-
公开(公告)号：CN113918743B
公开(公告)日：2022-04-15
申请号：CN202111526779.7
申请日：2021-12-15
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06F16/51 , G06F16/54 , G06V10/774 , G06V10/764 , G06K9/62
Abstract: 本发明提供了一种面向长尾分布场景下图片分类的模型训练方法，包括：构建第一损失函数，用于加入原型归一化以及角域上与类别数量相关的带有边界的交叉熵分类损失；构建第二损失函数，使得各个类别的原型分散的更加均匀的，与类别数量相关最小角度最大化的正则项损失；构建第三损失函数，用于帮助模型有效训练的特征向量模长大小的正则化损失；将第一损失函数、第二损失函数、第三损失函数组合起来得到最终的损失函数Loss。本发明的有益效果是：本发明可以避免训练数据不均衡带来的模型先验偏差的问题以及进一步提升模型在测试集上的泛化性，从而在长尾分布场景下提升图片分类准确率。
-
公开(公告)号：CN118940927B
公开(公告)日：2025-01-24
申请号：CN202411412817.X
申请日：2024-10-11
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06Q10/047 , G06N3/006
Abstract: 本申请实施例提供了一种无人机路径规划的多方多目标优化方法，包括：获取多目标决策函数对应于无人机规划路径的初始种群，并对初始种群中的待优化个体进行非支配排序，得到待优化个体的非支配等级；按照非支配等级进行排序，将非支配排序靠前的待优化个体使用多方自适应激活算子进行激活，得到激活优化个体集；计算激活优化个体的拥挤距离信息，根据拥挤距离信息及非支配等级得到克隆优化个体集；根据克隆优化个体，使用多方自适应交叉算子算法生成后代优化个体；将后代优化个体与初始种群进行合并，得到候选种群；按照选择算子算法及拥挤距离信息对候选种群进行排序，选择目标优化个体参与循环，直到最大循环次数，作为目标决策函数的优化方案。
-
公开(公告)号：CN117768192A
公开(公告)日：2024-03-26
申请号：CN202311781763.X
申请日：2023-12-22
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: H04L9/40
Abstract: 本发明公开了一种防御模型窃取攻击的方法、装置、设备及存储介质，应用于计算机技术领域，包括：将查询数据输入至对应的目标待防御模型，得到激活函数层的全连接层输出参数和预测置信向量；将连接层输出参数和预测置信向量输入至目标防御模型，调整预测置信向量，得到目标预测置信向量；目标防御模型为包括置信度阈值、恶性样本阈值和温度衰减因子的模型，置信度阈值为确定是否为恶性样本的阈值，恶性样本阈值为确定是否是恶意用户的阈值，温度衰减因子为基于防御强度需求设置的因子。本申请可以根据置信度阈值、恶性样本阈值和温度衰减因子动态的模型输出的调整预测置信向量，可以针对性地对用户查询进行针对性防御，提高了防御的效果。
-
公开(公告)号：CN115860117A
公开(公告)日：2023-03-28
申请号：CN202310149931.7
申请日：2023-02-22
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06N5/02 , G06F40/30 , G06F18/241 , G06F21/57
Abstract: 公开了一种基于攻防行为的MDATA知识抽取方法及其系统，其基于深度学习的人工智能技术与自然语言处理技术，以在网络攻防演习中记录攻防行为数据，并对攻防双方的攻防数据进行联合分析，去除所有的无效攻击步骤，将所有的有效攻击步骤抽取出来作为MDATA知识以构建网络安全知识库。这样，不仅从全面而丰富的攻防行为数据中提取到攻击者攻击过程中的时空特性，还提高了知识抽取的有效性。
-
公开(公告)号：CN119557876A
公开(公告)日：2025-03-04
申请号：CN202411632779.9
申请日：2024-11-15
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本申请实施例公开了一种针对模型窃取攻击的防御方法以及相关设备，用于在提高针对模型窃取攻击的防御的鲁棒性和效率的情况下，进行针对模型窃取攻击的防御。本申请实施例方法包括：获取待处理数据，将待处理数据输入预先训练的防御模型，防御模型包括良恶性检测模块和反制模块，由良恶性检测模块基于预设良性数据分布范围对待处理数据进行良恶性检测，以得到待处理数据的目标检测结果，由反制模块基于目标检测结果确定待处理数据对应的目标攻击强度，并基于预设映射关系确定目标攻击强度对应的目标置信度，以基于目标置信度对待处理数据进行对应的推理，得到防御模型输出的待处理数据对应的推理结果。
-
Patent Agency Ranking
公开(公告)号：CN119416254A
公开(公告)日：2025-02-11
申请号：CN202411468382.0
申请日：2024-10-21
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本申请实施例提供了一种基于大模型的隐私保护方法及相关设备，用于实现保护隐私的同时不影响大模型可用性。本申请实施例方法包括：以隐私保护模块中的第一隐私保护子模块为切分点，将大语言模型切分为第一大语言子模型和第二大语言子模型；获取用户于大语言模型中输入的待分析数据，将待分析数据输入至第一大语言子模型，得到中间输出数据；将中间输出数据传输至第二大语言子模型，得到对应于第二大语言子模型的模型输出数据；根据目标补偿系数对模型输出数据进行补偿，得到对应于待分析数据的隐状态数据，并将隐状态数据发送至设置有大语言模型的服务端，以获取服务端分析隐状态数据后返回的分析结果数据。
-
公开(公告)号：CN117274632A
公开(公告)日：2023-12-22
申请号：CN202311391143.5
申请日：2023-10-25
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06V10/44 , G06V10/764 , G06V10/82
Abstract: 本申请实施例提供了一种基于深度学习的样本处理方法及相关设备，用于过滤深度学习模型中的后门样本。本申请实施例方法包括：获取待处理样本的关键特征信息；其中，所述关键特征信息用于描述于所述待处理样本中关键位置点的特征信息；确定所述关键位置点的所述关键特征信息中，位于识别位置点的目标特征信息；其中，目标特征信息为所述关键特征信息中用于识别所述待处理样本的特征信息；将所述目标特征信息对应输入至参考样本中的目标位置点，得到待预测样本，以确定所述待预测样本的分类类别标签；其中，所述目标位置点为对应于所述识别位置点的位置点。
-
公开(公告)号：CN116318929B
公开(公告)日：2023-08-29
申请号：CN202310206593.6
申请日：2023-03-07
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: H04L9/40 , H04L41/0631 , H04L41/16
Abstract: 本发明涉及网络安全技术领域，特别涉及一种基于安全告警数据的攻击策略抽取方法。其方法包括以下步骤：S1.从告警文本中获取攻击者的单步攻击信息；S2.构建攻击活动序列集；S3.构建候选攻击策略；S4.构建攻击策略数据集；S5.预训练；S6.模型训练；S7.攻击策略抽取；S8.人工验证。本方法通过训练模型来判断攻击者的一个候选攻击策略是否为全部的有效攻击步骤，并且这些攻击步骤的组合能完成攻击者的攻击目的；通过这个模型，能够使用枚举候选攻击策略的方式关联出攻击者的全部有效攻击步骤，组成攻击者的攻击策略，而无需定义大量的关联规则；而且在过去的关联经验中未被关联的两个告警也可能被本方法所关联。
-
公开(公告)号：CN115200603B
公开(公告)日：2023-01-31
申请号：CN202211106644.X
申请日：2022-09-13
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本发明公开了一种基于同态加密和匿名伪装的导航服务隐私保护方法及装置，方法包括：LBS服务商进行同态加密方案的初始化；用户利用匿名伪装算法分别生成出匿名伪装区域；用户根据匿名伪装区域的路网信息，随机选取出发点附近满足伪装距离L的出发地伪装点和目的地伪装点，同步规划出真实出发地到伪装出发地的路线；云服务商规划出一组候选路线，同时向LBS服务商请求实时路况信息；云服务商对候选路线组的开销进行进一步计算，利用全同态加密的比较运算，将密文比较结果传输给LBS服务商；从候选路线组中选取最佳路线并在本地将和伪装区域内的路线连接，生成最终的出行路线。本发明采用全同态加密和匿名伪装技术实现高质量的导航服务隐私保护。
-
公开(公告)号：CN114553394A
公开(公告)日：2022-05-27
申请号：CN202210424254.0
申请日：2022-04-22
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) , 暨南大学
Abstract: 本发明公开了基于多密钥全同态方案的补码运算器及运算方法，运算器包括多密钥全同态加法运算器、多密钥全同态减法运算器、多密钥全同态乘法运算器和多密钥全同态除法运算器；所述多密钥全同态加法器由多密钥全同态0‑类加法器构成；所述多密钥全同态减法器由多密钥全同态0‑类加法器与多密钥全同态取非器构成；所述多密钥全同态乘法器由多密钥全同态0‑类加法器、多密钥全同态1‑类加法器、多密钥全同态2‑类加法器和多密钥全同态与门构成；所述多密钥全同态除法器由多密钥全同态取补器、多密钥全同态CAS单元与多密钥全同态异或门构成。本发明构造了任意位的补码整数四则运算器，能够支持任意位的正负整数之间的四则运算，大大提高了MKTFHE方案的实用性。
-
-
-
-
-
-
-
-
-
Search Results
24
records
(took 0.058 seconds)
