-
公开(公告)号：CN117436130B
公开(公告)日：2024-04-02
申请号：CN202311744142.4
申请日：2023-12-19
Applicant: 暨南大学
IPC: G06F21/62 , G06F16/901
Abstract: 本发明涉及数据隐私保护技术领域，特别是涉及一种基于差分隐私的有向图数据安全发布方法，包括：获取图数据，构建有向图并提取各级别的初始节点度信息；构建组合差分隐私机制，向所述节点度信息中添加噪声，获取节点度信息，计算所述节点度信息的敏感度；基于所述敏感度，采用分组策略对所述节点度信息进行降低噪声处理；引入自适应算法优化所述节点度信息，获取最终节点度信息；将所述最终节点度信息输入生成图模型，生成隐私有向图。本发明能够有效保护有向图数据隐私，保留原始图的效用。
-
公开(公告)号：CN117408891B
公开(公告)日：2024-03-15
申请号：CN202311714540.1
申请日：2023-12-14
Applicant: 暨南大学
IPC: G06T5/00 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82
Abstract: 本发明涉及计算机视觉的图像分析技术领域，特别是涉及一种基于Cycle‑GAN的图像加雾方法，包括：获取待加雾图像；将所述待加雾图像输入预设的图像生成模型中，输出加雾后的目标图像，其中，所述图像生成模型由训练集训练获得，所述训练集包括无雾的图像数据和文本数据、有雾的图像数据和文本数据，所述图像生成模型采用Cycle‑GAN网络构建。本发明通过输入待处理的图像，将图像与文本信息特征融合，输入在多模态扩散文本语义约束下的Cycle‑GAN网络中生成目标图像，提升图像雾气效果，生成更符合实际效果和目标需求的图像。
-
公开(公告)号：CN113407716B
公开(公告)日：2022-08-19
申请号：CN202110529477.9
申请日：2021-05-14
Abstract: 本发明公开了一种基于众包的人类行为文本数据集的构造以及处理方法，首先，确定需要收集的主题对象，依据具体的要求生成任务并发布于众包平台，获得设定主题下所有可能发生的人类示例的文本数据集；对于同一个行为或事件的文本经过不同人的撰写会表现在多个句子，因此需要把描述同一事件的不同句子聚类在一起，因此，对于获取的数据集采用聚类的方式将本属于同一行为的不同文本表现聚为一类；采用关联分析技术挖掘出行为之间存在的先后关系结构；采用互信息技术学习出行为之间存在的互斥关系结构，并将人类行为存在的各种关系构造成一个情节图，即表明在某种情况下会发生什么事件，并限制其发生的方式，提高对人类行为的分析的准确性。
-
公开(公告)号：CN113407716A
公开(公告)日：2021-09-17
申请号：CN202110529477.9
申请日：2021-05-14
Abstract: 本发明公开了一种基于众包的人类行为文本数据集的构造以及处理方法，首先，确定需要收集的主题对象，依据具体的要求生成任务并发布于众包平台，获得设定主题下所有可能发生的人类示例的文本数据集；对于同一个行为或事件的文本经过不同人的撰写会表现在多个句子，因此需要把描述同一事件的不同句子聚类在一起，因此，对于获取的数据集采用聚类的方式将本属于同一行为的不同文本表现聚为一类；采用关联分析技术挖掘出行为之间存在的先后关系结构；采用互信息技术学习出行为之间存在的互斥关系结构，并将人类行为存在的各种关系构造成一个情节图，即表明在某种情况下会发生什么事件，并限制其发生的方式，提高对人类行为的分析的准确性。
-
公开(公告)号：CN119988725A
公开(公告)日：2025-05-13
申请号：CN202510054729.5
申请日：2025-01-14
IPC: G06F16/9535 , G06F21/62 , G06N3/0455 , G06N3/084
Abstract: 本发明涉及数据隐私保护与公平性增强技术领域，特别是涉及一种基于隐私保护与公平增强的信息推荐方法，包括：获取目标用户的行为数据；将所述行为数据输入预设的大规模推荐模型中，输出对于所述目标用户的推荐结果，其中，所述大规模推荐模型基于用户编码器和项目编码器构建，所述大规模推荐模型基于训练集训练获得，所述训练集包括若干用户和项目，在所述大规模推荐模型的训练过程中采用改进的差分隐私随机梯度下降方法进行模型参数的更新，并在训练过程中引入基于梯度的公平采样机制。本发明可以在保护数据隐私的基础上，解决大规模推荐模型的项目公平性问题，并且加速模型的训练过程，实现了模型效用以及公平之间的有效权衡。
-
Patent Agency Ranking
公开(公告)号：CN117725215A
公开(公告)日：2024-03-19
申请号：CN202311755794.8
申请日：2023-12-19
Applicant: 暨南大学
IPC: G06F16/35 , G06F16/33 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/0499 , G06N3/096
Abstract: 本发明公开一种公平多领域虚假新闻检测方法和装置，包括以下步骤：步骤S1、获取历史新闻数据训练集；步骤S2、根据历史新闻数据训练集，构建双教师知识蒸馏框架；步骤S3、构建双教师知识蒸馏框架整体损失；步骤S4、对双教师知识蒸馏框架整体损失进行基于动量的动态权重调整；步骤S5、根据学生模型和动态权重调整后双教师蒸馏损失，在真实世界新闻数据集上对其进行训练以得到公平假新闻检测模型，同时根据公平假新闻检测模型进行在线或离线检测。采用本发明的技术方案，以解决虚假新闻的领域之间存在偏差的问题，有效地缩小了不同领域之间的性能差距，减缓虚假新闻检测中的领域偏差，并提升了整体性能。
-
-
公开(公告)号：CN117633478A
公开(公告)日：2024-03-01
申请号：CN202410023388.0
申请日：2024-01-08
IPC: G06F18/20 , G06N3/042 , G06N3/0464 , G06N3/048 , G06N3/08 , G06Q50/00 , G06F16/9536 , G06F18/24
Abstract: 本发明公开了基于GNNs社交媒体挖掘的公平性后门评估方法及系统，包括：获取社交网络中的原始数据；根据长尾分布从所述原始数据中选择候选节点，构建候选空间；基于Wasserstein距离，遍历所述候选空间中的节点，生成公平触发器；基于所述公平触发器，构造后门数据；基于所述后门数据，选择不同的模型进行训练，并进行后门公平性评估。本发明采用一种新型的候选节点空间选择机制和动态自适应的后门触发器设计方法，以此动态生成后门数据，通过计算多种主流模型在不同任务场景下的公平性、准确性等指标，完成对社交媒体挖掘场景中图神经网络学习群体公平性后门的综合评估。
-
公开(公告)号：CN117408891A
公开(公告)日：2024-01-16
申请号：CN202311714540.1
申请日：2023-12-14
Applicant: 暨南大学
IPC: G06T5/00 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82
Abstract: 本发明涉及计算机视觉的图像分析技术领域，特别是涉及一种基于Cycle‑GAN的图像加雾方法，包括：获取待加雾图像；将所述待加雾图像输入预设的图像生成模型中，输出加雾后的目标图像，其中，所述图像生成模型由训练集训练获得，所述训练集包括无雾的图像数据和文本数据、有雾的图像数据和文本数据，所述图像生成模型采用Cycle‑GAN网络构建。本发明通过输入待处理的图像，将图像与文本信息特征融合，输入在多模态扩散文本语义约束下的Cycle‑GAN网络中生成目标图像，提升图像雾气效果，生成更符合实际效果和目标需求的图像。
-
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。
-
-
-
-
-
-
-
-
-
Search Results
30
records
(took 0.021 seconds)
