公开(公告)号：CN118196567B

公开(公告)日：2024-08-06

申请号：CN202410606167.6

申请日：2024-05-16

Applicant: 武汉大学

Inventor： 刘晓慧 ,  黄子恒 ,  吴江 ,  陈一 ,  何梦婷 ,  蒋子可 ,  欧桂燕

IPC: G06V10/776 ,  G06V10/774 ,  G06V10/94 ,  G06F3/0482 ,  G06F3/04847 ,  G06F3/04842 ,  G06N3/045 ,  G06V10/82

Abstract: 本申请属于计算机技术领域，具体公开了一种基于大语言模型的数据评价方法、装置、设备及存储介质，该方法包括：接收第一输入，第一输入用于确定待评价数据集的数据描述内容；响应于第一输入，基于数据描述内容、评价任务描述模板和预设映射关系，生成第一评价任务提示词，预设映射关系用于表征数据描述内容中数据描述项在评模板中的对应位置；输入第一评价任务提示词至大语言模型，获取大语言模型输出的评价结果；基于超参数、大语言模型评价结果和无训练统计评价结果，通过加权求和，确定数据评价结果。通过基于超参数将大语言模型评价结果和无训练统计评价结果融合，实现在保持较低的计算资源消耗的情况下，提高数据评价的有效性。

公开(公告)号：CN116167023A

公开(公告)日：2023-05-26

申请号：CN202310129852.X

申请日：2023-02-17

Applicant: 武汉大学

Inventor： 汪润 ,  任纪星 ,  黄子恒 ,  刘丽 ,  陈晶 ,  王丽娜

IPC: G06F21/16 ,  G06N3/08 ,  G06N3/0464

Abstract: 本发明提供了一种即插即用的黑盒模型水印嵌入方法及设备。所述方法包括：步骤1，生成水印检测网络M_pty和水印验证样本X_v；步骤2，根据步骤1得到的水印检测网络M_pty嵌入到需要保护的目标网络M_target。本发明通过向目标模型插入经过训练的专属水印验证模型的方法实现水印的嵌入，而无需微调目标模型的参数，极大程度保证了模型的保真度、节省了训练的时间和训练资源的开销，并且对于不同结构和不同数据集的模型也有很强的通用性，并且能够应用在现实场景下，以处理带有复杂DNN模型的现实任务。

公开(公告)号：CN116305258A

公开(公告)日：2023-06-23

申请号：CN202310172633.X

申请日：2023-02-23

Applicant: 武汉大学 ,  郑州信大先进技术研究院

Inventor： 汪润 ,  黄子恒 ,  任纪星 ,  刘丽 ,  万丽 ,  陈晶 ,  王丽娜

IPC: G06F21/62 ,  G06T7/90

Abstract: 本发明提供了一种防深度伪造的人脸隐私保护方法及设备。所述方法包括：步骤1至步骤6。本发明实现了高度鲁棒性的保护性扰动生成，在面对压缩、格式转换、重构等图像处理方法时仍具有稳定的保护效果，在同样的限制下显著降低了扰动添加带来的图像感官失真，并可以应用于不同的社交媒体平台。

公开(公告)号：CN118196567A

公开(公告)日：2024-06-14

申请号：CN202410606167.6

申请日：2024-05-16

Applicant: 武汉大学

Inventor： 刘晓慧 ,  黄子恒 ,  吴江 ,  陈一 ,  何梦婷 ,  蒋子可 ,  欧桂燕

IPC: G06V10/776 ,  G06V10/774 ,  G06V10/94 ,  G06F3/0482 ,  G06F3/04847 ,  G06F3/04842 ,  G06N3/045 ,  G06V10/82

Abstract: 本申请属于计算机技术领域，具体公开了一种基于大语言模型的数据评价方法、装置、设备及存储介质，该方法包括：接收第一输入，第一输入用于确定待评价数据集的数据描述内容；响应于第一输入，基于数据描述内容、评价任务描述模板和预设映射关系，生成第一评价任务提示词，预设映射关系用于表征数据描述内容中数据描述项在评模板中的对应位置；输入第一评价任务提示词至大语言模型，获取大语言模型输出的评价结果；基于超参数、大语言模型评价结果和无训练统计评价结果，通过加权求和，确定数据评价结果。通过基于超参数将大语言模型评价结果和无训练统计评价结果融合，实现在保持较低的计算资源消耗的情况下，提高数据评价的有效性。

公开(公告)号：CN116306831A

公开(公告)日：2023-06-23

申请号：CN202310171373.4

申请日：2023-02-27

Applicant: 武汉大学 ,  郑州信大先进技术研究院

Inventor： 汪润 ,  黄子恒 ,  李勃衡 ,  刘丽 ,  万丽 ,  陈晶 ,  王丽娜

IPC: G06N3/0475 ,  G06N3/094 ,  G06F18/214 ,  G06F18/24 ,  G06F21/44

Abstract: 本发明提供了一种针对生成对抗网络的模型认证方法及设备，包括：步骤1、生成对抗网络GAN训练完后会得到一个判别器D和生成器G，生成器G会部署到服务器上提供服务，而判别器D不能公开；步骤2、将判别器D转换为单分类器D0，并用生成器G生成一批图像作为训练集；步骤3、将判别器D的参数加载到单分类器D0上作为初始化，通过优化损失函数L在生成器G生成的训练集上训练单分类器D0，训练完成后保存；步骤4、在发现与生成器G相似的可疑模型G'时，使用单分类器D0进行认证：若单分类器D0判断可疑模型G'与生成器G为同一个，则确定可疑模型G'是窃取或复制生成器G得到的；否则，则确定可疑模型G'没有问题。本发明具有鲁棒性强的特点。