公开(公告)号：CN119049623A

公开(公告)日：2024-11-29

申请号：CN202410908792.6

申请日：2024-07-08

Applicant: 北京航空航天大学 ,  北京邮电大学

Inventor： 孙利娟 ,  南国顺 ,  杨旭 ,  杨金翠 ,  李小勇 ,  吴旭 ,  方滨兴

IPC: G16H10/60 ,  G06F18/22

Abstract: 本公开提出一种病历生成方法及装置，该方法获取待模拟病历的要素；根据所述至少两个地点表征的病症类型特征和预设状态转移算法，生成空间特征，所述空间特征表征所述至少两个地点之间的状态转移关系；根据所述至少两个地点之间的状态转移关系的顺序，与所述时间序列中各时刻在所述时间序列中的顺序一一匹配，得到所述待模拟病历的时空特征；调用预训练的文本生成模型根据所述时空特征生成模拟病历数据。生成的模拟数据类别更加均衡且数据量大，且模拟病历数据中不涉及患者隐私的问题，为相关医学领域的研究提供了数据基础。

公开(公告)号：CN118736395A

公开(公告)日：2024-10-01

申请号：CN202410769117.X

申请日：2024-06-14

Applicant: 北京邮电大学

Inventor： 李灵慧 ,  李小勇 ,  徐山钧 ,  袁开国 ,  章鑫鹏

IPC: G06V20/00 ,  G06V10/774 ,  G06V10/771 ,  G06V10/82 ,  G06V10/764 ,  G06N3/045 ,  G06N3/0475 ,  G06N3/094

Abstract: 一种基于通道特征选择的有目标对抗攻击增强方法，属于人工智能安全技术领域，包括：通过Grad‑CAM算法计算出热力图，得到显著区域，将显著区域补齐为显著图；从显著图中随机裁剪以得到局部图像，将局部图像缩放到与原始图像相同的尺寸，将原始图像和局部图像加上相同的对抗扰动输入CNN中，并应用通道特征选择方法，通过损失优化对抗扰动。本发明可在针对性攻击的情况下更大程度地提升对抗样本的可转移性；本发明开创性地将模型注意力应用于针对性的对抗攻击，使扰动学习到如何将原始图像的显著特征更好地转移到目标类别中去。本发明专注于提高对抗样本的可转移性，从而提高黑盒攻击的成功率。

公开(公告)号：CN118132841A

公开(公告)日：2024-06-04

申请号：CN202410251428.7

申请日：2024-03-05

Applicant: 北京邮电大学

Inventor： 李灵慧 ,  宋宜阳 ,  李小勇 ,  高雅丽 ,  袁开国

IPC: G06F16/9535 ,  G06F21/62 ,  G06F17/16 ,  G06N20/00

Abstract: 本发明公开了一种基于自适应隐私预算的推荐方法。首先基于评分时间计算每个评分的总隐私预算，对不同时间段的数据根据其重要程度进行不同强度的隐私保护，避免引入不必要的噪声，导致推荐质量降低。然后改进了梯度下降中分配隐私预算的方式，提出一种自适应隐私预算梯度下降策略，在每次迭代更仔细地分配隐私预算，优化推荐算法结果。对于梯度较大的情况，分配较小的隐私预算以增加噪声，从而更好地保护用户隐私；而对于梯度较小的情况，则分配较大的隐私预算，以减少噪声的干扰，从而提高模型的精确性。本文发明在Movielens‑1M数据集上与现有算法进行比较，实验结果表明该算法保障了用户的隐私安全并且提高了推荐质量。

公开(公告)号：CN117792696A

公开(公告)日：2024-03-29

申请号：CN202311667780.0

申请日：2023-12-07

Applicant: 北京邮电大学

Inventor： 高雅丽 ,  李小勇 ,  袁开国 ,  孙燕杰 ,  郑鑫浩 ,  孙浩文

IPC: H04L9/40 ,  G06F11/07 ,  G06N3/0442 ,  G06N3/045 ,  G06N3/08

Abstract: 本发明公开了一种面向分布式系统的日志异常检测和定位的方法及装置，方案首先采用智能的日志解析器，无需繁琐的参数调整即可稳定解析不同格式的日志，引入了适应性强的ALBERT模型处理日志格式变化。通过构建组件实例森林和深度优先遍历算法，挖掘不同ID之间的依赖关系，实现了分布式系统中异常位置的准确定位，简化了开发人员工作，提高了问题解决速度。引入语义、时间和数量嵌入结合基于注意力的BiGRU模型，显著提高了日志异常检测的准确性，时间向量有助于及时识别性能异常，提高了系统可用性。

公开(公告)号：CN115334005B

公开(公告)日：2024-03-22

申请号：CN202210337870.2

申请日：2022-03-31

Applicant: 北京邮电大学 ,  国网上海能源互联网研究院有限公司

Inventor： 李小勇 ,  栗仕超 ,  刘芸杉 ,  亢超群 ,  李二霞 ,  李灵慧 ,  苑洁 ,  高雅丽

IPC: H04L47/2441 ,  H04L47/2483 ,  H04L9/40 ,  G06N3/0464 ,  G06N3/082 ,  G06F18/2431

Abstract: 本发明公开了一种基于剪枝卷积神经网络和机器学习的加密流量识别方法，包括数据预处理、构建CNN模型、模型剪枝、使用CNN提取高级特征向量和使用LightGBM分类的步骤。本发明的基于剪枝卷积神经网络和机器学习的加密流量识别方法，无需手工提取特征，利用CNN模型自动从原始流量文件中自动提取高级特征并进行分类，同时构建了一种基于剪枝的卷积神经网络模型，减少模型参数量，降低了计算开销，使用LightGBM根据加密流量的高级特征进行分类，以弱分类器来达到强分类的效果，提高了准确率，最终的模型会达到比其他分类模型更高的性能和精准率。

公开(公告)号：CN116962289A

公开(公告)日：2023-10-27

申请号：CN202311080132.5

申请日：2023-08-25

Applicant: 北京邮电大学

Inventor： 苑洁 ,  李小勇 ,  魏兴海 ,  刘东晓 ,  徐睿

IPC: H04L45/50 ,  H04L45/12 ,  H04L45/24 ,  H04L45/02 ,  H04L45/00

Abstract: 本发明公开了一种基于怕累托支配关系的多目标路径优化方法，包括以下步骤：S1、每次路径探索前，依据已探索路径之间的帕累托支配关系来选取候选路径；S2、对候选路径进行依次广度优先遍历，实现路径的单步探索；S3、在每轮路径探索后，将当前路径与已知最优解集当中的路径进行比较，移除不可能成为最优解的路径；S4、重复执行步骤S1‑S3，直到不再有新的最优解出现为止。本发明通过多轮路径探索并最终得到帕累托最优解，解决了如何改善多目标路径优化问题的效率和如何提升多目标路径优化解集的质量的问题。

公开(公告)号：CN111639696B

公开(公告)日：2023-08-01

申请号：CN202010456045.5

申请日：2020-05-26

Applicant: 北京邮电大学

Inventor： 李小勇 ,  常超舜 ,  高雅丽 ,  蔡斌思 ,  李妍蓉 ,  翟新龙

IPC: G06F18/2415 ,  G06F18/214 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明实施例提供了一种用户分类方法及装置，涉及计算机技术领域，可以提高对用户分类的准确度，本发明实施例的技术方案包括：获取待识别用户的用户特征和邻接矩阵，其中，邻接矩阵中包括的元素用于表示用户数据集对应的各用户在异质信息网络中对应的节点之间是否存在关联关系，关联关系包括直接关系和间接关系，用户数据集包括待识别用户的用户特征，异质信息网络包括多种类型的节点；然后将待识别用户的用户特征和邻接矩阵输入用户图卷积网络GCN，得到卷积后的用户特征；再将卷积后的用户特征与标签矩阵相乘，得到待识别用户的类别，其中，标签矩阵用于针对用户数据集对应的每个用户，确定该用户属于各个类别的概率。

公开(公告)号：CN116484363A

公开(公告)日：2023-07-25

申请号：CN202211391970.X

申请日：2022-11-08

Applicant: 北京邮电大学

Inventor： 李小勇 ,  李曦明 ,  李灵慧 ,  高雅丽 ,  苑洁 ,  蔡斌思 ,  贾佳 ,  邓以豪

IPC: G06F21/55 ,  G06F18/241 ,  G06N3/042

Abstract: 本发明公开了一种基于双域图卷积神经网络的内部威胁异常检测方法，包括如下步骤：S1、基于用户之间的交互信息构建始邻接矩阵，根据原始特征矩阵和结构信息，通过加权特征相似度函数构建特征域的邻接矩阵和特征矩阵；S2、分别通过拓扑域卷积和特征域卷操作，在拓扑域和特征域上传播节点特征，以学习相应的图嵌入；S3、根据从拓扑域和特征域中提取的图嵌入，对用户行为和操作进行矢量化，利用注意力机制来学习这两个图嵌入中每个节点的重要性权重，并自适应地传播，生成最终的节点嵌入。本发明在传统的图卷积神经网络的基础上，提出双域图卷积神经网络模型，同时考虑到了节点的结构信息和特征信息，提高内部威胁检测的准确率，降低误报率。

公开(公告)号：CN111160649B

公开(公告)日：2023-07-21

申请号：CN201911400286.1

申请日：2019-12-30

Applicant: 北京邮电大学

Inventor： 李小勇 ,  李妍蓉 ,  侯立洋 ,  孔文萍

IPC: G06Q10/04 ,  G06Q10/0631

Abstract: 本申请实施例提供了资源调度方案获取方法及装置，该方法包括：获得资源调度数据；获得应对受灾资源调度的第一目标函数和第二目标函数；其中，第一目标函数是以资源调度时间满意度最优作为目标的函数；第二目标函数是以资源调度费用最优作为目标的函数；根据资源调度数据和基于分解的多目标进化MOEA/D算法，对第一目标函数和第二目标函数进行优化，得到各个物资供应点给各个受灾点调度待调度物资的目标调度方案。这种资源调度方案获取方法获取的资源调度方案，可以同时满足资源调度时间满意度最优和资源调度费用最优，实现了获得同时满足多个目标函数的目标调度方案。

公开(公告)号：CN116310728A

公开(公告)日：2023-06-23

申请号：CN202310311808.0

申请日：2023-03-28

Applicant: 北京邮电大学

Inventor： 李小勇 ,  谭韵 ,  袁开国 ,  高雅丽 ,  李灵慧

IPC: G06V10/82 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/0455 ,  G06F16/958 ,  G06V40/12

Abstract: 本发明公开了一种基于CNN‑Linformer模型的浏览器识别方法，先通过CNN提取输入数据的时序特征，再通过Linformer的线性注意力聚焦重要的特征，提高了模型的准确率，并通过多头注意力对数据进行并行计算，提高了模型的训练速度。同时，通过删除Linformer中的解码器部分、输入嵌入部分和位置编码部分对Linformer进行简化，降低了模型的复杂度进而提高计算的速度。此外，本发明针对现有的其他方法没有全面考虑各种伪指纹技术带来准确率下降的问题，利用了随机化属性值和添加噪声两种伪指纹技术对原始数据集进行数据增强，然后使用含有正常指纹和伪指纹的增强数据集对CNN‑Linformer模型进行了训练。本方法具有准确率高和识别速度快的优点，在伪指纹场景下具有良好的鲁棒性。