公开(公告)号：CN116484384B

公开(公告)日：2024-01-19

申请号：CN202310421659.3

申请日：2023-04-19

Applicant: 北京交通大学 ,  南开大学

Inventor： 王伟 ,  李珊 ,  李涛 ,  谢学说 ,  王斌 ,  张大伟 ,  李超 ,  段莉

IPC: G06F21/57 ,  G06F21/64 ,  G06F21/71 ,  G06N3/048 ,  G06N3/0455 ,  G06N3/08

Abstract: 本发明提供了一种基于深度学习的以太坊智能合约漏洞的检测和定位方法。该方法包括：通过语法分析和词法分析将以太坊智能合约的源码转化为抽象语法树；分析各种漏洞的代码特征，分析代码特征在抽象语法树中的关键属性，基于关键属性提取抽象语法树中的切片；提取切片的语义特征和结构特征；根据切片的语义特征和结构特征通过漏洞类型检测模型检测出所述以太坊智能合约的漏洞类型信息；根据漏洞类型信息利用图自编码器定位所述以太坊智能合约的漏洞位置。本发明通过研究多种漏洞类型的本质属性特征，精准切片出这些特征，有利于检测漏洞类型并且定位漏洞位置，提高检测效率，有效增强深度学习检测结果的可解释性。

公开(公告)号：CN115116095A

公开(公告)日：2022-09-27

申请号：CN202210819309.8

申请日：2022-07-13

Applicant: 南开大学

Inventor： 王恺 ,  马志 ,  刘蒙蒙 ,  李涛

IPC: G06V40/10 ,  G06V10/20 ,  G06V10/40 ,  G06V10/77 ,  G06V10/80

Abstract: 本发明提供了一种融合外观信息的行人重识别联合优化方法，包括以下步骤：利用数据增强策略预处理跨外观行人重识别数据集；根据图像中行人的身份属性和外观属性，生成多身份多外观的批次图像；使用特征提取网络提取高维特征矩阵，池化获取行人高维特征，批次归一化得到行人推理特征；基于行人推理特征连接不同的全连接层分别获取身份分类特征和外观分类特征；计算最难三元损失、多外观三元损失、身份分类损失和外观分类损失，四种损失加权求和并端到端地联合优化；损失层梯度反向传播，更新权值参数；迭代计算直至特征提取网络模型收敛。本发明提升了模型在同外观和跨外观环境下的综合检索性能。

公开(公告)号：CN113176977A

公开(公告)日：2021-07-27

申请号：CN202110464020.4

申请日：2021-04-27

Applicant: 南开大学 ,  赛尔网络有限公司

Inventor： 靳宗明 ,  卢冶 ,  谢学说 ,  简兆龙 ,  李涛

IPC: G06F11/30 ,  G06F16/18

Abstract: 本发明提供了一种构建物联网工作流的交错日志分析方法，包括以下步骤：日志文件中，在每个日志条目后设置长度为N的窗口，窗口覆盖日志条目后方相邻的N个后继日志条目；窗口的N值人为确定；计算在前日志条目与其后窗口中的每个后继日志条目之间的依赖值；设定过滤阈值，若联合依赖值大于过滤阈值，则对应后继日志条目为在前日志条目的真实后继条目。本发明在交错日志中构建工作流模型时避免了日志中标识信息的使用，具有广泛的适用性，同时解决了由日志交错带来的上下文丢失和噪声问题。

公开(公告)号：CN111768002A

公开(公告)日：2020-10-13

申请号：CN202010661226.1

申请日：2020-07-10

Applicant: 南开大学

Inventor： 龚成 ,  卢冶 ,  李涛

IPC: G06N3/08 ,  G06N3/063

Abstract: 本发明提供了一种基于弹性有效位的深度神经网络量化方法，将定点数或者浮点数量化为具有弹性有效位数的量化值，丢弃多余的尾数部分，并采用可行求解的方式来定量评价量化值与原始数据的分布差异。本发明具有弹性有效位的量化值，通过不同的有效位，量化值的分布可以覆盖从长尾到均匀的一系列钟形分布，适应DNNs的权值/激活分布，从而保证低的精度损失；乘法计算在硬件上可以由多次的移位加法实现，提升量化模型的整体效率；分布差异函数定量地估计不同量化方案带来的量化损失，可以在不同的条件下选择最优的量化方案，实现更低的量化损失，提升量化模型的精度。

公开(公告)号：CN111428674A

公开(公告)日：2020-07-17

申请号：CN202010252779.1

申请日：2020-04-02

Applicant: 南开大学

Inventor： 董世超 ,  王恺 ,  李涛

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开一种保持多度量空间一致性的多损失联合训练方法，包括以下步骤：行人样本通过卷积神经网络前向传播获得高维度特征矩阵；再转化为行人特征向量；特征向量进行L2正则操作；单位特征向量拼接组成三元组，计算三元损失；单位特征向量，通过Bach Normalization层得到测试向量；再输入到网络模型之后的全连接层并前向计算交叉熵损失；计算其梯度信息；损失层的梯度反向传播，更新权值参数；如果模型仍未收敛，或者是未达到最大迭代次数，重复上述步骤。在未增加参数量的情况下，在各个行人重识别模型上采用本发明方法能够有明显的效果提升。

公开(公告)号：CN204104054U

公开(公告)日：2015-01-14

申请号：CN201420588398.0

申请日：2014-10-11

Applicant: 南开大学

Inventor： 王恺 ,  郭天勇 ,  李涛

IPC: H04N7/18

Abstract: 本实用新型提供一种具有影像定位功能的停车场摄像处理装置，包括数据采集系统、定位系统、数据信号处理芯片和客户端，所述数据采集系统和所述定位系统均与所述数据处理系统相连，所述数据处理系统与所述客户端相连。本实用新型的有益效果是将GPS全球定位系统与摄像头组合使用，通过视频图像数据的处理确定停车场停车位的具体方位，通过GPS全球定位系统将指导客户将车停到指定位置，有效提高了停车场的停车效率，避免了由于在停车场内不能准确找不到停车位而造成的时间浪费和道路拥堵。