-
公开(公告)号：CN118585779B
公开(公告)日：2024-12-27
申请号：CN202410688597.7
申请日：2024-05-30
Applicant: 哈尔滨工业大学 , 安天科技集团股份有限公司
IPC: G06F18/21 , G06F18/214 , G06F40/284 , G06F40/242 , G06F40/247
Abstract: 本发明提出基于ORS面向软标签输出深度学习模型鲁棒性评估方法，属于鲁棒性评估技术领域。包括生成对抗文本，并使用对抗文本攻击目标模型，基于ORS计算目标模型的鲁棒性分数，评估鲁棒性。对抗文本基于词语重要性框架生成，词语重要性框架包括排序阶段和扰动阶段。利用文本对应的真值标签上的置信度计算重要性分数，若重要性分数大于0，则说明文本中的词语对真值标签有正向影响，即词语为文本中重要词语，反之词语为文本中非重要词语；为输出为软标签的目标模型的鲁棒性评估提供了一种可行的解决方案，解决了当前鲁棒性评估方法中评价指标不全面的问题，并量化了输出为软标签的深度学习模型的鲁棒性评估标准。
-
公开(公告)号：CN118485181B
公开(公告)日：2024-12-20
申请号：CN202410663873.4
申请日：2024-05-27
Applicant: 哈尔滨工业大学
IPC: G06Q10/04 , G06F16/2458 , G06F16/29 , G06N3/0455 , G06N3/0499 , G06N3/047 , G06N3/0464 , G06N3/049 , G06Q50/26
Abstract: 一种基于时空轨迹表征挖掘的轨迹序列预测方法、电子设备及存储介质，属于城市智能计算和数据挖掘技术领域。为提高处理时序轨迹序列数据的效率和准确性，本发明包括采集时空轨迹数据，对时空轨迹数据进行预处理后，采用填充技术将所有预处理后的时空轨迹数据的长度补齐至采集的轨迹数据最长长度，然后进行掩码操作，得到掩码处理的时空轨迹数据；进行位置编码，得到位置编码的时空轨迹序列输送到Transformer模型中的基于结合多头注意力的全连接网络层进行训练，输出自注意力层的输出结果输送到前馈神经网络层中进行处理，得到包含输入轨迹数据的时空特征表示结果输送到解码器中，输出轨迹预测结果。本发明预测准确。
-
公开(公告)号：CN117879968B
公开(公告)日：2024-11-01
申请号：CN202410163731.1
申请日：2024-02-05
Applicant: 哈尔滨工业大学
Abstract: 本发明提出一种多维度工业网络行为异常检测方法，属于网络行为检测技术领域。包括：S1.建构多视图关联分析的行为分析模型；S2.建构多维跨域共享学习模型，以工控网络多维度视图及共享节点嵌入作为输入，以新的共享节点嵌入作为输出；S3.建构单域特定学习模型，使模型在多个维度上对异常进行评估和检测；S4.在多个维度上进行单视图特定学习，强化学习各维度上的嵌入信息，并根据各维度嵌入特征重建预测行为值，根据预测行为与实际行为的偏差计算各维度上的异常得分；S5.设置异常得分阈值，当异常得分在异常得分阈值内，进行异常告警。解决缺乏多维度识别和理解网络行为、处理高维数据的效率差的问题。
-
公开(公告)号：CN118607515A
公开(公告)日：2024-09-06
申请号：CN202410688627.4
申请日：2024-05-30
Applicant: 哈尔滨工业大学 , 安天科技集团股份有限公司
IPC: G06F40/226 , G06F40/284 , G06F40/242 , G06F40/247 , G06F18/2431 , G06N3/045 , G06N3/096 , G06N3/094
Abstract: 本发明提出基于ORS面向硬标签输出深度学习模型鲁棒性评估方法，属于鲁棒性评估技术领域。包括生成对抗文本，并使用对抗文本攻击目标模型，基于ORS计算目标模型的鲁棒性分数，评估鲁棒性。对抗文本基于词语重要性框架生成，词语重要性框架包括排序阶段和扰动阶段。排序阶段为文本中每个词语的重要性打分，并将词语按照重要性分数由高到低进行排序，扰动阶段为词语依次添加扰动。利用文本对应的真值标签上的置信度计算重要性分数，若重要性分数大于0，则说明文本中的词语对真值标签有正向影响，即词语为文本中重要词语，反之词语为文本中非重要词语；解决缺少对LLM在对抗攻击条件下的鲁棒性评估的问题，并量化了其鲁棒性评估标准。
-
公开(公告)号：CN118607514A
公开(公告)日：2024-09-06
申请号：CN202410688599.6
申请日：2024-05-30
Applicant: 哈尔滨工业大学 , 安天科技集团股份有限公司
IPC: G06F40/226 , G06F40/284 , G06F40/242 , G06F40/247 , G06F18/2431 , G06N3/045 , G06N3/096 , G06N3/094
Abstract: 本发明提出一种基于OFS对抗文本流畅性评估方法，属于对抗文本流畅性评估技术领域。生成对抗文本，并使用对抗文本攻击目标模型，基于OFS计算对抗文本流畅性分数，评估对抗文本流畅性。对抗文本基于词语重要性框架生成，词语重要性框架包括排序阶段和扰动阶段。排序阶段为文本中每个词语的重要性打分，并将词语按照重要性分数由高到低进行排序，扰动阶段为词语依次添加扰动。利用文本对应的真值标签上的置信度计算重要性分数，若重要性分数大于0，则说明文本中的词语对真值标签有正向影响，即词语为文本中重要词语，反之词语为文本中非重要词语；解决现有技术中存在的对抗文本流畅性评估需耗费大量人力成本的问题，并量化了流畅性评估标准。
-
Patent Agency Ranking
公开(公告)号：CN118485181A
公开(公告)日：2024-08-13
申请号：CN202410663873.4
申请日：2024-05-27
Applicant: 哈尔滨工业大学
IPC: G06Q10/04 , G06F16/2458 , G06F16/29 , G06N3/0455 , G06N3/0499 , G06N3/047 , G06N3/0464 , G06N3/049 , G06Q50/26
Abstract: 一种基于时空轨迹表征挖掘的轨迹序列预测方法、电子设备及存储介质，属于城市智能计算和数据挖掘技术领域。为提高处理时序轨迹序列数据的效率和准确性，本发明包括采集时空轨迹数据，对时空轨迹数据进行预处理后，采用填充技术将所有预处理后的时空轨迹数据的长度补齐至采集的轨迹数据最长长度，然后进行掩码操作，得到掩码处理的时空轨迹数据；进行位置编码，得到位置编码的时空轨迹序列输送到Transformer模型中的基于结合多头注意力的全连接网络层进行训练，输出自注意力层的输出结果输送到前馈神经网络层中进行处理，得到包含输入轨迹数据的时空特征表示结果输送到解码器中，输出轨迹预测结果。本发明预测准确。
-
公开(公告)号：CN114282652B
公开(公告)日：2024-06-21
申请号：CN202111578391.1
申请日：2021-12-22
Applicant: 哈尔滨工业大学
IPC: G06N3/0499 , G06N3/084 , G06N3/098 , G06F21/60 , G06F21/62
Abstract: 本发明提出一种隐私保护的纵向深度神经网络模型构建方法、计算机及存储介质，属于隐私保护模型构建技术领域。首先，发起方和所有参与方找出共有的样本ID，生成自己的公私钥对，利用公钥对中间数据进行加密；其次，参与方基于本地数据集与发起方进行安全前向传播过程，使发起方获得深度神经网络模型交互层的真实加权值；最后，参与方和发起方进行安全反向传播过程，发起方基于加权值计算交互层中间误差，使双方各自获得更新交互层模型参数的梯度，进行深度神经网络交互层模型的更新，得到纵向深度神经网络模型。在无可信第三方的前提下保护数据隐私安全，对不同神经网络结构进行多方安全联合建模。解决构建模型成本高、风险大、结构敏感的问题。
-
公开(公告)号：CN116912183B
公开(公告)日：2024-02-20
申请号：CN202310792164.1
申请日：2023-06-30
Applicant: 哈尔滨工业大学
IPC: G06T7/00 , G06T7/73 , G06V10/44 , G06V10/774 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/084 , G06N3/09
Abstract: 本发明公开了一种基于边缘引导和对比损失的深度修复图像的篡改定位方法及系统，涉及图像修复技术领域。本发明的技术要点包括：获取包含多张深度修复篡改图像的图像集；对深度修复篡改图像进行预处理；将预处理后的训练图像集输入到基于神经网络的篡改定位模型中进行训练；将待定位篡改图像输入到训练好的篡改定位模型中确定待定位篡改图像中篡改区域。在篡改定位模型训练过程中，对图像集中篡改区域之间内在相似性进行学习，使得神经网络能更好理解篡改区域和未篡改区域的联系与区别；提取了篡改区域边缘信息，增强神经网络对边缘特征的注意力，以更好帮助神经网络理解篡改区域和未篡改区域的差异。本发明可有效应用于图像篡改检测定位任务。
-
公开(公告)号：CN117171720A
公开(公告)日：2023-12-05
申请号：CN202311039943.0
申请日：2023-08-17
Applicant: 哈尔滨工业大学
Abstract: 一种基于行为指纹的数据归属权鉴别系统及方法，涉及金融行业信息安全技术领域。本发明为为了实现金融机构的数据归属权证明，金融机构数据泄露后信息不易被恶意篡改、抹除，提高数据的不可预测性而提出的。本发明使用虚拟主键用于标识交易记录，通过可控账户的变频交易行为向数据集中嵌入水印，利用混沌函数的不可预测性提高了系统安全性。本发明采用水印嵌入技术，对可控账户的交易金额、交易时间进行分析，控制可控账户在指定的交易时间进行指定的交易金额的交易行为，完成水印嵌入。本发明采用水印提取技术，将当前数据集进行切片，遍历数据切片，通过不同机构标识号所分析得到的可控账户集合判断数据归属，完成数据归属权的证明。
-
公开(公告)号：CN116912183A
公开(公告)日：2023-10-20
申请号：CN202310792164.1
申请日：2023-06-30
Applicant: 哈尔滨工业大学
IPC: G06T7/00 , G06T7/73 , G06V10/44 , G06V10/774 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/084 , G06N3/09
Abstract: 本发明公开了一种基于边缘引导和对比损失的深度修复图像的篡改定位方法及系统，涉及图像修复技术领域。本发明的技术要点包括：获取包含多张深度修复篡改图像的图像集；对深度修复篡改图像进行预处理；将预处理后的训练图像集输入到基于神经网络的篡改定位模型中进行训练；将待定位篡改图像输入到训练好的篡改定位模型中确定待定位篡改图像中篡改区域。在篡改定位模型训练过程中，对图像集中篡改区域之间内在相似性进行学习，使得神经网络能更好理解篡改区域和未篡改区域的联系与区别；提取了篡改区域边缘信息，增强神经网络对边缘特征的注意力，以更好帮助神经网络理解篡改区域和未篡改区域的差异。本发明可有效应用于图像篡改检测定位任务。
-
-
-
-
-
-
-
-
-
Search Results
185
records
(took 0.046 seconds)
