-
公开(公告)号：CN119720196A
公开(公告)日：2025-03-28
申请号：CN202411768358.9
申请日：2024-12-04
Applicant: 广东工业大学
IPC: G06F21/56 , G06V10/764 , G06V10/44 , G06V10/82 , G06N3/0464
Abstract: 本发明提供一种伪标签优化与主副模型协同的恶意软件分类方法，包括构建并预训练基于DAN‑EfficientNet网络的恶意软件分类模型作为主模型、以及基于DAN‑MobileNet网络的伪标签生成模型作为副模型；通过伪标签生成模型对新的未知恶意软件样本进行伪标签生成，然后通过贝叶斯控制器筛选后用于恶意软件分类模型的再训练，最后再利用新恶意软件样本的真实标签对再训练的恶意软件分类模型和预训练的伪标签生成模型进行最终的更新训练。本发明通过主副模型协同框架，帮助主模型进行再训练，以抵抗新恶意软件的出现对模型性能的影响；通过贝叶斯控制器对伪标签进行质量控制，防止低质量的伪标签影响主模型的再训练性能。
-
公开(公告)号：CN119169125A
公开(公告)日：2024-12-20
申请号：CN202411200426.1
申请日：2024-08-29
Applicant: 广东工业大学
IPC: G06T11/00 , G06N3/0455 , G06N3/0464
Abstract: 本发明公开的一种基于SSM多模态医学图像生成方法、系统和可读存储介质，其中方法包括：获取多模态匹配的基础数据，其中，所述基础数据包括核磁共振图像数据；搭建初始模型，其中，所述初始模型包括MambaR‑UNet模型，所述目标模型包括一个嵌入层、一个编码器、一个解码器以及一个卷积网络层；提取所述基础数据中的分组比例因子以得到训练数据与微调测试数据，基于所述训练数据在一个模态转化方向训练模型，基于所述微调测试数据对训练好的模型进行另一个模态方向的微调得到目标模型；基于所述目标模型对输入的测试图像进行处理以完成所述测试图像的模态转换。本发明通过在Mamba模块后增加一个重编辑层，充分利用可用的训练数据，实现高效的多模态MR I转换任务。
-
公开(公告)号：CN118918678A
公开(公告)日：2024-11-08
申请号：CN202411165585.2
申请日：2024-08-23
Applicant: 广东工业大学
Abstract: 本申请提供了一种多场景的火灾智能检测方法、系统和介质。该方法包括：实时采集预设区域内的监测数据，并与预设阈值对比判断是否存在火灾信息，若存在，采集第一监测时间点的火源状态信息，并提取火焰特征数据以及烟雾特征数据，处理获得火情初始状态指数，获取第二监测时间点的火焰特征数据以及烟雾特征数据，并结合第一监测时间点的火焰特征数据以及烟雾特征数据进行处理，获得火情发展变化指数，同步获取火情处理干扰系数以及环境影响因子，并结合火情初始状态指数以及火情发展变化指数进行救灾难度评估，获得救援难度指数，并进行阈值对比，根据结果获取对应的响应方案对火情展开救援工作，从而实现多场景的火灾智能检测的技术。
-
公开(公告)号：CN118869312A
公开(公告)日：2024-10-29
申请号：CN202411048984.0
申请日：2024-08-01
Applicant: 广东工业大学
IPC: H04L9/40 , G06N3/0442
Abstract: 本发明公开了一种结合Transformer模型和循环神经网络的恶意流量检测模型训练方法。包括以下步骤：初始化训练参数；收集网络流量数据，对流量数据进行标注并组成训练集与测试集；遍历训练集，提取和预处理数据包信息，得到数据包头文本矩阵、数据包内容文本矩阵及时间戳向量；将所述数据包头和数据包内容文本信息的矩阵与所述时间戳向量输入RoBERTa模型和补充模块中，经过处理得到特征矩阵，将特征矩阵依次输入全连接层、softmax头，得到分类结果；计算损失函数值并使用DP‑Adam算法更新RoBERTa参数、SGD算法更新补充模块权重，进行多轮训练，得到最终模型。本发明利用RoBERTa模型强表征能力和补充模块减少语言特征丢失，同时嵌入时间戳以减少时间特征丢失，使用DP‑Adam算法保护数据隐私。
-
公开(公告)号：CN118861938A
公开(公告)日：2024-10-29
申请号：CN202411122772.2
申请日：2024-08-15
Applicant: 广东工业大学
IPC: G06F18/2433 , G06N3/0895 , G06N3/0442 , G06F123/02
Abstract: 本发明提供一种基于时频域对比学习与重构的多维时序异常检测方法，本发明包括对比学习和时序重构两个过程；对比学习将时间序列进行频率混合、时序编码以及随机裁剪后，构建硬负样本，并根据正样本和硬负样本计算对比损失；时序重构过程通过将时间序列进行分割后计算片段间的依赖关系，并通过GRU解码器重构回时间序列；随后计算重构时间序列的重构损失；最后，将对比损失与重构损失作为联合优化目标来训练异常检测模型，并基于异常分数与预设的时序异常判断阈值输出判断结果。本发明通过结合对比学习和时序数据的重构，提高了对各种异常类型数据的检测能力，增强本发明的泛化性，能够适应更加复杂和多样化的异常检测任务。
-
Patent Agency Ranking
公开(公告)号：CN117974421A
公开(公告)日：2024-05-03
申请号：CN202410163655.4
申请日：2024-02-05
Applicant: 广东工业大学
IPC: G06T3/04 , G06V10/82 , G06V10/764 , G06N3/0464 , G06N3/094
Abstract: 本发明提出一种基于风格迁移技术的对抗样本生成方法和系统，涉及人工智能安全领域，包括获取原始图像和任意现有的图像分类模型；基于所述任意现有的图像分类模型构建基础模型，基于所述基础模型构建风格化基础模型；对原始图像进行预处理，将预处理后的图像输入所述基础模型，获得基础模型梯度；从原始图像中任选一张图像作为风格图像输入风格化基础模型，获得风格化模型，将所述预处理后的图像输入风格化模型中，获得风格化模型梯度，重复多次，当达到预设重复次数时，将基础模型梯度和所有风格化模型梯度相加获得组合梯度，利用组合梯度得到最终梯度；利用最终梯度对预处理后的图像进行更新，获得更新后的图像；将更新后的图像作为新的预处理后的图像，重复迭代，当达到预设迭代次数后，将最终更新后的图像作为最终对抗样本。本发明能够更好的生成高质量的对抗样本，提高对抗攻击迁移的成功率。
-
公开(公告)号：CN117876516A
公开(公告)日：2024-04-12
申请号：CN202410047630.8
申请日：2024-01-12
Applicant: 广东工业大学
IPC: G06T11/00 , G06N3/084 , G06T5/10 , G06N3/0464 , G06N3/048
Abstract: 本申请实施例提供了一种基于优化迭代算法的MRI重建方法、系统及介质，该方法包括：获取全采样MRI图像，对全采样MRI图像进行模拟欠采样预处理，得到模拟欠采样MRI图像；获取压缩感知迭代算法，并对压缩感知迭代算法进行优化；基于优化后的迭代算法建立分部逐步恢复深度展开MRI重建模型；构建分部逐步恢复深度展开MRI重建模型损失函数，并对MRI重建模型的模型参数进行微调；将欠采样MRI图像输入分部逐步恢复深度展开MRI重建模型得到重建图像；通过将图像分成两个互补的部分并分步处理的方法，更有效地利用图像不同部分的信息，实现更高质量的重建效果。
-
公开(公告)号：CN117456032A
公开(公告)日：2024-01-26
申请号：CN202311462738.5
申请日：2023-11-06
Applicant: 广东工业大学
Abstract: 本申请实施例提供了一种基于图像分解的无训练磁共振影像重建方法、系统及介质，该方法包括：获取磁共振影像，将磁共振影像输入预设的影像分解模型进行解耦，得到图像边缘区域与平滑区域；通过无训练神经网络先验生成器获取图像边缘区域、平滑区域的分解成分与分解掩码，生成图像边缘区域编码向量、图像平滑区域编码向量与分解掩码的编码向量；基于磁共振影像分解模型与映射关系模型，利用分解掩码对分解成分进行融合，获得磁共振影像重建结果；通过构建磁共振影像分解模型，将磁共振影像分解为边缘区域和平滑区域，并利用无训练神经网络先验生成器灵活获取图像分解成分和分解掩码，以此降低单模型的重建难度以提升磁共振影像的重建效率。
-
公开(公告)号：CN112949702B
公开(公告)日：2023-09-22
申请号：CN202110201538.9
申请日：2021-02-23
Applicant: 广东工业大学
IPC: G06F18/241 , G06N3/045 , G06N3/0442 , G06N3/0464 , G06N3/082 , H04L9/40
Abstract: 本申请公开了一种网络恶意加密流量识别方法和系统，在空间维度上，利用ResNet‑BiLSTM算法模型的卷积层提取有效特征，利用ResNet‑Inception层解决深层次网络梯度消失难以训练的问题，在时间维度上，利用双向LSTM网络学习网络流量间的潜在时间特征，在提高识别准确率的同时提高了分类器的执行效率，同时还满足了在不侵犯用户隐私的条件下，识别出恶意加密流量的目标，解决了现有的恶意加密流量识别方式采用CNN和RNN，识别准确性和效率不高的技术问题。
-
公开(公告)号：CN116757274A
公开(公告)日：2023-09-15
申请号：CN202310818420.X
申请日：2023-07-04
Applicant: 广东工业大学
IPC: G06N3/094 , G06N3/0475 , G06V10/74 , G06V10/82
Abstract: 本发明公开了一种基于相同语义特征的对抗样本生成方法与系统，涉及人工智能安全的技术领域，包括获取原始图像样本并对应生成扰动样本，输入待攻击的神经网络模型，计算第一相似性分数和第二相似性分数；对相似性分数设置权重因子调整扰动样本，获得优化后的扰动样本；计算优化后的扰动样本的上界并进行约束，获得初始对抗样本；判断初始对抗样本是否满足预设要求，若不满足，将初始对抗样本作为新的扰动样本进行新一轮迭代，否则获得最终对抗样本。本发明稳定性和成功率高，不限制特定的数据集，使得生成的对抗样本更具有普适性和可迁移性，且误导分类器时保持高度不可感知，提高了对抗攻击的可靠性和实用性，达到有效欺骗分类器的目的。
-
-
-
-
-
-
-
-
-
Search Results
162
records
(took 0.029 seconds)
