-
公开(公告)号：CN113285924B
公开(公告)日：2022-02-22
申请号：CN202110440836.3
申请日：2021-04-23
Applicant: 暨南大学
IPC: H04L9/40 , H04L12/40 , G06N3/08 , G06N3/04 , G06K9/62 , G06K9/00 , G06V10/764 , G06V10/82 , G06V10/774
Abstract: 本发明公开了一种基于灰度图像深度学习的车内网络报文异常检测方法，该方法包括下述步骤：获取CAN总线的网络报文数据集；采用位反转算法从CAN帧的数据域提取信号特征值；将信号特征值按照总线读取顺序排列，将排列后的数据设定多条报文一组，创建像素矩阵，转化成灰度图像数据集；构建深度学习网络模型，以灰度图像为媒介学习车内网络报文流量的空间特征；训练深度学习网络模型，学习不同车内网络报文信号输出的值调整输出值域；将待检测的CAN报文转成灰度图像，输入训练后的深度学习网络模型进行空间特征识别，通过计算未标记报文的输出值判断报文为正常报文或攻击报文。本发明满足在车内计算资源受限环境中实时报文异常检测的要求。
-
公开(公告)号：CN113837235A
公开(公告)日：2021-12-24
申请号：CN202111008500.6
申请日：2021-08-31
Applicant: 暨南大学
IPC: G06K9/62 , G06F40/194 , G06F21/55
Abstract: 本发明公开了一种基于社交网络隐私协商系统的智能体行为追责方法，通过定性追责和定量追责过程实现智能体行为追责，在定性追责过程中采用正向模拟协商过程和逆向复现协商过程的方法，准确判断隐私协商智能体是否存在不当行为并在存在不当行为时精准锁定其具体发生位置。进一步提出了简单量化方法、加权马氏距离方法、改进Minhash方法共3种定量追责方法，能够求得隐私协商智能体的责任量化值，从而对不当行为的严重程度进行量化。本发明解决了当前社交网络隐私协商系统中智能体存在的不可信、不安全、恶意行为问题。
-
公开(公告)号：CN113285924A
公开(公告)日：2021-08-20
申请号：CN202110440836.3
申请日：2021-04-23
Applicant: 暨南大学
Abstract: 本发明公开了一种基于灰度图像深度学习的车内网络报文异常检测方法，该方法包括下述步骤：获取CAN总线的网络报文数据集；采用位反转算法从CAN帧的数据域提取信号特征值；将信号特征值按照总线读取顺序排列，将排列后的数据设定多条报文一组，创建像素矩阵，转化成灰度图像数据集；构建深度学习网络模型，以灰度图像为媒介学习车内网络报文流量的空间特征；训练深度学习网络模型，学习不同车内网络报文信号输出的值调整输出值域；将待检测的CAN报文转成灰度图像，输入训练后的深度学习网络模型进行空间特征识别，通过计算未标记报文的输出值判断报文为正常报文或攻击报文。本发明满足在车内计算资源受限环境中实时报文异常检测的要求。
-
公开(公告)号：CN115640305B
公开(公告)日：2023-09-29
申请号：CN202211651581.6
申请日：2022-12-22
Applicant: 暨南大学
Abstract: 本发明公开一种基于区块链的公平可信联邦学习方法，包括：模型需求者在区块链上发布训练任务及交易合约传递任务，客户端对全局模型进行训练，生成局部模型参数，将局部模型参数加密传输给区块链上的对应节点；对应节点传播并验证加密后的局部模型参数，对应节点将验证通过后的局部模型参数进行聚合，根据聚合结果更新全局模型并基于更新结果生成新区块，并将新区块进行广播；所有节点对新区块进行验证并达成共识；激励合约基于共识结果，计算客户端的贡献并生成最新全局模型；重复S2‑S6直到满足训练结束条件，得到优化模型。交易合约将优化全局模型传给模型需求者。
-
公开(公告)号：CN115640305A
公开(公告)日：2023-01-24
申请号：CN202211651581.6
申请日：2022-12-22
Applicant: 暨南大学
Abstract: 本发明公开一种基于区块链的公平可信联邦学习方法，包括：模型需求者在区块链上发布训练任务及交易合约传递任务，客户端对全局模型进行训练，生成局部模型参数，将局部模型参数加密传输给区块链上的对应矿工；对应矿工传播并验证加密后的局部模型参数，对应矿工将验证通过后的局部模型参数进行聚合，根据聚合结果更新全局模型并基于更新结果生成新区块，并将新区块进行广播；所有矿工对新区块进行验证并达成共识；激励合约基于共识结果，计算客户端的贡献并生成最新全局模型；重复S2‑S6直到满足训练结束条件，得到优化模型。交易合约将优化全局模型传给模型需求者。
-
Patent Agency Ranking
公开(公告)号：CN115631530A
公开(公告)日：2023-01-20
申请号：CN202211651570.8
申请日：2022-12-22
Applicant: 暨南大学
Abstract: 本发明公开一种基于人脸动作单元的公平人脸表情识别方法，包括：获取训练图片及人脸动作单元所在局部区域；构建平衡特征融合网络；对所述平衡特征融合网络添加权重分配，根据训练图片及人脸单元所在局部区域，通过联合损失函数对所述平衡特征融合网络进行优化，通过优化后的网络以实现公平人脸表情识别方法。
-
公开(公告)号：CN115457643A
公开(公告)日：2022-12-09
申请号：CN202211394678.3
申请日：2022-11-09
Applicant: 暨南大学
Abstract: 本发明提供了一种基于增量技术和注意力机制的公平人脸表情识别方法，包括：构建并训练表情平衡模型，所述表情平衡模型包括：骨干模块、注意力特征融合模块和表情平衡微调模块；将人脸表情图像输入所述骨干模块，提取所述人脸表情图像的表情特征；将所述表情特征输入所述注意力特征融合模块，获取不同表情类别；将所述不同表情类别输入所述表情平衡微调模块，对所述不同表情类别进行调节，输出公平人脸表情识别结果。本发明采用增量技术和注意力机制结合的方式处理表情图像，能够提取代表性不足的表情类别中更细微的特征，从而缓解人脸表情识别中的表情类别偏差，达到公平人脸表情识别的目的。
-
公开(公告)号：CN114385824A
公开(公告)日：2022-04-22
申请号：CN202111512041.5
申请日：2021-12-07
IPC: G06F16/36 , G06F16/951 , G06N5/02 , G06N20/00 , G06F40/289
Abstract: 本发明涉及人工智能伦理技术领域，尤其涉及一种基于预训练模型的伦理行为抽取方法，首先以涵盖伦理道德和人类行为的社会新闻为数据源，构建社会新闻数据集，并使用众包方法对数据集进行标注，再利用具有双向Transformer结构的中文预训练语言模型ERNIE，经过微调的模型编码了实体知识信息，从大量的社会新闻数据中准确的抽取伦理行为，此外预训练模型在标记数据稀缺时准确提取数据的重要特征，能够提高任务的整体性能，解决了中文语境下单词边界和组成成分的不确定性。
-
公开(公告)号：CN113408738A
公开(公告)日：2021-09-17
申请号：CN202110531696.0
申请日：2021-05-17
IPC: G06N20/00
Abstract: 本发明涉及机器学习领域，公开了一种基于强化学习设计伦理智能体的方法，包括从行为规范中归纳并提取出元伦理行为；利用众包技术对元伦理行为进行分级，得到元伦理行为分级；基于轨迹树、元伦理行为分级设计和强化学习算法设计奖励机制；选择生活场景并利用奖励机制进行伦理智能体训练。本发明实现对不同场景中相似行为的概括，能够从广义上概括出人们日常生活中的各类行为，保证了环境的一般性，在一定程度上解决了场景受限的问题；通过众包技术对元伦理行为进行分级统计，即能够节省时间成本；结合元伦理行为分级与轨迹树，完善强化学习中的奖惩机制，高效应对可能遇到的人类行为。
-
公开(公告)号：CN113157913A
公开(公告)日：2021-07-23
申请号：CN202110131238.8
申请日：2021-01-30
Applicant: 暨南大学
Abstract: 本发明基于包含具体行为的社会新闻进行伦理行为判别研究，提出了基于社会新闻数据集的伦理行为判别方法。基于社会新闻构建了社会新闻数据集，并将新闻文本中包含的行为分类为道德行为、不道德行为和违法行为。基于使用信息实体的增强语言表示(ERNIE)和卷积神经网络(CNN)构建了伦理行为判别模型，其中，ERNIE通过捕获新闻文本的多维语义特征获得词向量；CNN通过对文本语义特征进行提取、筛选、拼接等操作，构成文本句子的向量表示，并通过概率计算及归一化处理得到分类结果。经过训练的模型编码了知识信息，可理解行为背后的伦理内涵，从而进行伦理行为判别。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.033 seconds)
