一种用于铁电随机存储器读出电路的电流型灵敏放大器

    公开(公告)号:CN102610264B

    公开(公告)日:2014-08-06

    申请号:CN201210071215.3

    申请日:2012-03-19

    Abstract: 本发明涉及非易失存储器技术领域,尤其涉及一种用于铁电随机存储器读出电路的电流型灵敏放大器。本发明由一对交叉耦合的CMOS反相器,一个栅极接使能信号的PMOS管和一个栅极接使能信号的NMOS管组成,输入电压转化为电流然后进行比较放大,忽略了位线上的负载电容不对称带来的影响;位线预放电信号控制的两个NMOS管可以使得静态时位线电压为零,减小对内部信号的干扰。本发明在读取数据时的抗干扰性和可靠性高,电路结构简单、占用面积小、速度快、功耗低、输入输出合一。

    一种新型中文语义混淆越狱攻击方法、装置、介质及设备

    公开(公告)号:CN120012052A

    公开(公告)日:2025-05-16

    申请号:CN202510146019.5

    申请日:2025-02-10

    Abstract: 一种新型中文语义混淆越狱攻击方法、装置、介质及设备,方法包括:获取原始有害提示;识别敏感有害关键词;选择与敏感有害关键词概率距离最大的同音异形词作为替代词;构造师生场景,目标模型作为学生回答原始有害提示;在师生场景中融合前缀注入和拒绝抑制;在师生场景中添加单样本;将原始有害提示和单样本中所有的敏感关键词替换为对应的同音异形词;将融合前缀注入和拒绝抑制的师生场景、替换完成的原始有害提示、替换完成的单样本作为目标模型的输入。实现针对国产大模型的自动化黑盒越狱攻击,能够有效地评估和测试中文语境下LLMs对于中文语义混淆越狱的抵抗能力,助于研究和开发更精准的防御措施。

    基于漏洞关联攻击图的工业控制系统脆弱性动态评估方法

    公开(公告)号:CN118940275A

    公开(公告)日:2024-11-12

    申请号:CN202410939283.X

    申请日:2024-07-15

    Abstract: 本发明公开了基于漏洞关联攻击图的工业控制系统脆弱性动态评估方法,首先建立工业设备情境信息‑工业漏洞信息‑攻击行为知识图谱形式化表征;其次以攻击期望为总指标,以漏洞可利用得分、漏洞危害性、设备节点重要性为核心形成ICS脆弱性评估指标体系;然后基于漏洞关联的跨域跨层攻击图生成算法生成跨域跨层攻击图,将脆弱性量化指标与攻击图结合,输出融合攻击期望值的攻击图;最后计算攻击过程中每一步的原子攻击期望对可能存在的所有攻击路径进行分析。本发明基于漏洞关联前后置条件生成攻击图,并将量化指标与攻击图结合,并考虑了漏洞时效性对ICS的影响,解决现有技术中容易忽视设备、漏洞与攻击路径的关联的问题。

    一种基于本地差分隐私的个性化随机响应方法

    公开(公告)号:CN117294490A

    公开(公告)日:2023-12-26

    申请号:CN202311224582.7

    申请日:2023-09-21

    Abstract: 本发明公开一种基于本地差分隐私的个性化随机响应方法,包括以下步骤:对客户端个性化隐私保护,客户端收集真实数据集,确定敏感等级个数;确定敏感权重;根据不同用户的隐私保护需求对隐私预算自适应分配;根据敏感值分配的隐私预算得到扰动频率,并对数据进行扰动,收集扰动数据和扰动频率;服务器端对扰动数据进行分析:客户端将收集的扰动数据和扰动频率发送给服务器端,服务器端对扰动数据进行重构支持度,挖掘频繁项集。该方法通过评分策略确定用户数据敏感等级,引入敏感权重概念进行隐私预算自适应分配,实现敏感属性及属性值的细粒度个性化隐私保护。

    一种基于层叠式指针网络的实体关系联合抽取方法及系统

    公开(公告)号:CN116090468A

    公开(公告)日:2023-05-09

    申请号:CN202310024204.8

    申请日:2023-01-09

    Abstract: 本发明公开了一种基于层叠式指针网络的实体关系联合抽取方法及系统,包括以下步骤:S1、构建Duie_Bert预训练模型对输入的文本进行编码;S2、利用特定关系‑实体向量引导的多头注意力机制来增强编码层输出向量的特征表达,在此基础上,针对头实体及每一种关系利用改进的层叠式指针标注框架抽取出对应的尾实体,完成关系三元组的抽取。本发明采用上述基于层叠式指针网络的实体关系联合抽取方法及系统,通过在实体关系联合抽取模型中引入由特定关系‑实体向量引导的多头注意力机制,用于获取实体与句子之间的语义联系,有效地解决关系抽取过程中的误差积累和数据冗余的问题。

    基于纵向联邦学习的社交网络跨平台恶意用户检测方法

    公开(公告)号:CN113051557B

    公开(公告)日:2022-11-11

    申请号:CN202110275639.0

    申请日:2021-03-15

    Abstract: 基于纵向联邦学习的社交网络跨平台恶意用户检测方法,包括:步骤1、构建基于纵向联邦学习的社交网络跨平台恶意用户检测层次化架构;步骤2、将参与方分为主动方和被动方,对主动方和被动方样本数据在数据预处理层进行预处理操作,得到结构化数据;步骤3、经数据预处理层处理后的结构化数据,映射主动方和被动方共有的样本数据;步骤4、在机器学习的定义下协同训练一个全局模型,利用了同态加密对主动方和被动方数据进行加解密,完成联邦学习层训练;步骤5、主动方和被动方更新自身的本地模型训练参数,并将预测结果输出;步骤6、在数据应用层将联邦学习层得到的预测结果回传到各参与方,实现高质量的恶意用户检测效果。

Patent Agency Ranking