一种基于数据增强和步长调整的单步对抗训练方法及系统

    公开(公告)号:CN117171762A

    公开(公告)日:2023-12-05

    申请号:CN202311147432.0

    申请日:2023-09-07

    Abstract: 本发明公开了一种基于数据增强和步长调整的单步对抗训练方法及系统,该方法包括:利获取训练集并对训练集样本进行数据增强,得到噪声样本;构建目标分类模型及模型的损失函数;基于目标分类模型对噪声样本及其对应标签进行FGSM对抗攻击,得到第一对抗样本;对第一对抗样本的对抗扰动步长进行自适应调整,得到最终对抗样本并对最终对抗样本进行对抗训练,直至模型的损失函数收敛,得到优化的目标分类模型。该系统包括:数据增强模块、模型构建模块、FGSM对抗攻击模块、步长调整模块和对抗训练模块。通过使用本发明,防止单步对抗训练陷入灾难性过拟合,能够有效提升深度神经网络的鲁棒性能,提高训练效率。本发明可广泛应用于人工智能安全技术领域。

    一种基于规范化图神经网络的微生物-药物关联预测方法

    公开(公告)号:CN115148303A

    公开(公告)日:2022-10-04

    申请号:CN202210690052.0

    申请日:2022-06-17

    Abstract: 本发明提出了一种基于规范化图神经网络的微生物‑药物关联预测方法,包括利用现有的微生物‑药物关联数据库构建微生物‑药物的关联网络;构建微生物‑药物的多模态属性图;根据微生物‑药物的关联网络和微生物‑药物的多模态属性图,建立引入正则化的图神经网络模型;利用现有的微生物‑药物关联数据库构建训练集和测试集,用训练集训练引入正则化的图神经网络模型;将测试集输入训练后的图神经网络模型,预测测试集中微生物‑药物的关联。本发明通过在神经网络模型中引入正则化,防止模型过拟合,从而解决孤立节点问题,从而提高微生物‑药物关联预测的准确性。

    一种基于深度学习的图像反向恢复方法

    公开(公告)号:CN112991239A

    公开(公告)日:2021-06-18

    申请号:CN202110287819.0

    申请日:2021-03-17

    Abstract: 本发明提供一种基于深度学习的图像反向恢复方法,包括以下步骤:S1:输入RGB图像;S2:根据所述RGB图像获取噪声特征图;S3:利用所述RGB图像和噪声特征图,采用多任务框架的深度学习网络同时对所述RGB图像执行操作分类和边界框回归,得到RGB图像中被篡改的图像和区域;S4:输出被篡改的图像和区域;S5:采用U型深度卷积神经网络对被篡改的图像进行复原。本发明采用的多任务框架的深度学习网络丰富的特征表示使得能够区分不同的操作技术,提高了性能,不仅能检测篡改伪迹,还能区分各种篡改技术,采用U‑net网络能够成功复原合成孔径系统所成图像,并在复原效果上与盲解卷积算法接近。

    一种伪造人脸视频鉴别方法、系统和可读存储介质

    公开(公告)号:CN111967427A

    公开(公告)日:2020-11-20

    申请号:CN202010882723.4

    申请日:2020-08-28

    Abstract: 本发明公开了一种基于卷积神经网络和注意力机制的伪造人脸视频鉴别方法、系统和可读存储介质,所述方法包括:对输入的视频序列进行采样,得到N个视频帧;对视频帧进行检测、裁剪和对齐人面获得优质人脸图像,得到待测样本集;将所述待测样本集输入至训练好的注意力机制的深度卷积神经网络模型,得到输出的结果,所述结果为对视频真伪情况判断的结果。本发明通过对正样本的特殊处理的方法来获得负样本,减少了获取负样本的时间成本,同时较好地模拟了伪造人脸假视频的人脸图像,以此训练的网络具有较好的鉴别能力;此外本发明还可以突出被操纵的图像区域,从而引导神经网络检测这些区域,这有利于用于面部伪造检测,并提高原CNN模型的准确率。

    一种多视图联合训练的半监督医学影像分割方法及系统

    公开(公告)号:CN118429638A

    公开(公告)日:2024-08-02

    申请号:CN202410532907.6

    申请日:2024-04-30

    Abstract: 本发明公开了一种多视图联合训练的半监督医学影像分割方法及系统,该方法包括:获取医学图像数据并进行划分;基于不同类别的网络构建分割网络模型;定义教师模式和学生模型;计算总体损失;基于所述总体损失更新所述学生模型;对训练完成的学生模型进行筛选;将待分割图像输入至最终分割模型。该系统包括:数据集构建模块、模型构建模块、模型定义模块、损失计算模块、模型更新模块、模型筛选模块和模型应用模块。通过使用本发明,能够增强对半监督医学影响分割的理解和预测能力。本发明可广泛应用于图像处理领域。

    一种基于深度学习的图像反向恢复方法

    公开(公告)号:CN112991239B

    公开(公告)日:2023-06-30

    申请号:CN202110287819.0

    申请日:2021-03-17

    Abstract: 本发明提供一种基于深度学习的图像反向恢复方法,包括以下步骤:S1:输入RGB图像;S2:根据所述RGB图像获取噪声特征图;S3:利用所述RGB图像和噪声特征图,采用多任务框架的深度学习网络同时对所述RGB图像执行操作分类和边界框回归,得到RGB图像中被篡改的图像和区域;S4:输出被篡改的图像和区域;S5:采用U型深度卷积神经网络对被篡改的图像进行复原。本发明采用的多任务框架的深度学习网络丰富的特征表示使得能够区分不同的操作技术,提高了性能,不仅能检测篡改伪迹,还能区分各种篡改技术,采用U‑net网络能够成功复原合成孔径系统所成图像,并在复原效果上与盲解卷积算法接近。

    基于高阶接近性和矩阵补全算法的lncRNA-疾病关联预测方法

    公开(公告)号:CN113160880B

    公开(公告)日:2023-06-06

    申请号:CN202110295353.9

    申请日:2021-03-19

    Abstract: 本发明提供一种基于高阶接近性和矩阵补全算法的lncRNA‑疾病关联预测方法,包括以下步骤:S1:计算lncRNA相似矩阵LS和疾病相似矩阵DS的高阶接近矩阵;S2:获取疾病‑lncRNA邻接矩阵DL,所述疾病‑lncRNA邻接矩阵用于描述lncRNA‑疾病关联关系;S3:构建一个异构性的疾病‑lncRNA关联矩阵,所述疾病‑lncRNA关联矩阵整合了疾病‑lncRNA邻接矩阵DL、lncRNA相似矩阵LS的高阶接近矩阵和疾病相似矩阵DS的高阶接近矩阵;S4:采用矩阵补全法,在所述疾病‑lncRNA关联矩阵中预测lncRNA‑疾病的关联。本发明引入高阶接近性来重构lncRNA和疾病的相似度矩阵,建立一个更好的度量标准来精确描述药物或疾病之间的相似关系,采用构建异构矩阵来利用lncRNA和疾病的相似度信息来辅助预测,实现了更加准确的lncRNA‑疾病的关联预测。

    基于运行时信息的可重入漏洞检测方法及系统

    公开(公告)号:CN115994360A

    公开(公告)日:2023-04-21

    申请号:CN202211498633.0

    申请日:2022-11-28

    Abstract: 本发明公开了基于运行时信息的可重入漏洞检测方法及系统,该方法包括:通过按需插桩方法收集智能合约运行时信息;根据漏洞检测算法对智能合约运行时信息进行动态遍历检测处理,得到检测结果;根据检测结果判断是否存在可重入漏洞,输出判断结果。该系统包括:字节码解析器模块、交易信息收集器模块、攻击探测器模块和交易管理器模块。通过使用本发明,能够通过提升智能合约检测覆盖率实现高效、准确地检测出可重入漏洞并进一步降低误报率。本发明作为基于运行时信息的可重入漏洞检测方法及系统,可广泛应用于区块链智能合约缺陷检测技术领域。

    一种基于XGBoost机器学习算法的Android恶意软件检测方法

    公开(公告)号:CN109543406B

    公开(公告)日:2023-04-11

    申请号:CN201811150736.1

    申请日:2018-09-29

    Abstract: 本发明涉及一种基于XGBoost机器学习算法的Android恶意软件检测方法,首先通过反编译apk文件提取Permission,Intent,Component和API call特征,并量化组成特征矩阵,利用蚁群算法的并行性和较强的鲁棒性,对XGBoost分类器参数进行寻优,以求得最优目标并得到XGBoost的最优参数组合。该发明提出的改进的XGBoost机器学习算法与传统的XGBoost算法相比,在Android恶意软件检测时具有更高的分类精度,提高了恶意软件检测的正确率,降低了由于检测错误而导致Android系统遭受攻击的概率。

    药物-疾病关联预测方法及系统

    公开(公告)号:CN113140327B

    公开(公告)日:2023-01-03

    申请号:CN202110407996.8

    申请日:2021-04-15

    Abstract: 本发明针对现有药物重新定位技术的局限性,提出了一种药物‑疾病关联预测方法及系统,方法部分通过运用权值K最近邻算法降低了现有药物‑疾病原始关联矩阵的稀疏性;同时在提取药物和疾病的相似性特征信息时综合了线性和非线性的特征提取方式,从而获得更加全面的相似特征信息,能够充分反映药物与疾病的关系;并采用二分图扩散方法来计算药物‑疾病关联的预测分数,获得了优良的预测性能。

Patent Agency Ranking