-
公开(公告)号:CN119106435A
公开(公告)日:2024-12-10
申请号:CN202411212718.7
申请日:2024-08-30
Applicant: 河南大学
IPC: G06F21/57 , G06F11/36 , G06F8/41 , G06F18/2415 , G06F18/2433 , G06N3/042 , G06N3/0464 , G06N3/0455 , G06N3/048 , G06F21/56
Abstract: 本发明涉及计算机安全技术领域,具体涉及一种融合代码结构与语义信息的智能合约漏洞检测方法,该方法包括:针对智能合约源代码,使用编译器生成抽象语法树,并构建合约图,按照遍历顺序形成有序的节点序列;将源代码、掩码及节点排列输入至预训练模型;将融合了语义和结构特征的合约图送入图神经网络,通过图卷积操作实现信息在图上的传递与聚合;将优化后的合约图输入线性层,对输出结果进行归一化,依据设定的阈值判断智能合约是否存在潜在的安全漏洞,从而完成智能合约安全性评估。本发明通过结合代码的逻辑结构和语义信息提高了智能合约漏洞检测的准确性,通过自动化的分析流程,显著提升了检测的效率和可靠性。
-
公开(公告)号:CN119399069A
公开(公告)日:2025-02-07
申请号:CN202411521723.6
申请日:2024-10-29
Applicant: 河南大学
Abstract: 本发明涉及图像处理技术领域,具体涉及一种基于多模态双向融合的运动图像去模糊方法,包括:先获取运动模糊图像的多模态数据信息,再基于事件流信息获取与图像信息兼容的、三维体素格式的预处理后的事件流信息;将图像信息和预处理后的事件流信息进行多模态双向融合处理,得到运动模糊图像的融合特征;将融合特征作为输入,通过残差连接模块进行残差连接逐步学习并生成残差序列;基于残差序列,通过基于事件的双重积分物理模型获得去模糊之后的运动清晰图像。本发明通过从浅到深的双向融合策略,不仅推动了运动图像去模糊的发展,还为多模态数据融合提供了新的思路和方法,也为自动驾驶、目标检测等其它任务的高效应用提供了技术支撑。
-
公开(公告)号:CN118781792A
公开(公告)日:2024-10-15
申请号:CN202410797856.X
申请日:2024-06-20
Applicant: 河南大学
IPC: G08G1/01
Abstract: 本发明公开一种基于深度学习模型的复杂交通网络流量预测方法,包括:根据路网的历史交通数据以及根据谱聚类之后的聚类数据,针对这两种交通历史数据构建动态图;将历史序列通过卷积模型嵌入到潜在维度,对两种不同层次的特征静态融合;将两个层次的特征采用STODE‑Block块来捕捉时间和空间的依赖关系,对时间和空间进行连续的统一建模,得到学习之后的特征表示;对区域和节点的特征表示通过动态融合模块进行第二次动态融合,得到最终的特征输出;采用跳跃连接的方式将两次融合结果进行结合,然后通过ReLU激活函数输出最终的预测结果。本发明能实现精准的短时交通流预测,预测精度优于已有的基于ODE的交通流预测模型。
-
公开(公告)号:CN119046475A
公开(公告)日:2024-11-29
申请号:CN202411168934.6
申请日:2024-08-23
Applicant: 河南大学
IPC: G06F16/36 , G06F40/295 , G06F16/33
Abstract: 本发明涉及信息抽取技术领域,具体涉及一种基于跨度的一步式关系抽取方法。方法包括:对输入文本进行编码获得上下文嵌入表示,获取预设关系集合中关系的嵌入表示;筛选跨度大于预设长度的输入文本,构建潜在头实体、尾实体集合;对潜在头实体、尾实体集合和预设关系集合负采样,结合上下文嵌入表示对潜在头实体、尾实体集合中的实体进行向量化表示;对字符进行起始位置和结束位置的预测,将有效实体加入真实头实体集合和真实尾实体集合,将有效关系加入真实关系集合;链接真实头实体集合、真实尾实体集合、真实关系集合中的所有头实体、尾实体以及关系,结合实体表示和关系表示进行关系抽取。本发明提高了关系抽取的准确度。
-
公开(公告)号:CN118820594A
公开(公告)日:2024-10-22
申请号:CN202410887546.7
申请日:2024-07-03
Applicant: 河南大学
IPC: G06F16/9535 , G06F16/33 , G06F16/335 , G06F40/30 , G06N3/0455 , G06N3/042 , G06N3/084
Abstract: 本发明涉及个性化推荐技术领域,具体涉及基于知识图谱和注意力机制的个性化文章推荐方法。方法包括:获取学堂在线教育数据集,基于学堂在线教育数据集中实体之间的关联关系构建知识图谱;将知识图谱中实体间的三元组信息输入到TransE模型中进行训练,获取不同实体的嵌入向量;将嵌入向量通过节点级别的注意力机制学习不同节点聚合其邻居后的特征表示,通过语义级别的注意力机制学习节点与其他节点关联时在不同元路径上的特征表示信息,获得最终的嵌入向量;对最终的嵌入向量进行扩展矩阵分解,采用贝叶斯个性化排序算法,进而获得推荐列表。本发明提高了文章推荐结果的准确度。
-
公开(公告)号:CN117725228A
公开(公告)日:2024-03-19
申请号:CN202311774143.3
申请日:2023-12-21
Applicant: 河南大学
IPC: G06F16/36 , G06N3/0455 , G06F18/25 , G06N5/022
Abstract: 本发明涉及计算机技术领域,具体涉及一种实体描述和拓扑结构信息增强的知识图谱补全方法,包括:对于任意三元组,获取实体的文本描述信息,进而以提取实体描述中与关系相关的目标描述特征表示;根据知识图谱三元组中实体的一跳邻居构建的实体子图,获得实体的拓扑结构特征表示;使用动态门控机制对目标描述特征表示和拓扑结构特征表示进行融合,获得综合特征表示,将综合特征表示和关系特征表示输入到知识图谱嵌入模型中进行链接预测,完成知识图谱补全。本发明考虑利用额外的附加信息的问题,有助于获得更好的实体特征表示,使得知识图谱补全的准确率更高。
-
-
-
-
-