-
公开(公告)号：CN111008337B
公开(公告)日：2022-04-15
申请号：CN201911074952.7
申请日：2019-11-06
Applicant: 武汉大学
IPC: G06F16/9536 , G06F16/33
Abstract: 本发明公开了一种基于三元特征的深度注意力谣言鉴别方法及装置，采用公开的社交网络平台谣言鉴定数据集，提取时间周期内信息的文本内容，事件的传播轨迹，用户的反馈信号作为三元特征，并提出了一种改进的基于时空结构相似和节点度量的有偏随机游走算法用于节点的分布式表示学习，使用改进的传播网络节点的向量化方法和网络拓扑结构的显式向量表示方法将网络拓扑结构从高维映射到低维表示，采用了一种基于自注意力的时序鉴别方法，并验证了本方法在真实世界数据集上的可行性。本发明的方法可以对谣言信息进行有效鉴别，并提高鉴别的准确性。
-
公开(公告)号：CN113204641B
公开(公告)日：2022-09-02
申请号：CN202110389173.7
申请日：2021-04-12
Applicant: 武汉大学
Abstract: 本发明涉及一种针对在线社交网络中谣言的检测方法，属于社交网络安全技术领域，具体涉及一种基于用户特征的退火注意力谣言鉴别方法及装置。该方法及装置采用公开的社交网络平台谣言鉴定数据集，利用谣言传播周期内社交网络用户特征，提出了一种基于参数化退火函数的方法用于社交网络用户特征的时序注意力学习，使用多层感知机进行特征间注意力学习以及高级表示提取，使用全连接神经网络进行谣言鉴别分类，并验证了本方法在真实世界数据集上的可行性。
-
公开(公告)号：CN111008337A
公开(公告)日：2020-04-14
申请号：CN201911074952.7
申请日：2019-11-06
Applicant: 武汉大学
IPC: G06F16/9536 , G06F16/33
Abstract: 本发明公开了一种基于三元特征的深度注意力谣言鉴别方法及装置，采用公开的社交网络平台谣言鉴定数据集，提取时间周期内信息的文本内容，事件的传播轨迹，用户的反馈信号作为三元特征，并提出了一种改进的基于时空结构相似和节点度量的有偏随机游走算法用于节点的分布式表示学习，使用改进的传播网络节点的向量化方法和网络拓扑结构的显式向量表示方法将网络拓扑结构从高维映射到低维表示，采用了一种基于自注意力的时序鉴别方法，并验证了本方法在真实世界数据集上的可行性。本发明的方法可以对谣言信息进行有效鉴别，并提高鉴别的准确性。
-
公开(公告)号：CN111797975B
公开(公告)日：2022-02-15
申请号：CN202010585924.8
申请日：2020-06-24
Applicant: 武汉大学
Abstract: 本发明涉及一种基于微生物遗传算法的黑盒对抗样本生成方法，属于人工智能安全技术领域。本发明主要是解决在黑盒情况下，成功攻击神经网络模型生成对抗样本所需查询次数过多的问题，该方法结合黑盒攻击中的两种典型方法：迁移攻击和基于输出的攻击，并使用简单的微生物遗传算法解决离散化问题。
-
公开(公告)号：CN113704098A
公开(公告)日：2021-11-26
申请号：CN202110946922.1
申请日：2021-08-18
Applicant: 武汉大学
Abstract: 本发明提供了一种基于蒙特卡洛搜索树种子调度的深度学习模糊测试方法，采用公认的MNIST和CIFAR‑10图像数据集，设计新的模糊器种子调度策略与深度学习测试变异方法，用基于蒙特卡洛搜索树的调度策略替换传统Power‑Scheduling，使生成的测试用例在被测系统的覆盖率显著提高，提高了被测系统的鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN113204641A
公开(公告)日：2021-08-03
申请号：CN202110389173.7
申请日：2021-04-12
Applicant: 武汉大学
Abstract: 本发明涉及一种针对在线社交网络中谣言的检测方法，属于社交网络安全技术领域，具体涉及一种基于用户特征的退火注意力谣言鉴别方法及装置。该方法及装置采用公开的社交网络平台谣言鉴定数据集，利用谣言传播周期内社交网络用户特征，提出了一种基于参数化退火函数的方法用于社交网络用户特征的时序注意力学习，使用多层感知机进行特征间注意力学习以及高级表示提取，使用全连接神经网络进行谣言鉴别分类，并验证了本方法在真实世界数据集上的可行性。
-
公开(公告)号：CN109117482B
公开(公告)日：2021-07-06
申请号：CN201811081210.2
申请日：2018-09-17
Applicant: 武汉大学
IPC: G06F40/30 , G06F40/289 , G06N3/08
Abstract: 本发明公开了一种面向中文文本情感倾向性检测的对抗样本生成方法，首先对输入的样本数据进行预处理；然后构造中文词语字典，构建深度学习替代模型，并对模型进行训练及参数调整；最后把正常样本输入深度学习替代模型，计算输入中各个词语的重要程度，对其进行修改生成对抗样本，修改后样本数据对原数据的语义改变微小，并不影响人对表达意思的理解。本发明证明以中文信息为数据基础的对抗攻击的存在性，验证中文对抗样本能诱导深度神经网络模型产生错误的分类，进一步证实对抗样本的迁移性。揭示了文本类型对抗样本攻击的机理，并为深度神经网络模型针对对抗样本攻击方面的安全性验证和测试提供样例，为防御性的对抗训练方法提供数据来源。
-
公开(公告)号：CN109117482A
公开(公告)日：2019-01-01
申请号：CN201811081210.2
申请日：2018-09-17
Applicant: 武汉大学
Abstract: 本发明公开了一种面向中文文本情感倾向性检测的对抗样本生成方法，首先对输入的样本数据进行预处理；然后构造中文词语字典，构建深度学习替代模型，并对模型进行训练及参数调整；最后把正常样本输入深度学习替代模型，计算输入中各个词语的重要程度，对其进行修改生成对抗样本，修改后样本数据对原数据的语义改变微小，并不影响人对表达意思的理解。本发明证明以中文信息为数据基础的对抗攻击的存在性，验证中文对抗样本能诱导深度神经网络模型产生错误的分类，进一步证实对抗样本的迁移性。揭示了文本类型对抗样本攻击的机理，并为深度神经网络模型针对对抗样本攻击方面的安全性验证和测试提供样例，为防御性的对抗训练方法提供数据来源。
-
公开(公告)号：CN113704098B
公开(公告)日：2023-09-22
申请号：CN202110946922.1
申请日：2021-08-18
Applicant: 武汉大学
IPC: G06F11/36 , G06F18/214 , G06N20/00
Abstract: 本发明提供了一种基于蒙特卡洛搜索树种子调度的深度学习模糊测试方法，采用公认的MNIST和CIFAR‑10图像数据集，设计新的模糊器种子调度策略与深度学习测试变异方法，用基于蒙特卡洛搜索树的调度策略替换传统Power‑Scheduling，使生成的测试用例在被测系统的覆盖率显著提高，提高了被测系统的鲁棒性。
-
公开(公告)号：CN111797975A
公开(公告)日：2020-10-20
申请号：CN202010585924.8
申请日：2020-06-24
Applicant: 武汉大学
Abstract: 本发明涉及一种基于微生物遗传算法的黑盒对抗样本生成方法，属于人工智能安全技术领域。本发明主要是解决在黑盒情况下，成功攻击神经网络模型生成对抗样本所需查询次数过多的问题，该方法结合黑盒攻击中的两种典型方法：迁移攻击和基于输出的攻击，并使用简单的微生物遗传算法解决离散化问题。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.016 seconds)
