器学习任务，将少样本事件的文本数据分为有标注少样本和无标注少样本，使用有标注少样本更新通用预测模型的参数得到少样本谣言预测模型，将无标注少样本输入少样本谣言预测模型得到预测结果。本发明通过元学习方法构造少样本谣言预测模型和二分类机器学习任务，对突发事件相关文本进行有效的谣言预测，从而在早期及时遏制谣言的传播。
-
公开(公告)号：CN113377959A
公开(公告)日：2021-09-10
申请号：CN202110770088.5
申请日：2021-07-07
Applicant: 江南大学
IPC: G06F16/35 , G06F16/33 , G06F16/335 , G06F40/126 , G06N20/00
Abstract: 本发明公开了一种基于元学习及深度学习的少样本社交媒体谣言检测方法，包括：通过大样本事件的文本数据和双向GRU模型得到通用预测模型，获取少样本事件的文本数据并将少样本事件的谣言检测任务建模为二分类机器学习任务，将少样本事件的文本数据分为有标注少样本和无标注少样本，使用有标注少样本更新通用预测模型的参数得到少样本谣言预测模型，将无标注少样本输入少样本谣言预测模型得到预测结果。本发明通过元学习方法构造少样本谣言预测模型和二分类机器学习任务，对突发事件相关文本进行有效的谣言预测，从而在早期及时遏制谣言的传播。
-
-
-
Search Results
4
records
(took 0.024 seconds)
