-
公开(公告)号：CN116304059B
公开(公告)日：2023-09-12
申请号：CN202310518020.7
申请日：2023-05-10
Applicant: 南京信息工程大学
IPC: G06F16/35 , G06F40/30 , G06F18/25 , G06N3/0455 , G06N3/0475 , G06N3/08 , G06Q50/18 , G06N3/0442 , G06N3/048
Abstract: 本发明公开了一种基于多特征融合SKIPGRAM模型和生成网络的诉辩焦点识别方法、设备及存储介质，依次将特征标签和添加到每条语句的后面进行融合，得到融合后的语句，将融合后的语句组成新的文本语句列表#imgabs0#；将新的文本语句列表放入到SKIPGRAM‑BILSTM‑Attention诉辩焦点识别网络中进行训练预测，得到新的文本语句列表中每个语句的概率，将概率最高的两个语句作为诉辩双方争议的焦点。本发明能够解决诉辩焦点识别中特征不足的问题，减少法律处理预料的积累和人工标注的烦恼，大大提升了案情描述中诉辩焦点识别的效率。
-
公开(公告)号：CN115422920A
公开(公告)日：2022-12-02
申请号：CN202211365207.X
申请日：2022-11-03
Applicant: 南京信息工程大学
Abstract: 本发明公开基于BERT和GAT的裁判文书争议焦点识别方法，预处理待识别的裁判文书，获得具有文本语义联系的待识别标签特征P，包括：拆分文本获取文本一及文本一对应的标签组成的数据对Data1和文本二及文本二对应的标签组成的数据对Data2；将Data1和Data2输入到文本表征神经网络，获得文本表征;将预先获取的标签邻接矩阵和标签向量矩阵输入图注意力神经网络，得到标签特征；对文本表征与标签特征关联的相似特征进行提取，获得基于文本语义联系的待识别标签特征P。本发明有效地处理长文本，引入图注意力神经网络对多标签进行关联性建模，识别与标签相关的信息，在每个法律文本中提取与对应标签相关的区别性信息。
-
公开(公告)号：CN117114146B
公开(公告)日：2024-03-29
申请号：CN202311007539.5
申请日：2023-08-11
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种联邦学习模型中毒重建的方法、装置、介质及设备，所述方法包括获取中毒的联邦学习模型；基于各客户机在训练期间的本地模型的准确率，筛选出在联邦学习模型训练期间中毒的客户机，删除联邦学习模型中由中毒的客户机聚合得到的局部模型，将中毒的客户机作为恶意节点、未中毒的客户机作为诚实节点，将恶意节点从初始DAG网络中移除，得到第二DAG网络；基于第二DAG网络中各诚实节点的本地模型，逐轮聚合各诚实节点的本地模型，得到联邦学习模型的最新全局模型，完成联邦学习模型中毒重建。本发明能够快速剔除恶意节点，将已有的阶段训练成果加入到新一轮训练中，提高联邦学习的训练效率和抗攻击能力。
-
公开(公告)号：CN117114146A
公开(公告)日：2023-11-24
申请号：CN202311007539.5
申请日：2023-08-11
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种联邦学习模型中毒重建的方法、装置、介质及设备，所述方法包括获取中毒的联邦学习模型；基于各客户机在训练期间的本地模型的准确率，筛选出在联邦学习模型训练期间中毒的客户机，删除联邦学习模型中由中毒的客户机聚合得到的局部模型，将中毒的客户机作为恶意节点、未中毒的客户机作为诚实节点，将恶意节点从初始DAG网络中移除，得到第二DAG网络；基于第二DAG网络中各诚实节点的本地模型，逐轮聚合各诚实节点的本地模型，得到联邦学习模型的最新全局模型，完成联邦学习模型中毒重建。本发明能够快速剔除恶意节点，将已有的阶段训练成果加入到新一轮训练中，提高联邦学习的训练效率和抗攻击能力。
-
Patent Agency Ranking
公开(公告)号：CN116993893A
公开(公告)日：2023-11-03
申请号：CN202311250057.2
申请日：2023-09-26
Applicant: 南京信息工程大学
IPC: G06T15/04 , G06V10/774 , G06V10/82 , G06V10/80 , G06V10/764 , G06N3/084 , A63F13/75 , A63F13/837
Abstract: 本发明公开了一种抵御AI自瞄作弊的对抗贴图生成方法及装置，包括：将噪声数据集#imgabs0#输入至基于神经网络预先构建的检测器，获取神经网络检测结果；根据真实分类标签和神经网络检测结果计算损失值Loss；将损失值Loss进行反向传播，通过梯度下降法更新所述噪声图像n；重复迭代直到损失值Loss收敛输出训练好的噪声图像#imgabs1#；将训练好的噪声图像#imgabs2#转化为对抗贴图；将训练好的噪声图像#imgabs3#与游戏物品贴图文件相融合，对抗贴图与游戏地面贴图文件相融合用于抵御AI自瞄作弊；所述对抗贴图使AI自瞄作弊程序将游戏画面识别成多个玩家目标，从而降低游戏中正常游戏玩家被AI自瞄作弊程序锁定的概率；保证游戏竞技的公平性。
-
公开(公告)号：CN116993893B
公开(公告)日：2024-01-12
申请号：CN202311250057.2
申请日：2023-09-26
Applicant: 南京信息工程大学
IPC: G06T15/04 , G06V10/774 , G06V10/82 , G06V10/80 , G06V10/764 , G06N3/084 , A63F13/75 , A63F13/837
Abstract: 本发明公开了一种抵御AI自瞄作弊的对抗贴图生成方法及装置，包括：将噪声数据集输入至基于神经网络预先构建的检测器，获取神经网络检测结果；根据真实分类标签和神经网络检测结果计算损失值Loss；将损失值Loss进行反向传播，通过梯度下降法更新所述噪声图像n；重复迭代直到损失值Loss收敛输出训练好的噪声图像 ；将训练好的噪声图像转化为对抗贴图；将训练好的噪声图像 与游戏物品贴图文件相融合，对抗贴图与游戏地面贴图文件相融合用于抵御AI自瞄作弊；所述对抗贴图使AI自瞄作弊程序将游戏画面识别成多个玩家目标，从而降低游戏中正常游戏玩家被AI自
-
公开(公告)号：CN116304059A
公开(公告)日：2023-06-23
申请号：CN202310518020.7
申请日：2023-05-10
Applicant: 南京信息工程大学
IPC: G06F16/35 , G06F40/30 , G06F18/25 , G06N3/0442 , G06N3/0455 , G06N3/0475 , G06N3/08 , G06Q50/18
Abstract: 本发明公开了一种基于多特征融合SKIPGRAM模型和生成网络的诉辩焦点识别方法、设备及存储介质，依次将特征标签和添加到每条语句的后面进行融合，得到融合后的语句，将融合后的语句组成新的文本语句列表；将新的文本语句列表放入到SKIPGRAM‑BILSTM‑Attention诉辩焦点识别网络中进行训练预测，得到新的文本语句列表中每个语句的概率，将概率最高的两个语句作为诉辩双方争议的焦点。本发明能够解决诉辩焦点识别中特征不足的问题，减少法律处理预料的积累和人工标注的烦恼，大大提升了案情描述中诉辩焦点识别的效率。
-
公开(公告)号：CN115422920B
公开(公告)日：2023-02-28
申请号：CN202211365207.X
申请日：2022-11-03
Applicant: 南京信息工程大学
IPC: G06F40/279 , G06F40/30 , G06F16/35 , G06N3/045 , G06N3/0464 , G06N3/0442 , G06N3/048 , G06N3/084 , G06Q50/18
Abstract: 本发明公开基于BERT和GAT的裁判文书争议焦点识别方法，预处理待识别的裁判文书，获得具有文本语义联系的待识别标签特征P，包括：拆分文本获取文本一及文本一对应的标签组成的数据对Data1和文本二及文本二对应的标签组成的数据对Data2；将Data1和Data2输入到文本表征神经网络，获得文本表征;将预先获取的标签邻接矩阵和标签向量矩阵输入图注意力神经网络，得到标签特征；对文本表征与标签特征关联的相似特征进行提取，获得基于文本语义联系的待识别标签特征P。本发明有效地处理长文本，引入图注意力神经网络对多标签进行关联性建模，识别与标签相关的信息，在每个法律文本中提取与对应标签相关的区别性信息。
-
公开(公告)号：CN115358908A
公开(公告)日：2022-11-18
申请号：CN202210988321.1
申请日：2022-08-17
Applicant: 南京信息工程大学
IPC: G06T1/00 , G06V20/62 , G06V10/82 , G06V10/774
Abstract: 本发明公开了基于轻量级网络对抗的车牌防盗摄隐私保护方法及系统，属于机器视觉和隐私保护技术领域，方法包括：获取原始车牌图片；根据原始车牌图片设计对抗补丁样本和斑点并叠加到原始车牌图片上，得到防盗摄车牌图片，所述防盗摄车牌图片用于通过车牌制造设备打印后贴在机动车车牌上；实现对基于轻量级神经网络的盗摄摄像头采集算法的攻击，却不会对公共服务的专业电子监控摄像头起作用，从而达到了对车辆信息及用户信息的隐私保护。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.019 seconds)
