-
公开(公告)号：CN118733767A
公开(公告)日：2024-10-01
申请号：CN202410745742.0
申请日：2024-06-11
Applicant: 哈尔滨工业大学
IPC: G06F16/35 , G06F16/33 , G06F16/335 , G06F40/216 , G06F40/284 , G06F18/214
Abstract: 本发明提出一种基于可解释扰动策略的中文法律对抗文本生成方法，属于对抗文本生成技术领域。包括：对法律文本进行法律知识提取；基于法律知识为文本中每个词语的重要性进行打分并排序；为待添加扰动的文本选择需要执行的扰动策略；执行扰动策略生成法律对抗文本。本发明解决了现有技术中存在缺少面向法律罪名分类任务的对抗文本生成方法的技术问题。本发明首先提取每类罪名的主要特征作为先验知识，然后将先验知识与强化相似标签和弱化原标签两种扰动策略结合，通过强化与原标签相似的标签的独有特征或弱化原标签自身的独有特征来生成对抗文本，这使得对抗文本的生成过程具有可解释性。
-
公开(公告)号：CN118585779A
公开(公告)日：2024-09-03
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：CN119167935B
公开(公告)日：2025-05-06
申请号：CN202411190954.3
申请日：2024-08-28
Applicant: 哈尔滨工业大学
IPC: G06F40/295 , G06F40/211 , G06F16/334 , G06N3/0442 , G06N3/08
Abstract: 基于提示学习思想的网络安全命名实体识别模型构建方法、电子设备及存储介质，属于网络安全命名实体识别技术领域。为解决提取信息在面对具体的网络安全实体识别任务时直接应用的问题，本发明采集网络安全数据，得到网络空间安全数据序列，基于标注规则设置标注集合、生成标注序列，所述标注规则包括被标注数据的实体类型及被标注数据不属于任何实体；基于标注规则，对网络空间安全数据序列进行分割处理，然后对应生成标注子序列，得到处理后的网络空间安全数据；定义数据增广规则，对处理后的网络空间安全数据进行数据增广，得到数据增广的网络空间安全数据集；对预训练模型中进行继续预训练和微调操作，得到网络安全命名实体识别数据提取模型。
-
Patent Agency Ranking
公开(公告)号：CN118733767B
公开(公告)日：2025-02-25
申请号：CN202410745742.0
申请日：2024-06-11
Applicant: 哈尔滨工业大学
IPC: G06F16/353 , G06F16/3332 , G06F16/334 , G06F16/335 , G06F40/216 , G06F40/284 , G06F18/214 , G06N5/045
Abstract: 本发明提出一种基于可解释扰动策略的中文法律对抗文本生成方法，属于对抗文本生成技术领域。包括：对法律文本进行法律知识提取；基于法律知识为文本中每个词语的重要性进行打分并排序；为待添加扰动的文本选择需要执行的扰动策略；执行扰动策略生成法律对抗文本。本发明解决了现有技术中存在缺少面向法律罪名分类任务的对抗文本生成方法的技术问题。本发明首先提取每类罪名的主要特征作为先验知识，然后将先验知识与强化相似标签和弱化原标签两种扰动策略结合，通过强化与原标签相似的标签的独有特征或弱化原标签自身的独有特征来生成对抗文本，这使得对抗文本的生成过程具有可解释性。
-
公开(公告)号：CN118607514B
公开(公告)日：2025-01-21
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。
-
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：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。
-
-
-
-
-
-
-
Search Results
18
records
(took 0.02 seconds)
