公开(公告)号：CN113033610B

公开(公告)日：2022-09-13

申请号：CN202110203458.7

申请日：2021-02-23

Applicant: 河南科技大学

Inventor： 张志勇 ,  宋斌 ,  张蓝方 ,  梁腾翔 ,  徐艳艳 ,  苗坤霖 ,  赵长伟 ,  黄帅娜 ,  李静 ,  张孝国

IPC: G06K9/62 ,  G06V10/764 ,  G06V10/80 ,  G06F16/35 ,  G06F16/55 ,  G06F40/216 ,  G06N20/00

Abstract: 一种多模态融合敏感信息分类检测方法，包括步骤1、对文本和图片进行敏感性初级检测，步骤2、基于情感对文本敏感性进行判定，步骤3、图文融合的多模态敏感性检测，本发明结合文本和图片两种模态，检测和分类敏感信息。需要分别对文本和图片进行敏感性检测，结合情感极性和强度对敏感信息的影响，能准确判断出内容的敏感性。根据合适的融合方法解决图文敏感问题，具有较高的检测精度。

公开(公告)号：CN113033610A

公开(公告)日：2021-06-25

申请号：CN202110203458.7

申请日：2021-02-23

Applicant: 河南科技大学

Inventor： 张志勇 ,  宋斌 ,  张蓝方 ,  梁腾翔 ,  徐艳艳 ,  苗坤霖 ,  赵长伟 ,  黄帅娜 ,  李静 ,  张孝国

IPC: G06K9/62 ,  G06F16/35 ,  G06F16/55 ,  G06F40/216 ,  G06N20/00

Abstract: 一种多模态融合敏感信息分类检测方法，包括步骤1、对文本和图片进行敏感性初级检测，步骤2、基于情感对文本敏感性进行判定，步骤3、图文融合的多模态敏感性检测，本发明结合文本和图片两种模态，检测和分类敏感信息。需要分别对文本和图片进行敏感性检测，结合情感极性和强度对敏感信息的影响，能准确判断出内容的敏感性。根据合适的融合方法解决图文敏感问题，具有较高的检测精度。

公开(公告)号：CN113051557B

公开(公告)日：2022-11-11

申请号：CN202110275639.0

申请日：2021-03-15

Applicant: 河南科技大学

Inventor： 张志勇 ,  宋斌 ,  梁腾翔 ,  张丽丽 ,  卫新乐 ,  牛丹梅 ,  李玉祥 ,  张孝国 ,  向菲 ,  张蓝方

IPC: G06F21/55 ,  G06F21/60 ,  G06F21/62 ,  G06Q50/00 ,  G06K9/62 ,  G06N20/00

Abstract: 基于纵向联邦学习的社交网络跨平台恶意用户检测方法，包括：步骤1、构建基于纵向联邦学习的社交网络跨平台恶意用户检测层次化架构；步骤2、将参与方分为主动方和被动方，对主动方和被动方样本数据在数据预处理层进行预处理操作，得到结构化数据；步骤3、经数据预处理层处理后的结构化数据，映射主动方和被动方共有的样本数据；步骤4、在机器学习的定义下协同训练一个全局模型，利用了同态加密对主动方和被动方数据进行加解密，完成联邦学习层训练；步骤5、主动方和被动方更新自身的本地模型训练参数，并将预测结果输出;步骤6、在数据应用层将联邦学习层得到的预测结果回传到各参与方，实现高质量的恶意用户检测效果。

公开(公告)号：CN113051557A

公开(公告)日：2021-06-29

申请号：CN202110275639.0

申请日：2021-03-15

Applicant: 河南科技大学

Inventor： 张志勇 ,  宋斌 ,  梁腾翔 ,  张丽丽 ,  卫新乐 ,  牛丹梅 ,  李玉祥 ,  张孝国 ,  向菲 ,  张蓝方

IPC: G06F21/55 ,  G06F21/60 ,  G06F21/62 ,  G06Q50/00 ,  G06K9/62 ,  G06N20/00

Abstract: 基于纵向联邦学习的社交网络跨平台恶意用户检测方法，包括：步骤1、构建基于纵向联邦学习的社交网络跨平台恶意用户检测层次化架构；步骤2、将参与方分为主动方和被动方，对主动方和被动方样本数据在数据预处理层进行预处理操作，得到结构化数据；步骤3、经数据预处理层处理后的结构化数据，映射主动方和被动方共有的样本数据；步骤4、在机器学习的定义下协同训练一个全局模型，利用了同态加密对主动方和被动方数据进行加解密，完成联邦学习层训练；步骤5、主动方和被动方更新自身的本地模型训练参数，并将预测结果输出;步骤6、在数据应用层将联邦学习层得到的预测结果回传到各参与方，实现高质量的恶意用户检测效果。