-
公开(公告)号：CN117153418B
公开(公告)日：2024-03-19
申请号：CN202311421223.0
申请日：2023-10-31
Applicant: 暨南大学
IPC: G16H50/70 , G06N3/094 , G06F18/2413
Abstract: 本发明公开一种抗后门攻击的智能早产儿视网膜病变分类预测方法，包括以下步骤：获取患儿电子病历文书数据，并对患儿电子病历文书进行预处理，得到样本数据；以带有诊断标签的样本数据作为输入，以及以早产儿视网膜病变类别作为输出，建立基于深度学习的分类预测模型；使用字符级别的触发器对分类预测模型注入权重后门攻击，形成被投毒模型，利用LoRA算法微调被投毒模型的权重，并根据被投毒模型输出的置信度识别中毒样本和干净样本，最后结合对抗训练进一步提升分类预测模型的抗攻击性。本发明的有益效果是：从数据层面和模型训练层面多维度的抵御后门攻击，保证分类预测模型的安全性。
-
公开(公告)号：CN117254897B
公开(公告)日：2024-02-02
申请号：CN202311540460.9
申请日：2023-11-20
Applicant: 暨南大学
Abstract: 本发明公开一种基于容错学习的身份基矩阵同态加密方法，包括以下步骤：发送方使用身份陷门和公共参数生成私钥，之后根据身份矩阵、公共参数和辅助矩阵生成对应用户的过渡密钥和辅助密钥，再利用身份矩阵、过渡密钥和辅助密钥生成公钥；使用公钥和扰乱矩阵生成容错学习问题实例，并将容错学习问题实例作为密文辅助矩阵，然后使用公钥和密文辅助矩阵对明文矩阵进行加密；接收方根据计算函数对密文进行同态计算，并将得到的密文矩阵返回发送方；发送方使用私钥对密文矩阵进行解密。本发明的有益效果是：通过增设矩阵形式的过渡密钥和辅助密钥生成私钥和公钥，扩展了方案的加密空间，实现了针对单用户密钥的便捷管理和高效的多数据加解密及同态计算。
-
公开(公告)号：CN117254897A
公开(公告)日：2023-12-19
申请号：CN202311540460.9
申请日：2023-11-20
Applicant: 暨南大学
Abstract: 本发明公开一种基于容错学习的身份基矩阵同态加密方法，包括以下步骤：发送方使用身份陷门和公共参数生成私钥，之后根据身份矩阵、公共参数和辅助矩阵生成对应用户的过渡密钥和辅助密钥，再利用身份矩阵、过渡密钥和辅助密钥生成公钥；使用公钥和扰乱矩阵生成容错学习问题实例，并将容错学习问题实例作为密文辅助矩阵，然后使用公钥和密文辅助矩阵对明文矩阵进行加密；接收方根据计算函数对密文进行同态计算，并将得到的密文矩阵返回发送方；发送方使用私钥对密文矩阵进行解密。本发明的有益效果是：通过增设矩阵形式的过渡密钥和辅助密钥生成私钥和公钥，扩展了方案的加密空间，实现了针对单用户密钥的便捷管理和高效的多数据加解密及同态计算。
-
公开(公告)号：CN116259422A
公开(公告)日：2023-06-13
申请号：CN202310233482.4
申请日：2023-03-13
Applicant: 暨南大学
IPC: G16H70/20 , G16H50/50 , G16H50/70 , G16H50/20 , G16H15/00 , G06F16/35 , G06F16/335 , G06F40/242 , G06F40/216 , G06F40/284 , G06N3/08 , G06N3/0455 , G06N3/0475
Abstract: 本发明公开了一种基于虚拟数据增强的眼科疾病诊疗意见生成方法、系统、介质和设备，该方法的步骤包括：获取医疗文本数据并进行预处理；构建语料库，基于语料库预训练BERT模型；基于BERT模型进行多标签文本分类，输出对应的疾病分类；将医疗文本数据训练集根据不同的疾病种类进行划分，得到训练子集；采用Seq2seq结构构建眼科疾病的诊疗意见生成模型；基于训练子集训练诊疗意见生成模型；构建并训练双塔结构的眼科疾病诊疗意见生成模型；将医疗文本数据输入至训练后的双塔结构的眼科疾病诊疗意见生成模型，输出眼科疾病诊疗意见。本发明能够有效扩增训练样本的特征空间，提升眼科疾病诊疗意见的生成质量。
-
公开(公告)号：CN116054889A
公开(公告)日：2023-05-02
申请号：CN202310060519.8
申请日：2023-01-18
Applicant: 暨南大学
IPC: H04B7/0413 , H04L1/00
Abstract: 本发明公开了一种面向MIMO系统的编码传输方法，应用于Nt根发射天线和Nr根接收天线的SM‑MIMO系统模型，对于任意时刻t，只有发射机的na根天线处于激活状态以进行传输。本发明使用任意线性分组码C[n,k]保护信息，激活天线的可能发射信号取自星座信号集合χ，考虑时不变延迟方案，第(t，i)个编码子块pt(i)在瞬时t+Ti视为SM映射器的输入，参数Ti称为第i个延迟。缓冲区中的比特以逐列方式用于SM映射。SM映射器获取比特序列矩阵Ct作为输入，xt＝(xt,0,xt,1,...,xt,i,...,xt,α‑1)作为输出。用Pt,i表示Pt的第i列，传输信号xt,i由Pt中的第i列获取。SM映射器利用了Pt和Pt+1之间的相关性，使得后面的接收器中可以探索这些相关性来提高解码性能。本发明具有构造灵活、可逼近信道容量、性能良好等优点。
-
Patent Agency Ranking
公开(公告)号：CN115994352A
公开(公告)日：2023-04-21
申请号：CN202310280078.2
申请日：2023-03-22
Applicant: 暨南大学
IPC: G06F21/55 , G06N3/0442 , G06N3/09 , G06F16/35
Abstract: 本发明公开一种防御文本分类模型后门攻击的方法、设备及介质，该方法包括以下步骤：随机选取数据集中的部分样本进行数据投毒，被投毒后的数据集定义为有毒数据集；在BERT网络的输出层后接上全连接层构成文本分类模型；将有毒数据集输入文本分类模型，按照有监督的方式对文本分类模型进行训练，将有毒数据集中训练损失值在预设范围内的样本隔离出来，判定为有毒样本，有毒数据集剩余的样本判定为干净样本；将有毒样本和干净样本输入文本分类模型。本发明的有益效果是：通过隔离出数据集中的小部分有毒样本，然后利用有监督的混沌训练混淆文本分类模型在数据隔离步骤中被植入的后门，实现后门的去除。
-
公开(公告)号：CN112422133B
公开(公告)日：2022-10-21
申请号：CN202011186669.6
申请日：2020-10-30
Applicant: 暨南大学
IPC: H03M7/30
Abstract: 本发明公开了一种减法匹配追踪的二值稀疏信号恢复方法及其应用，该方法基于显式SMP或隐式SMP进行二值稀疏信号恢复；基于显式SMP具体步骤为：输入噪声观测向量，感知矩阵和稀疏度；数据初始化；在每次迭代中，感知矩阵对应索引为i的列向量与残差最相关，得到索引sk，通过减去感知矩阵对应索引为sk的列向量更新残差向量，直到迭代停止，输出估计稀疏信号；基于隐式SMP具体步骤为：输入噪声观测向量，感知矩阵和稀疏度；数据初始化；在每次迭代中，选择一个索引，获取列索引集，紧接着更新总的索引估计支集，更新相关性，循环迭代直到迭代停止；输出估计稀疏信号。本发明提高了稀疏信号恢复效率，实现稀疏信号的恢复性能更好的目的。
-
公开(公告)号：CN119921783A
公开(公告)日：2025-05-02
申请号：CN202510002706.X
申请日：2025-01-02
Applicant: 暨南大学
Abstract: 本申请涉及一种基于动态递增阈值选取策略的信号重构方法、系统及设备，涉及压缩感知信号处理技术领域，该方法包括：获取低维观测信号，根据损失函数的梯度对低维观测信号进行估计，得到估计信号，然后利用递增函数，结合迭代次数和预设的稀疏度进行阈值操作，得到迭代相关的动态阈值，进而将动态阈值应用于算法步骤，对估计信号的迭代更新，直到达到迭代更新终止条件，得到从低维观测信号中重构出的目标信号，该目标信号即为重构出的稀疏信号，本申请提高了对数据处理的效率和准确性，能够有效地应用自适应阈值算法更好地适应信号结构，提高算法恢复信号的准确性和可靠性。
-
公开(公告)号：CN111858932B
公开(公告)日：2024-08-16
申请号：CN202010659948.3
申请日：2020-07-10
Applicant: 暨南大学
IPC: G06F16/35 , G06F40/151 , G06F40/242 , G06N3/0455 , G06N3/0499
Abstract: 本发明公开了一种基于Transformer的多重特征中英文情感分类方法及系统，该方法步骤包括：对给定的文本数据进行预处理，包括划分文本、构造词典、获取数字形式的文本表示；建立模型的编码器网络：将预处理后的文本数据输入模型编码器部分的神经网络，依次经过嵌入层、多重自我注意力层、前馈层，提取并输出每个词语基于多重自我注意力机制的向量表示；建立模型的解码器网络：以编码器网络的输出作为值项和键项的输入，以文本序列的上下文向量作为查询项的唯一输入，经过解码器的多重自我注意力层和前馈层，输出文本基于自我注意力机制的向量表示。本发明以Transformer模型为基础架构，丰富了模型的特征输入中包含的信息，挖掘模型在原先应用领域之外的潜能。
-
公开(公告)号：CN117370736B
公开(公告)日：2024-08-13
申请号：CN202311674985.1
申请日：2023-12-08
Applicant: 暨南大学
IPC: G06F18/10 , G06N3/0455 , G06N3/0499 , G06N3/08 , G06F18/213 , G06F18/214
Abstract: 本发明公开了一种细粒度情感识别方法、电子设备及存储介质，该方法包括获取影评文本数据并进行数据预处理，确认影评方面词并为其添加情感倾向标签，将标签添加的数据制作为数据集；采用方面词替换算法来对所述数据集进行数据增强，以扩充所述数据集；以BLOOM预训练语言模型作为基础网络，并采用扩充后的数据集来进行训练，得到训练好的细粒度情感分析模型；使用训练好的细粒度情感分析模型,对影评文本进行细粒度情感分析。扩充数据集的数量，令模型在学习中获得丰富的特征，提高下游情感分析任务的准确性。使用BLOOM模型结构并引入预训练模型，模型因经历了大规模预料预训练而蕴含丰富的语义特征，有利于提高情感分析任务的效果。
-
-
-
-
-
-
-
-
-
Search Results
39
records
(took 0.052 seconds)
