-
公开(公告)号：CN117494208A
公开(公告)日：2024-02-02
申请号：CN202311546448.9
申请日：2023-11-20
Applicant: 哈尔滨工业大学 , 中数(深圳)时代科技有限公司
IPC: G06F21/62 , G06F21/64 , G06N3/0475 , G06N3/098 , G06N3/094
Abstract: 一种基于生成对抗网络的多模态投毒攻击的防御方法、电子设备及存储介质，属于人工智能安全技术领域。为加强对联邦学习过程中投毒攻击的特征数据安全性，本发明攻击方对图像训练数据进行投毒攻击，得到图像毒化样本数据；攻击方对文本训练数据进行投毒攻击，得到文本毒化样本数据；构建投毒模型，攻击方将得到的图像毒化样本数据或得到的文本毒化样本数据混入训练数据集中，得到毒化训练数据集用于训练构建的投毒模型；基于得到的投毒模型构建多模态投毒攻击的防御方法，包括建立第三方参数服务器用于校验本地模型和全局模型之间的差距，用欧几里得距离度量本地模型和全局模型之间的差距，中央服务器对上传的模型参数进行数据处理。
-
公开(公告)号：CN117216779A
公开(公告)日：2023-12-12
申请号：CN202311237912.6
申请日：2023-09-22
Applicant: 哈尔滨工业大学 , 中数(深圳)时代科技有限公司
Abstract: 本发明提出基于余弦相似度和同态加密的联邦学习安全聚合方法，属于安全聚合技术领域。包括参数服务器Server1、辅助计算服务器Server2和多个参与联邦学习客户端；参数服务器Server1、辅助计算服务器Server2默认不互相勾结，客户端训练为：S1.客户端执行梯度密文上传，客户端利用各自的隐私数据对上轮获得的模型进行训练，得到相应的梯度更新，并将梯度明文通过同态加密技术使用同一公钥加密得到梯度密文，传输给参数服务器Server1；S2.Server1执行梯度聚合和贡献值计算；S3.梯度更新发布。解决搭便车攻击者和投毒攻击的检测难度大的问题，在隐私保护同时保证联邦学习的鲁棒性和公平性。
-
公开(公告)号：CN113360896B
公开(公告)日：2022-09-20
申请号：CN202110619300.8
申请日：2021-06-03
Applicant: 哈尔滨工业大学 , 上海浦东发展银行股份有限公司
Abstract: 本发明提出了一种横向联邦学习架构下的Free rider攻击检测方法，属于人工智能安全领域。本发明首先，通过模型参数增量处理获取高维样本，对高维样本进行降维处理，抽取三部分特征，将特征合并得到压缩后的样本，在评估网络中计算样本的能量，根据能量判断攻击者，由于Free Rider攻击者生成的模型参数是在原本的全局模型参数的基础上按照训练的轮次加入差分扰动，因此在对其计算本地模型参数增量之后，其增量值等于攻击中加入的差分扰动，估计网络在评估样本的似然性时，其样本能量值的平均值会偏高，因此这样的样本数据会被检测为异常，我们设置阈值判断出Free Rider攻击者。解决了基于横向联邦学习架构下的Free Rider攻击的检测能力差的技术问题。
-
公开(公告)号：CN113360897A
公开(公告)日：2021-09-07
申请号：CN202110620214.9
申请日：2021-06-03
Applicant: 哈尔滨工业大学 , 上海浦东发展银行股份有限公司
Abstract: 本发明提出了一种横向联邦学习架构下的Free Rider攻击方法，属于人工智能安全领域。本发明首先，接收参数服务器发送的全局模型，并对接收的全局模型进行伪装处理，通过对全局模型进行加噪，并添加差分时变扰动处理获取Free rider攻击模型参数，最后将伪装成自己训练得到的模型参数返回给参数服务器。随着迭代轮次的增加，噪声水平呈现一定的收敛性，在实验中，我们调整的噪声水平系数m以及衰减参数γ，用来躲避检测。解决了Free rider攻击方法很容易被参数服务器检测出的技术问题。
-
公开(公告)号：CN119201984A
公开(公告)日：2024-12-27
申请号：CN202411263035.4
申请日：2024-09-10
Applicant: 哈尔滨理工大学 , 哈尔滨工业大学 , 国网黑龙江省电力有限公司电力科学研究院
Inventor： 张宏国 , 赵天诚 , 马超 , 张罗刚 , 关志博 , 李双翼 , 黄海 , 于海宁 , 王孝余 , 尚方 , 刘生 , 史心月 , 宋杭选 , 袁泽 , 王莹莹 , 李丹丹 , 林扬
IPC: G06F16/2452 , G06F16/242 , G06F16/33
Abstract: 基于检索增强生成的电力领域SQL自动生成方法及系统，涉及数据处理技术领域。解决了为了解决传统的SQL自动生成方法数据处理的效率和准确性低的问题。本发明首先将用户输入的问题编码为向量，并在预先编码的向量知识库中匹配相似度排名最高的k个键和描述信息。再基于排名最高的k个键及键对应的描述信息生成指令信息，SQL生成模型根据指令信息生成精准的SQL查询语句。本发明主要应用于电力领域自然语言问题转化为SQL查询语句。
-
Patent Agency Ranking
公开(公告)号：CN118864087A
公开(公告)日：2024-10-29
申请号：CN202410910485.1
申请日：2024-07-09
Applicant: 哈尔滨理工大学 , 哈尔滨工业大学 , 中数(深圳)时代科技有限公司
IPC: G06Q40/03 , G06N3/098 , G06N3/084 , G06N3/0499 , G06F21/62
Abstract: 本发明一种基于联邦学习和隐私保护的供应链金融信贷风险评估方法、系统及存储介质，涉及供应链金融领域，为解决现有方法中模型无法灵活适应不同类型数据，以及数据量不足和数据隐私问题。本发明基于联邦学习模型，参与方客户端采用信息瓶颈对信贷数据进行特征提取，并采用差分隐私向数据添加噪声，中心服务器对数据进行汇总得到全局数据集；改进的多层感知机的网络模型引入自适应激活函数和层间残差连接，参与方客户端基于本地数据集结合全局数据集对网络模型进行训练，采用同态加密对传送的模型参数加密，中心服务器对各参与方客户端模型参数进行安全聚合并解密，更新模型参数，循环训练得到信贷风险评估模型，对供应链金融信贷风险进行评估。
-
公开(公告)号：CN118820469A
公开(公告)日：2024-10-22
申请号：CN202410845741.3
申请日：2024-06-27
Applicant: 哈尔滨工业大学 , 上海浦东发展银行股份有限公司
IPC: G06F16/35 , G06F40/247
Abstract: 本发明提出一种数据分类分级方法，属于数据分类分级技术领域。包括：步骤一、用户向服务器上传待分类数据，并选择不提供具体数据的字段；步骤二、服得到数据字段和内容，当数据字段不含模板数据时执行步骤三，否则执行步骤四；步骤三、利用识别模型对数据进行字段扫描，若输出的结果与模板中某一数据唯一对应，则根据模板中的对应关系，确定字段等级，否则认为字段不属于模板范围内，执行步骤四；步骤四、利用识别模型对数据进行字段扫描，根据输出结果与模板中数据进行匹配形成正则规则数组，正则规则数组表征匹配结果；步骤五、执行匹配流程，得到分类等级；本发明提出了权重匹配函数。能够更加准确的对数据类型进行分类分级。
-
公开(公告)号：CN118779912A
公开(公告)日：2024-10-15
申请号：CN202410891893.7
申请日：2024-07-04
Applicant: 哈尔滨理工大学 , 哈尔滨工业大学 , 中数(深圳)时代科技有限公司
Abstract: 本发明公开了一种基于区块链技术的行程匹配方法及系统，涉及行程匹配技术领域。本发明的技术要点包括：所述方法应用在区块链上，首先确定最优行程距离的双方用户；然后调用智能合约对双方用户的位置数据进行扰动处理，调用智能合约对双方用户的手机号码进行加密处理，并存储扰动处理后的位置数据和加密后的手机号码；最后基于扰动处理后的位置数据对双方用户进行行程匹配；其中，扰动处理使得原始位置数据被加入随机噪声，双方用户无法从扰动后的数据中推断原始位置。本发明能够确保双方用户无法直接获取到对方的具体位置数据和手机号码，同时也能够保障用户的个人信息不被滥用，为用户提供了更加私密和可靠的出行体验。
-
公开(公告)号：CN118569559A
公开(公告)日：2024-08-30
申请号：CN202410622333.1
申请日：2024-05-20
Applicant: 哈尔滨理工大学 , 哈尔滨工业大学 , 中数(深圳)时代科技有限公司
IPC: G06Q10/0631 , G06Q50/06 , G06F18/213 , G06F18/25 , G06N3/0464 , G06N3/042 , G06F18/2411 , H04L67/12
Abstract: 一种基于图卷积网络的联邦学习无人车充电预测方法、系统及存储介质，涉及港口自动化运输领域，为解决现有方法无法提供精确的充电调度，且存在数据孤岛的问题。本发明基于联邦学习模型，包括一个中心服务器和N个客户端，N个客户端包括无人车节点和充电站节点；S1、客户端分别接收无人车实时采集的数据；S2、采用图卷积网络处理无人车节点与充电站节点之间的交互，将无人车图结构数据与其它特征数据进行特征提取与融合，引入注意力机制增强对关键信息的聚焦；S3、客户端构建有无人车充电预测模型；S4、各客户端对模型进行训练；S5、各客户端将训练后的模型参数进行同态加密并发送给中心服务器进行聚合；S7、采用训练后的模型进行无人车充电预测。
-
公开(公告)号：CN118446356A
公开(公告)日：2024-08-06
申请号：CN202410521136.0
申请日：2024-04-28
Applicant: 哈尔滨理工大学 , 哈尔滨工业大学 , 中数(深圳)时代科技有限公司
IPC: G06Q10/04 , H02J3/00 , G06Q50/06 , G06N3/0455 , G06N3/0499 , G06N3/048 , G06N3/049
Abstract: 本发明提出一种基于时空嵌入独立的多变量时间序列预测方法，属于多变量时间序列预测技术领域。获取多变量时间序列数据作为样本数据，构建基于时空嵌入独立的多变量时间序列预测模型，使用多变量时间序列数据训练预测模型，更新模型权重，将多变量时间序列的电力负荷数据输入至预测模型，输出预测结果。本发明显著地增加多变量时间序列预测的精度；显著地降低了模型的计算开销，同时可以解决了跨时间依赖建模和跨维度依赖建模之间相互耦合导致状态向量规模过大的问题和在多变量时间序列的各个变量没有明确相关关系时，显式跨维度依赖建模导致的过拟合问题。
-
-
-
-
-
-
-
-
-
Search Results
67
records
(took 0.088 seconds)
