-
公开(公告)号：CN113052203B
公开(公告)日：2022-01-18
申请号：CN202110181592.1
申请日：2021-02-09
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本发明公开了一种面向多种类数据的异常检测方法及装置。所述面向多种类数据的异常检测方法通过训练对抗学习网络，使对抗学习网络中的生成器拟合正常训练样本的分布以及学习正常训练样本的潜在模式，得到更新的对抗学习网络，根据训练过程中产生的重构误差构造更新的对抗学习网络中的异常评价函数，并将更新的对抗学习网络构建为异常检测模型，以利用异常检测模型对输入的检测数据进行异常检测，得到异常检测结果。本发明基于传统生成对抗学习模型的异常检测方法，通过引入模式分类器的思想，有效解决了检测数据与正常数据分布相近时异常检测难的问题，进一步提高了异常检测的准确性。
-
公开(公告)号：CN111291890B
公开(公告)日：2021-01-01
申请号：CN202010399728.1
申请日：2020-05-13
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本发明提供了一种博弈策略优化方法、系统及存储介质，该博弈策略优化方法包括建立基于最大熵的策略递度算法步骤和多智能体最优反应策略求解步骤。本发明的有益效果是：本发明采用中心化训练和分散式执行的方式，提高动作估值网络的准确性，同时引入了全局基线奖励来更准确地衡量智能体的动作收益，以此来解决人博弈中的信用分配问题。同时引入了最大熵方法来进行策略评估，平衡了策略优化过程中的探索与利用。
-
公开(公告)号：CN111260040A
公开(公告)日：2020-06-09
申请号：CN202010370070.1
申请日：2020-05-06
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本发明提供了一种基于内在奖励的视频游戏决策方法，包括以下步骤：S1、获取视频游戏模拟环境；S2、构建神经网络模型；S3、设计内在奖励模型；S4、将内在奖励模型与构建的神经网络模型结构结合；S5、通过模拟环境获取游戏的记录；S6、通过获取的游戏记录，更新神经网络模型；S7、循环训练神经网络模型直至收敛。本发明的有益效果是：较好的解决了三维场景中较为常见的缺乏环境反馈奖励值的问题。
-
公开(公告)号：CN119248289B
公开(公告)日：2025-05-16
申请号：CN202411775766.7
申请日：2024-12-05
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06F8/41
Abstract: 本发明公开了一种层次化自适应代码生成方法、系统及介质，该方法包括：基于代码token类型预测模块分析待生成代码的上下文，识别下一个待生成token的基本类型，所述基本类型包括基本结构、代码逻辑和高级语义内容；基于解码层自适应选择算法，自动选择适当的模型层进行输出预测；利用三种不同的分类解码策略分别生成属于基本结构、代码逻辑和高级语义内容的token。本发明提高了LLMs在代码生成任务中的可靠性，使模型能够更有效地利用其内在各层次的知识，减少了生成代码的结构性或语义性错误，能有效确保生成代码的逻辑性和可执行性。
-
公开(公告)号：CN119854037A
公开(公告)日：2025-04-18
申请号：CN202510322615.4
申请日：2025-03-19
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: H04L9/40 , H04L67/12 , H04L67/2885 , H04L41/0631 , H04L41/14 , H04L41/16 , G06N3/0464 , G06N3/0442
Abstract: 本申请提供一种道路交通网络异常检测方法、装置、电子设备及存储介质，所述方法应用于云边协同交通网络系统，包括：设备层、边缘计算层和云计算层；所述方法包括：利用设备层采集网络流量数据，并将网络流量数据发送至边缘计算层；利用边缘计算层下载的异常检测模型对网络流量数据进行分类，确定正常流量和异常流量，并将异常流量发送至云计算层；异常检测模型预设于云计算层；利用云计算层预设的深度学习模型识别异常流量的攻击技术，根据攻击技术结合ATT&CK框架确定攻击路径图；利用攻击路径图确定攻击链，根据攻击路径图及攻击链确定攻击目标和攻击源。通过云边协同架构，分层处理网络流量数据的分类和攻击行为识别。
-
Patent Agency Ranking
公开(公告)号：CN119516558A
公开(公告)日：2025-02-25
申请号：CN202411673640.9
申请日：2024-11-21
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本发明涉及人工智能技术领域，公开了基于多任务提示的异常目标识别模型的训练方法和装置，模型包括：图像编码器、文本编码器、多层感知机和联合调度器；方法包括：获取属于预设识别任务的任务样本的集合；采用图像编码器，根据多任务因果提示和训练图像样本生成视觉提示特征；采用文本编码器，根据多任务因果提示和文本标签样本生成文本提示特征；采用多层感知机过滤视觉提示特征得到反事实视觉提示特征；采用对比学习，根据反事实视觉提示特征和文本提示特征之间以及预设识别类别的相似度确定任务损失；采用联合调度器分配各个任务损失的权重；采用权重和任务损失更新模型的参数，直至训练结束。本公开提高了异常目标识别的泛化性、降低错误率。
-
公开(公告)号：CN119248289A
公开(公告)日：2025-01-03
申请号：CN202411775766.7
申请日：2024-12-05
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06F8/41
Abstract: 本发明公开了一种层次化自适应代码生成方法、系统及介质，该方法包括：基于代码token类型预测模块分析待生成代码的上下文，识别下一个待生成token的基本类型，所述基本类型包括基本结构、代码逻辑和高级语义内容；基于解码层自适应选择算法，自动选择适当的模型层进行输出预测；利用三种不同的分类解码策略分别生成属于基本结构、代码逻辑和高级语义内容的token。本发明提高了LLMs在代码生成任务中的可靠性，使模型能够更有效地利用其内在各层次的知识，减少了生成代码的结构性或语义性错误，能有效确保生成代码的逻辑性和可执行性。
-
公开(公告)号：CN117573975B
公开(公告)日：2024-12-13
申请号：CN202311548012.3
申请日：2023-11-17
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) , 鹏城实验室
IPC: G06F16/9535 , G06N3/0455 , G06N3/042 , G06N3/048 , G06N3/098
Abstract: 本发明提供了一种联邦跨领域的信息推荐方法、装置、终端设备及介质，所述信息推荐方法从服务器获取预先训练好的跨域序列推荐模型，并且通过用户的交互信息，确定对用户的推荐建议。该模型由服务器将多个本地模型聚合得到，每个本地模型对应一个客户端，并且每个本地模型在对应的客户端本地训练得到，这样，对于客户端来说，不需要将本地的数据上传到服务器，也可以通过服务器训练得到跨域序列推荐模型，然后从服务器获取该模型并进行应用，确保了客户端数据拥有方的数据隐私，此外相比现有的定制化推荐模型，跨域序列推荐模型通过多个本地模型聚合得到并且各本地模型分别由对应客户端本地训练得到，可以有效提高跨域序列推荐模型的性能和质量。
-
公开(公告)号：CN118536603A
公开(公告)日：2024-08-23
申请号：CN202410754029.2
申请日：2024-06-12
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) , 鹏城实验室
IPC: G06N5/04 , G06N3/0455 , G06N3/0464 , G06F18/22 , G06F18/25
Abstract: 本发明涉及生成式人工智能技术领域，公开了一种基于因果微调的个性化文生图模型构建及文生图方法，包括：将多个主体的多个参考图像、文本描述分别进行合并增强得到多个合并增强图像及合并文本描述；利用预设因果解耦算法，从各主体的文本描述、合并文本描述及合并增强图像中分别提取出保护身份的文本表征、身份相关及身份无关的视觉表征；将其输入预设因果推理模型，得到交叉注意力映射图；将交叉注意力映射图与对应主体身份相关的视觉表征对齐。本发明通过主体感知的因果解耦来鉴别主体身份相关的信息和身份无关的信息，保护主体身份信息，通过交叉注意力引导使每个主体的文本属性与视觉属性因果对齐，避免主体间混淆文生图的有效性、可控性。
-
公开(公告)号：CN117095243A
公开(公告)日：2023-11-21
申请号：CN202311345466.0
申请日：2023-10-18
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06V10/764 , H04L9/40 , G06V10/774 , G06V10/80 , G06V10/82 , G06V10/70 , G06V10/74 , G06F18/213 , G06F18/214 , G06F18/22 , G06F18/24 , G06F18/25 , G06F18/20 , G06N3/045 , G06N3/0895 , G06N3/096 , G06N3/084 , G06N3/0985 , G06F123/02
Abstract: 本发明提供一种基于分支融合策略的小样本类增量网络入侵检测方法，包括：步骤一：将采集到的网络流量样本进行拆分处理，处理后的网络流量样本被转化为灰度图像表示；步骤二：将网络流量样本的灰度图像输入到骨干网络ViT中用于自监督模式的预训练以提高特征嵌入的表示能力；步骤三：初始化基础会话分支分类器的投影层参数，用于训练初始的检测分类模型；步骤四：学习每个新会话分支分类器模块，进而使用分支融合策略关联基础会话和新会话分支分类器从而帮助分类器模型完成训练和推理。本发明的有益效果是：本发明方法在不会遗忘已学习攻击类别的情况下，允许以增量、小样本、灵活的方式持续学习新攻击类别，实现保护目标网络系统免受恶意攻击。
-
-
-
-
-
-
-
-
-
Search Results
97
records
(took 0.059 seconds)
