-
公开(公告)号：CN115222990A
公开(公告)日：2022-10-21
申请号：CN202210879918.2
申请日：2022-07-25
Applicant: 复旦大学
IPC: G06V10/764 , G06N3/04 , G06N3/06 , G06N3/08 , G06V10/774 , G06V40/12
Abstract: 本发明属于人工智能技术领域，具体为一种基于自适应指纹的元学习神经网络指纹检测方法；其适用于多种下游任务模型的知识产权保护：先为目标模型构建多组自适应指纹样本，再检测在嫌疑模型中这些自适应指纹样本的输出是否能通过元验证模型的检测。本发明的指纹检测机制基于嫌疑模型在自适应指纹样本上的置信度向量输出，而非对抗样本的输出标签，故无关于具体任务类型、不依赖于训练数据，能够广泛应用于各种任务类型的神经网络指纹检测，如分类、回归、生成模型等，以保护神经网络的知识产权，且对于各类正、负例嫌疑模型具有较好的鲁棒性与独特性。
-
公开(公告)号：CN114090903A
公开(公告)日：2022-02-25
申请号：CN202111387697.9
申请日：2021-11-22
Applicant: 复旦大学
IPC: G06F16/9536 , G06N3/08 , G06Q50/00
Abstract: 本发明公开了一种提升社交网络层次化社区检测划分效果的方法。本发明将社区检测分为两步完成：首先根据现有社区拓扑结构，给定节点与社区的特征向量，预测社交网络图中每个节点的社区从属关系，并利用社交网络图中节点之间的连接关系优化现有的特征向量；而后利用深度学习中的强化学习技术，给定当前社区拓扑结构和社交网络图，预测调整现有社区的拓扑结构；重复上述两步骤直至收敛；给定一张社交网络图，能够预测其节点的社区划分情况。针对社交网络中出现的新增节点，继续重复上述步骤即可将新节点也纳入社区划分中。本发明方法在社区检测的模块度和归一化互信息上都远高于现有的GEMSEC算法、HCDE算法和ComE算法。
-
公开(公告)号：CN108171073B
公开(公告)日：2021-08-20
申请号：CN201711277112.1
申请日：2017-12-06
Applicant: 复旦大学
IPC: G06F21/62 , G06F40/279
Abstract: 本发明属于程序信息安全检测技术领域，具体为一种基于代码层语义解析驱动的隐私数据识别方法。本发明方法包括：基于自然语言处理技术的隐私相关语义分析和代码片段定位：提取代码中的字符串常量标识符，经过预处理之后，将字符串常量中的语义信息与预先定义好的语义相关隐私词典进行匹配，通过字符串常量当中的词性标签，以及不同词语在句子短语当中的依赖关系来判断其是否表明特定的隐私数据；基于机器学习的隐私相关代码片段识别：采用机器学习的支持向量机模型，通过抽取隐私数据使用的代码特征行为作为判断给定的代码是否包含系统所关注的隐私数据。通过对这类隐私数据识别，将其标记为敏感数据源，从而降低用户隐私数据的泄露风险。
-
公开(公告)号：CN112417450A
公开(公告)日：2021-02-26
申请号：CN202011312359.4
申请日：2020-11-20
Applicant: 复旦大学
Abstract: 本发明属于移动安全技术领域，具体为一种基于动态行为序列和深度学习的恶意软件实时检测系统，本发明系统包括两个核心模块：应用动态行为实时采集子系统和应用行为实时判别子系统，应用动态行为实时采集子系统用于持续、可靠地记录应用所调用的框架层函数调用接口与和内核层系统调用序列，以表征应用所产生的行为；为应用行为判别子系统提供行为判别依据；应用行为实时判别子系统利用深度学习技术探索行为序列信息内在联系，使用机器学习模型对上述调用序列进行即时判别，以高效准确地识别出应用中的恶意行为。系统还包括数据处理模块和数据通信模块，用来协助两个核心模块的运行。本发明可有效缓解移动系统生态面临的安全问题与威胁。
-
公开(公告)号：CN112199115A
公开(公告)日：2021-01-08
申请号：CN202010998361.5
申请日：2020-09-21
Applicant: 复旦大学
IPC: G06F8/74 , G06F40/194 , G06F40/284 , G06F40/268 , G06F40/216
Abstract: 本发明属于安卓平台应用安全分析技术领域，具体为一种基于特征相似度的Java字节码和源代码关联方法。本发明包括：基于条件随机场(CRF)的Java字节码分行，首先收集大量已标注调试信息的Java字节码文件，将这些已标注的字节码文件输入CRF模型进行训练，训练完成后的CRF模型用于对无源码行信息的字节码文件自动进行精准的行分割；跨语言的特征提取，即提取Java字节码和源码中的特征；Java字节码与源码之间的行匹配，即利用最长公共子序列算法求解Java字节码行与源码行之间最优的匹配结果。本发明能够精准地建立起Java字节码与Java源码之间行对行粒度的映射关系，为安卓平台上闭源软件的分析提供极大的便利。
-
Patent Agency Ranking
公开(公告)号：CN111967015A
公开(公告)日：2020-11-20
申请号：CN202010723063.5
申请日：2020-07-24
Applicant: 复旦大学
Abstract: 本发明属于分布式人工智能技术领域，具体为一种提升分布式学习系统拜占庭鲁棒性的防御代理方法。本发明利用基于神经网络结构的适应性可信度评估模块以动态评估各提交梯度的可信度，更新当前主节点上维护的全局分类器参数，生成奖励信号，并根据奖励信号在强化学习的框架下调整适应性可信度评估模块的参数；在训练过程中动态调整对各个工作节点的可行度评估值，缓解恶意工作节点提交的被篡改的梯度对系统训练过程的影响，以提升分布式学习系统的拜占庭鲁棒性。本发明能够广泛应用于各类分布式深度学习系统，提升系统的拜占庭鲁棒性。对人工智能系统的分布式训练过程安全，尤其是在恶意工作节点比例大于或等于50％的情况下，有明显提升。
-
公开(公告)号：CN111966579A
公开(公告)日：2020-11-20
申请号：CN202010723055.0
申请日：2020-07-24
Applicant: 复旦大学
IPC: G06F11/36 , G06F16/35 , G06F40/205 , G06F40/253 , G06F40/151 , G06F40/126
Abstract: 本发明属于程序动态分析和测试技术领域，具体为基于自然语言处理与机器学习的自适应文本输入生成方法。本发明包括：基于UI结构和机器学习的约束信息提取，首先实时获取安卓应用动态测试中的UI界面信息，提取产生的文本信息，利用机器学习方法识别所有约束信息，并将其与对应的输入框绑定；基于自然语言处理的约束信息解析，使用CNN-RNN分类器对提取的约束信息进行多分类，使用自然语言处理方法对属于不同分类类别的约束进行相应解析处理，提取与文本输入相关的约束成分；基于字符串求解器的文本输入的生成，将约束信息转化成字符串生成器的输入格式，并将其填入输入框。本发明能帮助动态测试和分析工具，提高测试时的代码覆盖率以及隐私、漏洞等检出率。
-
公开(公告)号：CN103593605B
公开(公告)日：2016-11-09
申请号：CN201310506289.X
申请日：2013-10-24
Applicant: 复旦大学
IPC: G06F21/52
Abstract: 本发明属于安卓平台应用安全分析技术领域，具体为一种基于权限使用行为的安卓平台应用程序动态分析系统。该系统包括：核心的显式权限使用点识别器和隐式权限使用点追踪器，辅助的应用程序驱动器和行为分析器；显式权限使用点识别器和隐式权限使用点追踪器基于安卓权限实施系统；显式权限使用点识别器完整记录应用程序运行时的显式权限使用点，隐私权限使用点追踪器追踪应用程序运行时的隐式权限使用点。本发明可以完全识别应用程序运行时的所有权限使用点和与之相关联的权限信息，从而对应用程序内部权限使用行为进行刻画。
-
公开(公告)号：CN102779093B
公开(公告)日：2016-05-25
申请号：CN201210228303.X
申请日：2012-07-04
Applicant: 复旦大学
IPC: G06F11/36
Abstract: 本发明属于程序错误检测技术领域，具体为一种对象粒度收集的Java不变式检测系统。本发明系统包括预处理模块、不变式训练模块、不变式文件分析模块、不变式检测模块以及错误排序删减模块；其中，预处理模块负责检测和过滤程序中不会引起并发错误的对象；不变式训练模块，基于对象粒度提取程序中的不变式信息，并产生一个不变式记录文件；文件分析模块对所有不变式记录文件中的信息按照不变式规则进行归并，最终合成一个文件；不变式检测模块利用合成的文件指导检测运行；错误排序删减模块，负责对不变式检测模块检测到的程序错误做可信性分析；本发明减少了程序中交叉存取出现的次数，降低了运行开销，并有效地进行多变量并发错误的检测。
-
公开(公告)号：CN102830965B
公开(公告)日：2015-12-09
申请号：CN201210260280.0
申请日：2012-07-26
Applicant: 复旦大学
Abstract: 本发明属于Java虚拟机设计技术领域，具体涉及即时编译器生成的位置无关代码的缓存与复用管理。本发明设计了一种高效的位置无关代码管理方法，并在Android操作系统内置虚拟机Dalvik上将其实现。本发明为位置无关代码设计了良好的缓存文件格式和缓存文件组织方式，并设计了高效的复用检测与加载策略。使用该管理方法可使虚拟机编译器生成的位置无关代码被高效地复用，从而提升虚拟机的执行效率。
-
-
-
-
-
-
-
-
-
Search Results
76
records
(took 0.06 seconds)
