-
公开(公告)号：CN115170403B
公开(公告)日：2025-05-27
申请号：CN202210563901.6
申请日：2022-05-23
Applicant: 广州大学
IPC: G06T5/77 , G06N3/042 , G06N3/047 , G06N3/0475 , G06N3/094 , G06N3/0985 , G06N3/045 , G06N3/0464 , G06V10/74 , G06V10/82 , G06V30/19 , G06V30/226
Abstract: 本发明公开了一种基于深度元学习和生成对抗网络的字体修复方法及系统，所述方法步骤为：使用数据获取模块获取已有的书法字体数据集Dataset‑1以及字体的笔画和结构数据；使用数据处理模块将数据针对不同任务进行不同方式的处理；使用Font‑Meta模块对残缺的书法字体进行补全；使用字体审核模块寻找最好的补全字体；使用字体输出模块输出修复字体。本发明提出的字体修复方法及系统，能够基于现有的数据样本学到汉字的字体笔画、结构和风格等特征，在对汉字字体缺失部位进行补全时比现有技术更加全面；本发明应用在书法字体修复领域中，能减少人工成本，提升字体修复的精度和完整程度。
-
公开(公告)号：CN119341771A
公开(公告)日：2025-01-21
申请号：CN202411256729.5
申请日：2024-09-09
Applicant: 广州大学
Abstract: 本发明公开了一种内网环境下基于强化学习的蜜网部署策略生成方法，方法包括：随机生成多个节点，构建内网环境；构建攻击智能体，攻击智能体与内网环境进行分阶段交互预训练攻击智能体；为每个蜜罐智能体分配带有不同攻击意图的预训练攻击智能体，在网环境中预训练蜜罐智能体；初始化预训练蜜罐智能体，利用预训练蜜罐智能体构建蜜网环境；在蜜网环境中，预训练攻击智能体与预训练蜜罐智能体进行交互，预训练决策智能体；使用MADDPG算法对所有智能体进行训练，利用预训练蜜罐智能体和预训练决策智能体构建分层防御智能体，更新每个智能体的策略网络和价值网络。本发明通过动态部署策略提升了蜜网系统的自适应能力，并增强了内网环境的安全防护水平。
-
公开(公告)号：CN118740475A
公开(公告)日：2024-10-01
申请号：CN202410963060.7
申请日：2024-07-18
Applicant: 广州大学
IPC: H04L9/40 , G06N3/0499 , G06N3/092
Abstract: 本发明公开了一种基于深度强化学习和结构化数据Transformer的入侵检测方法，方法包括：S1、采集流量数据，将数据集输入至智能体；S2、智能体利用分类器对当前输入的流量数据进行分类；S3、环境根据智能体选择的类别和真实的类别进行判定，将奖励反馈结果与新采样的流量数据输入至智能体；S4、当存储的数据达到数据更新的批量大小，进行各类样本分布权重自适应更新；S5、使用改进的DQN算法更新价值函数，使智能体能够从经验中学习并改进决策；S6、当到达设定的学习轮次终止训练；S7、在新的流量数据上进行测试，并评估入侵检测分类性能指标。本发明有效防止少数类别样本被多数类别样本淹没的情况，改善了入侵检测任务中数据样本分布不平衡的问题。
-
公开(公告)号：CN114091448B
公开(公告)日：2024-09-10
申请号：CN202111237436.9
申请日：2021-10-22
Applicant: 广州大学
IPC: G06F40/289 , G06F40/253 , G06F18/214 , G06N3/0464 , G06N3/094
Abstract: 本发明公开了文本对抗样本生成方法、系统、计算机设备和存储介质。所述方法包括：对获取的数据集中的单词进行tf‑idf得分计算，得到所述数据集的词性词典和不同标签对应的攻击词集；从所述数据集中选择与原始样本的标签相对应的攻击词集，并从中选择攻击得分最高的单词作为攻击词；根据预设的句子模板，选择所述攻击词的词性对应的句法规则，从所述词性词典中选择规则对应的单词，与所述攻击词共同构成符合所述句法规则的句子；根据预设的添加条件，将所述句子添加到所述原始样本中，得到新样本；根据预设的迭代条件对所述新样本进行多轮迭代计算，得到对抗样本。本发明能够避免拼写和语法错误，具有低修改率和高攻击性，提高了攻击效率。
-
公开(公告)号：CN117952205B
公开(公告)日：2024-06-18
申请号：CN202410346521.6
申请日：2024-03-26
Applicant: 电子科技大学(深圳)高等研究院 , 电子科技大学 , 广州大学
IPC: G06N5/022 , G06N5/04 , G06F18/214
Abstract: 本发明提供了一种针对知识图谱嵌入模型的后门攻击方法、系统及介质，该方法包括：基于目标KGE模型的应用场景，训练一个相同场景的受控KGE模型；基于攻击目标和已对齐实体对，推理目标KGE模型中的攻击路径；利用后门攻击方法攻击受控KGE模型，影响并更改受控KGE模型中已对齐实体#imgabs0#的向量表示；利用受控KGE模型和目标KGE模型之间已对齐的实体对，将攻击影响从受控KGE模型的实体#imgabs1#传递到目标KGE模型的实体#imgabs2#，改变目标KGE模型中已对齐实体#imgabs3#的向量表示；基于#imgabs4#的已更改向量，通过攻击路径，改变目标KGE模型中攻击目标实体#imgabs5#的向量表示，实现后门攻击。本发明无需操控目标KGE模型的全部训练数据即可实现攻击目的，具有更强的实用性，可适用于真实场景。
-
Patent Agency Ranking
公开(公告)号：CN117952205A
公开(公告)日：2024-04-30
申请号：CN202410346521.6
申请日：2024-03-26
Applicant: 电子科技大学(深圳)高等研究院 , 电子科技大学 , 广州大学
IPC: G06N5/022 , G06N5/04 , G06F18/214
Abstract: 本发明提供了一种针对知识图谱嵌入模型的后门攻击方法、系统及介质，该方法包括：基于目标KGE模型的应用场景，训练一个相同场景的受控KGE模型；基于攻击目标和已对齐实体对，推理目标KGE模型中的攻击路径；利用后门攻击方法攻击受控KGE模型，影响并更改受控KGE模型中已对齐实体#imgabs0#的向量表示；利用受控KGE模型和目标KGE模型之间已对齐的实体对，将攻击影响从受控KGE模型的实体#imgabs1#传递到目标KGE模型的实体#imgabs2#，改变目标KGE模型中已对齐实体#imgabs3#的向量表示；基于#imgabs4#的已更改向量，通过攻击路径，改变目标KGE模型中攻击目标实体#imgabs5#的向量表示，实现后门攻击。本发明无需操控目标KGE模型的全部训练数据即可实现攻击目的，具有更强的实用性，可适用于真实场景。
-
公开(公告)号：CN116823904A
公开(公告)日：2023-09-29
申请号：CN202310742232.3
申请日：2023-06-20
Applicant: 广州大学
Abstract: 本发明公开了一种局部三维点云配准系统及方法，本发明的系统包括编码器、映射模块、SVD分解；所述编码器模块接收输入的点云数据和图像数据，获取所述图像数据的特征向量，并进行特征提取，再将特征传输至映射模块；所述映射模块将特征向量分配到相应三维点云上作为重叠分数，然后利用计算出来的重叠分数以及点的特征向量计算相似矩阵，再将计算结果送至SVD分解；所述SVD分解接收计算相似矩阵计算结果，并输出配准所需的刚性变换，最终实现局部点云配准。本发明利用关键重叠特征点可以计算更加准确的相似度矩阵和刚性变换，保证了在低重叠场景下和复杂的多噪声场景下准确而又快速的局部点云配准能力。
-
公开(公告)号：CN116721310A
公开(公告)日：2023-09-08
申请号：CN202310732242.9
申请日：2023-06-19
Applicant: 广州大学
IPC: G06V10/774 , G06V10/82 , G06V10/764 , G06V10/77 , G06N3/09 , G06N3/0464
Abstract: 本发明公开了一种生成虚拟分布外样本抑制神经网络过度自信的方法及系统，其中，方法包括：对训练图像进行抽样，将训练图像样本输入到编码器模块，通过编码器模块将训练图像样本从高维的特征空间映射到低维的特征空间；获取位于边缘的分布内训练图像样本，找出K个距离最远的分布内样本对；根据K个距离最远的分布内样本对生成虚拟的分布外样本备选；对虚拟的分布外样本备选进行筛选获取虚拟分布外样本；利用生成出来的虚拟分布外样本，在训练神经网络的过程中，给这些虚拟分布外样本低于预设阈值的置信度。本方法生成的虚拟分布外样本更靠近分布内样本，更好地约束分布内样本的决策边界，减少参考分布外样本的数量，减轻深度神经网络的训练负担。
-
公开(公告)号：CN113688631B
公开(公告)日：2023-06-09
申请号：CN202110764616.6
申请日：2021-07-05
IPC: G06F40/295 , G06F40/284 , G06F40/30 , G06N3/0442 , G06N3/0464 , G06N3/047 , G06N3/08
Abstract: 本发明提供了一种嵌套命名实体识别方法、系统、计算机和存储介质，通过将待识别文本的第一文本词向量表示进行边界检测得到对应的边界词概率和边界文本向量表示，再采用条件随机场进行解码和标注得到第一实体识别结果，以及根据边界词概率和预设概率阈值判断边界文本向量表示中是否存在嵌套命名实体边界词，并在存在时，将相邻嵌套命名实体边界词之间的边界文本向量表示合并得到的第二文本词向量表示进行边界检测开始下一轮实体识别迭代，反之，停止迭代，将第一实体识别结果作为待识别文本的实体识别结果的方法，有效识别命名实体的边界且缩减了候选实体子序列的数目，有效降低命名实体的解码复杂度，进一步提高嵌套实体预测识别能力和实用性。
-
公开(公告)号：CN116129220A
公开(公告)日：2023-05-16
申请号：CN202310081689.4
申请日：2023-01-17
Applicant: 广州大学
IPC: G06V10/774 , G06V10/776 , G06V10/764 , G06V10/82 , G06N3/0475 , G06N3/0499 , G06N3/094
Abstract: 本发明涉及伪造检测领域以及神经网络领域，且公开了一种基于深度学习的伪造检测方法的fgsm对抗攻击方法，将需要收集该检测方法所使用的数据集的对抗样本来作为伪造检测方法的输入，以此来进行对抗攻击实验，收集统计实验数据，根据这些数据可作为从fgsm对抗攻击的角度来评估该基于深度学习的伪造检测方法的鲁棒性，本方案能够提供更多基于神经网络相关的伪造检测在对抗样本的干扰下鲁棒性影响的研究，为应用于在现实场景的伪造检测相关应用揭露对应场景下的安全隐患，以针对伪造检测的对抗攻击相关研究来促进针对伪造检测对抗防御的相关研究，为促进在基于神经网络的伪造检测有关于AI安全方面的研究。
-
-
-
-
-
-
-
-
-
Search Results
134
records
(took 0.033 seconds)
