公开(公告)号：CN115810131A

公开(公告)日：2023-03-17

申请号：CN202211689303.X

申请日：2022-12-27

Applicant: 哈尔滨工业大学(深圳)

Inventor： 罗文坚 ,  贾焰 ,  叶子鹏 ,  张瑞卓 ,  张宏伟

IPC: G06V10/764 ,  G06V10/82 ,  G06V10/25 ,  G06V10/26 ,  G06T11/00 ,  G06N3/0475 ,  G06N3/094

Abstract: 本申请实施例公开了一种模型逆向攻击方法、模型逆向攻击设备以及计算机可读存储介质，用于在提高生成的目标攻击图像与目标隐私图像的相似度的情况下，进行模型逆向攻击。本申请实施例方法包括：对获得的目标空间向量进行预设规则处理，将得到的处理后的目标空间向量输入预先训练的合成网络，得到合成网络输出的攻击图像，将攻击图像输入目标分类器，得到目标分类器输出的攻击图像的目标类的概率值，根据攻击图像的目标类的概率值对处理后的目标空间向量进行优化，以使将得到的优化后的目标空间向量输入合成网络，得到合成网络输出的优化后的攻击图像。

公开(公告)号：CN114139637B

公开(公告)日：2022-11-04

申请号：CN202111470623.1

申请日：2021-12-03

Applicant: 哈尔滨工业大学(深圳)

Inventor： 王轩 ,  黄新昊 ,  漆舒汉 ,  张加佳 ,  刘洋 ,  蒋琳 ,  罗文坚 ,  高翠芸 ,  李君一 ,  黄旭忠

IPC: G06V10/80 ,  G06V10/82 ,  G06V10/764 ,  G06V10/74 ,  G06N3/04 ,  G06N3/08

Abstract: 本申请公开了一种多智能体信息融合方法、装置、电子设备及可读存储介质。其中，方法包括构建操作预测网络模型和门控注意力机制模型，门控注意力机制模型根据不同来源信息以交互过程中学习的比例进行融合，且各智能体基于自身数据和通信信息融合结果共同确定是否接收通信信息融合结果。将多智能体应用模拟环境的状态信息输入至操作预测网络模型，得到各智能体的预测动作；根据多智能体应用模拟环境基于各智能体的预测动作信息输出的各预测动作得分和下一时刻的状态信息、每个智能体的价值评估信息，基于门控注意力机制模型的强化学习算法更新操作预测网络模型，循环训练操作预测网络模型直至收敛。本申请提升了多智能体信息融合效果。

公开(公告)号：CN113961667B

公开(公告)日：2024-06-25

申请号：CN202111112028.0

申请日：2021-09-23

Applicant: 哈尔滨工业大学(深圳)

Inventor： 张加佳 ,  王轩 ,  漆舒汉 ,  袁昊 ,  罗文坚 ,  唐琳琳 ,  刘洋

IPC: G06F16/33 ,  G06F16/332 ,  G06F16/35

Abstract: 本发明公开了一种基于Bert的动态阈值调整的智能问答系统，其特征在于方法步骤如下：S101：获取用户问题q；S102：将用户问题q通过基于关键字向量化的问句匹配方法，得到Kw个相似的标准问题；S103：将用户问题q通过BERT预训练模型，得到Kr个相似的标准问题；S104：按照一定的规则挑选出两个方法得到的标准问题作为匹配的标准问题集；S105：将标准问题集通过动态阈值调整模块得到最终的结果；本发明结合标准问答对知识库的管理，提出了一个动态阈值调整的问题匹配方法，可以匹配识别未训练的标准问题，进一步提高问题回答的准确率。

公开(公告)号：CN115937607A

公开(公告)日：2023-04-07

申请号：CN202211725818.0

申请日：2022-12-30

Applicant: 哈尔滨工业大学(深圳)

Inventor： 罗文坚 ,  贾焰 ,  孔令浩 ,  叶子鹏 ,  周琪

IPC: G06V10/764 ,  G06V10/82

Abstract: 本申请实施例提供了一种图像处理方法及相关设备，可以生成对抗样本并用于攻击多标签分类模型。本申请实施例方法包括：获取原始图像样本；其中，任一原始图像样本为多标签分类模型识别出的具有多个不同图像标签的图像样本；将原始图像样本输入初始对抗样本生成算法，以获取初始对抗样本；基于差分进化算法对初始对抗样本添加扰动，以生成种群中目标个体的目标适应度值及与所述目标适应度值对应的中间对抗样本，并确定目标适应度值是否满足第一预设样本阈值；若是，确定所述中间对抗样本为目标对抗样本，并输出所述目标对抗样本，以使得对于多标签分类模型的攻击成功；其中，目标对抗样本为多标签分类模型识别出的具有目标图像标签的图像样本。

公开(公告)号：CN114549931A

公开(公告)日：2022-05-27

申请号：CN202210157952.9

申请日：2022-02-21

Applicant: 哈尔滨工业大学(深圳)

Inventor： 罗文坚 ,  张立才 ,  韩培义 ,  庄荣飞

IPC: G06V10/774 ,  G06K9/62 ,  G06N20/00

Abstract: 本发明提供一种面向机器学习模型的数据恢复方法，可对机器学习模型的训练过程进行调整，以使模型利用其所包含的模型权重的线性组合记录训练集数据，进而可在无法接触训练集数据的情况下通过线性组合训练后的模型权重值来恢复训练集数据。由于采用所有模型权重进行记录，因此相较于现有的相关性编码攻击而言准确性更高，且不易降低模型的性能。本发明还提供一种面向机器学习模型的数据恢复装置、电子设备及存储介质，具有上述有益效果。