-
公开(公告)号：CN118335340A
公开(公告)日：2024-07-12
申请号：CN202410589344.4
申请日：2024-05-13
Applicant: 哈尔滨理工大学 , 哈尔滨工业大学 , 中数(深圳)时代科技有限公司
IPC: G16H50/50 , G16H50/70 , G16H10/60 , G06N3/0442 , G06N3/0464 , G06N3/045
Abstract: 本发明提供一种多模态的痛风病多分期预测方法及系统，涉及智慧医疗技术领域，为解决现有技术中缺少基于深度学习的将病历与影像学数据相结合方法的问题。包括：步骤1、获取患者病历数据和影像数据，根据有无痛风石将影像数据插入到对应患者的病历数据，得到合并病历数据集；步骤2、对数据进行预处理；步骤3、将病历数据输入构建有自定义自注意力机制的LSTM‑DNN进行特征信息提取，得到特征W1；针对有痛风石的数据，则将影像数据输入3D‑CNN模型中进行特征提取，得到特征W2，并将特征W2对应的特征W1利用多模态交叉注意力进行融合，得到最终特征信息；步骤4、将最终特征信息输入到痛风病多分期预测模型中进行痛风的分期预测。本发明用于痛风病多分期预测。
-
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：CN117494208A
公开(公告)日：2024-02-02
申请号：CN202311546448.9
申请日：2023-11-20
Applicant: 哈尔滨工业大学 , 中数(深圳)时代科技有限公司
IPC: G06F21/62 , G06F21/64 , G06N3/0475 , G06N3/098 , G06N3/094
Abstract: 一种基于生成对抗网络的多模态投毒攻击的防御方法、电子设备及存储介质，属于人工智能安全技术领域。为加强对联邦学习过程中投毒攻击的特征数据安全性，本发明攻击方对图像训练数据进行投毒攻击，得到图像毒化样本数据；攻击方对文本训练数据进行投毒攻击，得到文本毒化样本数据；构建投毒模型，攻击方将得到的图像毒化样本数据或得到的文本毒化样本数据混入训练数据集中，得到毒化训练数据集用于训练构建的投毒模型；基于得到的投毒模型构建多模态投毒攻击的防御方法，包括建立第三方参数服务器用于校验本地模型和全局模型之间的差距，用欧几里得距离度量本地模型和全局模型之间的差距，中央服务器对上传的模型参数进行数据处理。
-
公开(公告)号：CN117216779A
公开(公告)日：2023-12-12
申请号：CN202311237912.6
申请日：2023-09-22
Applicant: 哈尔滨工业大学 , 中数(深圳)时代科技有限公司
Abstract: 本发明提出基于余弦相似度和同态加密的联邦学习安全聚合方法，属于安全聚合技术领域。包括参数服务器Server1、辅助计算服务器Server2和多个参与联邦学习客户端；参数服务器Server1、辅助计算服务器Server2默认不互相勾结，客户端训练为：S1.客户端执行梯度密文上传，客户端利用各自的隐私数据对上轮获得的模型进行训练，得到相应的梯度更新，并将梯度明文通过同态加密技术使用同一公钥加密得到梯度密文，传输给参数服务器Server1；S2.Server1执行梯度聚合和贡献值计算；S3.梯度更新发布。解决搭便车攻击者和投毒攻击的检测难度大的问题，在隐私保护同时保证联邦学习的鲁棒性和公平性。
-
公开(公告)号：CN113360896B
公开(公告)日：2022-09-20
申请号：CN202110619300.8
申请日：2021-06-03
Applicant: 哈尔滨工业大学 , 上海浦东发展银行股份有限公司
Abstract: 本发明提出了一种横向联邦学习架构下的Free rider攻击检测方法，属于人工智能安全领域。本发明首先，通过模型参数增量处理获取高维样本，对高维样本进行降维处理，抽取三部分特征，将特征合并得到压缩后的样本，在评估网络中计算样本的能量，根据能量判断攻击者，由于Free Rider攻击者生成的模型参数是在原本的全局模型参数的基础上按照训练的轮次加入差分扰动，因此在对其计算本地模型参数增量之后，其增量值等于攻击中加入的差分扰动，估计网络在评估样本的似然性时，其样本能量值的平均值会偏高，因此这样的样本数据会被检测为异常，我们设置阈值判断出Free Rider攻击者。解决了基于横向联邦学习架构下的Free Rider攻击的检测能力差的技术问题。
-
Patent Agency Ranking
公开(公告)号：CN113360897A
公开(公告)日：2021-09-07
申请号：CN202110620214.9
申请日：2021-06-03
Applicant: 哈尔滨工业大学 , 上海浦东发展银行股份有限公司
Abstract: 本发明提出了一种横向联邦学习架构下的Free Rider攻击方法，属于人工智能安全领域。本发明首先，接收参数服务器发送的全局模型，并对接收的全局模型进行伪装处理，通过对全局模型进行加噪，并添加差分时变扰动处理获取Free rider攻击模型参数，最后将伪装成自己训练得到的模型参数返回给参数服务器。随着迭代轮次的增加，噪声水平呈现一定的收敛性，在实验中，我们调整的噪声水平系数m以及衰减参数γ，用来躲避检测。解决了Free rider攻击方法很容易被参数服务器检测出的技术问题。
-
公开(公告)号：CN110874348A
公开(公告)日：2020-03-10
申请号：CN201911106280.3
申请日：2019-11-13
Applicant: 哈尔滨工业大学 , 电子科技大学广东电子信息工程研究院
Abstract: 本发明属于大数据的技术领域，具体涉及一种混合云环境下隐私的差异化数据检索方法，包括确定目标关键字，向数据文件输入检索请求，显示数据文件的关键字，度量数据文件的关键字与目标关键字的距离值，通过距离值构建数据检索索引，获得检索结果。本发明不仅同时提高了用户在大数据中的搜索速度和在大数据中信息的传输速度，还扩大了搜索的空间和搜索关键字的语义空间，从而使攻击者不能准确地推断出文件的内容，有效地解决了混合云环境下隐私泄露的问题。
-
公开(公告)号：CN110866275A
公开(公告)日：2020-03-06
申请号：CN201911106252.1
申请日：2019-11-13
Applicant: 哈尔滨工业大学 , 电子科技大学广东电子信息工程研究院
IPC: G06F21/62 , G06F16/953 , G06F16/2458
Abstract: 本发明属于信息安全技术领域，具体涉及一种隐私保护的大数据的近似检索方法，包括步骤1、用户提出数据搜索请求，并将该请求提交给搜索引擎；步骤2、搜索引擎接收搜索请求，搜集当前数据平台的状态信息，并对搜索请求的可行性进行预估；步骤3、若预估结果与搜索请求不同，则拒绝该请求；若预估结果与搜索请求一致，则进行实施；步骤4、数据平台将实施结果返回给搜索引擎，并由搜索引擎呈现给用户。与现有技术相比，本发明针对大数据搜索目前尚无“精度、时效、隐私保护粒度”等多维一体的整体性解决方案的问题，实现大数据搜索三大维度相协的数据检索方案，解决了由同构搜索、数据版本更新所带来的重搜索问题，提升通用搜索的检索效率。
-
公开(公告)号：CN110795473A
公开(公告)日：2020-02-14
申请号：CN201911106961.X
申请日：2019-11-13
Applicant: 哈尔滨工业大学 , 电子科技大学广东电子信息工程研究院
IPC: G06F16/2458 , G06F16/242 , G06F16/27 , G06F9/445
Abstract: 本发明属于检索技术领域，具体涉及一种基于自举法的加速搜索方法，包括S1.将Hadoop架构下的用户搜索请求设置为三元组Q(Op,D,ρ)，其中，Op表示用户对目标数据集合D的搜索操作，ρ为用户设置的搜索精度下限值；S2.从数据集合D中抽取初始样本S，然后以S为论域进行m次有放回采样{S1,...,Sm}；S3.对步骤S2中实施操作Op(D)产生的m个结果{Op(S1),...,Op(Sm)}进行近似计算，得到变异系数的相对误差值；S4.根据步骤S3中的相对误差进行评估，得出满足用户近似精度的搜索结果。与现有技术相比，本发明采用自举法进行抽样，有效地降低了抽样过程中样本的数量，同时由于只需要从原始数据集中抽取一个较小的随机均匀抽样，因此，可以显著降低采样过程的磁盘成本。
-
公开(公告)号：CN119201984A
公开(公告)日：2024-12-27
申请号：CN202411263035.4
申请日：2024-09-10
Applicant: 哈尔滨理工大学 , 哈尔滨工业大学 , 国网黑龙江省电力有限公司电力科学研究院
Inventor： 张宏国 , 赵天诚 , 马超 , 张罗刚 , 关志博 , 李双翼 , 黄海 , 于海宁 , 王孝余 , 尚方 , 刘生 , 史心月 , 宋杭选 , 袁泽 , 王莹莹 , 李丹丹 , 林扬
IPC: G06F16/2452 , G06F16/242 , G06F16/33
Abstract: 基于检索增强生成的电力领域SQL自动生成方法及系统，涉及数据处理技术领域。解决了为了解决传统的SQL自动生成方法数据处理的效率和准确性低的问题。本发明首先将用户输入的问题编码为向量，并在预先编码的向量知识库中匹配相似度排名最高的k个键和描述信息。再基于排名最高的k个键及键对应的描述信息生成指令信息，SQL生成模型根据指令信息生成精准的SQL查询语句。本发明主要应用于电力领域自然语言问题转化为SQL查询语句。
-
-
-
-
-
-
-
-
-
Search Results
47
records
(took 0.031 seconds)
