-
公开(公告)号:CN113486243A
公开(公告)日:2021-10-08
申请号:CN202110791106.8
申请日:2021-07-13
Applicant: 浙江大学
IPC: G06F16/9535 , G06N3/04 , G06N3/08 , G06N20/00 , G06Q50/00
Abstract: 本发明公开了一种社交网络假流量黑灰产自动挖掘方法和系统,包括:(1)创建“蜜罐”用户,在社交网络中对参与假流量攻击的恶意用户进行诱捕;(2)提取恶意用户的微博内容层面的特征;(3)提取恶意用户的个人信息层面的特征;(4)在社交网络中随机选取正常用户并分别提取微博内容层面和个人信息层面的特征;(5)运用机器学习算法,根据提取的特征训练分类器;(6)分别提取目标用户的微博内容层面和个人信息层面的特征,并运用训练好的分类器进行识别;(7)对于被识别为恶意用户的目标用户,基于规则对该用户所发的微博进行筛选,挖掘出涉及假流量黑灰产的微博。本发明的方法和系统可及时发现、预警和治理社交网络流量作弊事件。
-
公开(公告)号:CN112818157A
公开(公告)日:2021-05-18
申请号:CN202110185641.9
申请日:2021-02-10
Applicant: 浙江大学
IPC: G06F16/583 , G06F16/58 , G06K9/62 , G06N3/04
Abstract: 本发明公开了一种基于多阶对抗特征学习的组合查询图像检索方法,该方法包括:首先通过预训练的特征提取模块获取图像特征和利用LSTM网络获取文本特征,然后通过自注意力的指导将两种模态的特征融合。并且,将低阶特征通过双线性融合的方式生成高阶特征。再利用三元组损失学习特征之间的相似关系,利用判别器与检索网络对抗进一步促进特征间的融合,最后结合二者通过端到端的方式训练模型,从而实现高效的组合查询图像检索。本发明利用了深度学习技术和借鉴了博弈的思想,很大程度上提高了组合查询图像检索的性能和效率。
-
公开(公告)号:CN112241760A
公开(公告)日:2021-01-19
申请号:CN202010867838.6
申请日:2020-08-25
Applicant: 浙江大学
Abstract: 本发明公开了一种网络小额贷款服务中的黑中介自动挖掘方法与系统,该方法包括:基于该规则识别出更多的高精度中介用户S1;对种子黑中介用户B1、普通中介用户C1以及普通用户N1的申贷信息进行特征提取并分析,找到可以有效区分三类用户的属性特征;利用分类模型训练出一个可以从普通用户中识别中介用户的中介用户分类模型;从高精度中介用户S1中找到一批高精度的黑中介用户B2;利用分类算法训练出一个可以从中介用户中识别黑中介用户的分类模型,识别出更多的黑中介用户B4;种子黑中介用户B1、黑中介用户B2以及黑中介用户B4组成网贷平台中的黑中介用户群体。本发明的方法与系统,能有效识别申贷用户中的黑中介用户群体。
-
公开(公告)号:CN118551352A
公开(公告)日:2024-08-27
申请号:CN202410602237.0
申请日:2024-05-15
Applicant: 浙江大学
IPC: G06F21/16 , G06F16/35 , G06F40/284 , G06F40/30 , G06F18/214 , G06N3/0455 , G06N3/084 , G06N3/094
Abstract: 本发明公开了一种少样本场景提示学习预训练语言模型的鲁棒水印注入方法。在该方法中,本发明通过策略设计了目标答案集,并设计不同的优化目标函数去训练水印模型,使得模型在预训练阶段时建模能力已被破坏,即在面对带有触发器的输入时,模型在被遮蔽的位置始终会以极高的概率输出目标答案集中的词汇,而在面对正常输入时,能输出和干净模型一样的输出。另外,为了让水印能够在面对不同的提示策略时展现出极强的鲁棒性,本发明设计一个关于对抗性嵌入的优化目标函数,通过不断生成的对抗嵌入来模仿提示微调策略中连续提示的变化。这虽使得水印注入变得更难,但一旦注入,水印就会展现出极强的抵抗力和鲁棒性。
-
公开(公告)号:CN118535449A
公开(公告)日:2024-08-23
申请号:CN202410385813.0
申请日:2024-04-01
Applicant: 浙江大学
IPC: G06F11/36
Abstract: 本发明公开了一种并行模糊测试场景下程序结构敏感的引擎任务划分方法和系统。方法包括:通过静态分析目标程序源码,获取基本块信息与调用关系,构建初始控制流图。利用定制的插桩模块,捕获运行时函数粒度与基本块粒度的调用情况。收集执行信息,更新初始控制流图,形成运行时控制流图。根据运行时控制流图,识别已触发与未触发基本块的边界,把有探索潜力的边界基本块作为探索目标。根据目标基本块在控制流图上的位置以及引擎数量,将目标基本块划分为若干组探索任务,并分配给各测试引擎。引擎依据探索任务筛选测试用例,作为最终的引擎任务。该方法显著提高了并行模糊测试的代码覆盖率和漏洞挖掘效率。
-
公开(公告)号:CN114840856B
公开(公告)日:2024-07-23
申请号:CN202210449651.3
申请日:2022-04-26
Applicant: 浙江大学
Abstract: 本发明公开了一种状态感知的物联网可信执行环境模糊测试方法和系统,属于物联网可信执行环境测试领域。方法包括:基于文档分析和程序分析构建具有依赖关系的物联网可信执行环境测试样例模板;对物联网可信应用执行日志得到原始种子队列进行模糊测试并收集运行时返回值、覆盖率、全局变量值等反馈信息;基于模型学习算法构建可信执行环境状态机,并优化符合状态机的测试样例,保存到种子文件;根据反馈信息与状态机,对不同种子分配和更新选择概率;根据选择概率挑选种子进行模糊测试,并使用反馈信息动态优化状态机。本发明设计的基于状态感知的模糊测试方法和系统能够对物联网可信执行环境进行高效率、深层次、状态感知的测试。
-
公开(公告)号:CN115035052B
公开(公告)日:2024-07-12
申请号:CN202210573828.0
申请日:2022-05-24
Applicant: 浙江大学
IPC: G06T7/00 , G06T3/04 , G06V40/16 , G06V40/40 , G06N3/0455 , G06N3/0475 , G06N3/08
Abstract: 本发明公开了一种基于身份差异量化的伪造换脸图像检测方法和系统,属于深度伪造检测技术领域。获取并配置换脸生成模型,并对所述的换脸生成模型进行参数微调;获取与待测图像具有相同身份的真实图像作为参考图像;以参考图像和待测图像构成四种输入组合,利用得到的换脸生成模型生成四种重建图像;根据参考图像、待测图像、以及四种重建图像,计算待测图像和参考图像之间的身份差异指标;根据身份差异指标进行图像真伪的判别。本发明不需要用伪造图像训练网络,因此对未知伪造方法的泛化性好;同时身份特征是高层语义特征,不会被压缩等图像操作破坏,因此本发明对图像失真也保持鲁棒。
-
公开(公告)号:CN117667392A
公开(公告)日:2024-03-08
申请号:CN202311603401.1
申请日:2023-11-28
Applicant: 浙江大学
IPC: G06F9/50 , G06F9/48 , G06Q30/0201 , G06F11/30
Abstract: 本发明公开了一种面向多元异构算力网络的算力插座架构。本发明中的算力标准化表征模块包括多个算力使用标准,针对不同类型的应用选择不同类型的算力使用标准;算力计费模块对业务应用的算力资源以及算力能效进行监控、监测,并按照统一的度量标准进行统计,基于统计结果进行算力费用结算;业务处理模块基于任务应用分配算力资源,为业务应用搭建标准化运行环境,部署运行业务应用,并将业务计算结果进行整合汇总;应用接入模块为算力服务使用者提供业务应用接口,接收各应用场景的各类业务应用。本发明提供不同类型的算力标准化表征,实现了不同类型业务应用在异构算力网络的标准化接入。
-
公开(公告)号:CN116841243B
公开(公告)日:2024-01-09
申请号:CN202310723248.X
申请日:2023-06-19
Applicant: 浙江大学 , 杭州优稳自动化系统有限公司
IPC: G05B19/05
Abstract: 本发明公开了一种基于协议格式推断的智能化PLC模糊测试方法、模糊测试方法及装置,包括S1:通过上位机软件与PLC交互获取通信协议;S2:选取通信协议,进行单字节的确定性变异后发送给PLC;S3:接收PLC返回的响应协议,按字节顺序保存为协议树;S4:将确定性变异的字节与之后的字节逐个累加在一起再次进行确定性变异,并将测试用例发送给PLC;S5:接收PLC返回的协议,并逐个加入所述协议树中,如果响应协议是独特的,则认为响应协议有价值;S6:如果累加一定数量的字节仍然没有出现有价值的响应,则反方向重复S2到S5。模糊测试方法包括将S1到S6得到的协议格式,用于生成测试用例并进行模糊测试。本申请的方法降低了对协议格式的依赖,
-
公开(公告)号:CN117313049A
公开(公告)日:2023-12-29
申请号:CN202311309725.4
申请日:2023-10-08
Applicant: 浙江大学
IPC: G06F21/30 , G06F21/57 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于授权验证机制的边缘端模型保护方法及其系统。在本发明方法中,所选卷积核的输入特征图设计了一个授权和认证层,以保护模型。网络中验证层的存在,使得未经过授权的特征图无法让网络正常运行,网络的准确率会大幅度退化,这起到了保护模型的目的,同时,经过授权的特征图可以通过验证层的运算得到原特征图,这保障了网络的正常使用。另外,为了方法能够顺利部署,还公开了一种用于实现边缘端模型保护方法的系统。本发明利用深度学习技术和授权认证机制,能够实现有效且轻量的边缘端模型保护,在很大程度上保障了边缘端模型的结构和参数。
-
-
-
-
-
-
-
-
-