一种基于多编码器生成对抗学习的半监督文本分类方法及系统

    公开(公告)号:CN119475126B

    公开(公告)日:2025-05-16

    申请号:CN202411501231.0

    申请日:2024-10-25

    Abstract: 本发明涉及一种基于多编码器生成对抗学习的半监督文本分类方法及系统,属于监督学习技术领域,引入多编码器结构,为同一个文本样本提供多个输出表示。生成器部分将从随机噪声中采样得到的向量转化为和编码器的输出具有相同维度的向量表示,同时为了实现半监督文本分类,在判别器上构建无监督和有监督损失结合模块,利用生成对抗学习,不断促进生成器生成近似真实的对抗样本,同时提升判别器鉴别真实文本样本和生成器生成的对抗样本的能力,以及类别分类的能力。此外,通过生成器和判别器的联合优化,进一步提升编码器的文本语义表征能力。

    一种网络虚拟化技术下伪造源地攻击的防御方法及系统

    公开(公告)号:CN119402277A

    公开(公告)日:2025-02-07

    申请号:CN202411587337.7

    申请日:2024-11-08

    Abstract: 本发明涉及一种网络虚拟化技术下伪造源地攻击的防御方法及系统,方法步骤如下:(1)创建并初始化可信源地址前缀表;(2)创建VXLAN隧道表;(3)组装可信源地址前缀宣告报文;(4)对需要进入VXLAN隧道的流量组装VXLAN数据报文;(5)监听网络数据;(6)如果接收到的报文为可信源地址前缀宣告报文,利用报文相关信息扫描VXLAN隧道表;(7)利用步骤(6)的报文信息遍历可信源地址前缀表;(8)如果接收到的报文为VXLAN数据报文,利用报文相关信息扫描VXLAN隧道表;(9)利用步骤(8)的扫描结果扫描可信源地址前缀表并确定数据流量是否转发。本发明通过在隧道的两端进行真实源地址验证,达到对伪造源地址流量攻击进行防御的目标。

    一种基于融合约束对抗机制的文本分类的方法及系统

    公开(公告)号:CN119513308A

    公开(公告)日:2025-02-25

    申请号:CN202411515897.1

    申请日:2024-10-29

    Abstract: 本发明涉及一种基于融合约束对抗机制的文本分类的方法及系统,属于文本分类技术领域,在有标签和无标签的有限监督情况下,通过多编码器获得多个不同通道的特征表示,并利用特征融合模块挖掘文本内容中所包含的更丰富的语义信息。在此基础上,构建对抗约束模块促使生成器生成更近似真实数据且更合理的文本数据表示。此外,组合类别判别器和真伪鉴别器,提升模型的分类性能以及真伪鉴别能力。重点保护所描述的整个基于融合约束对抗机制的文本分类方法及装置,通过在生成对抗学习框架中引入对抗约束模块和特征融合模块,改进生成器和判别器的训练过程,从而提升分类模型在处理少量标注数据和大量未标注数据时的性能和稳定性。

    一种基于多编码器生成对抗学习的半监督文本分类方法及系统

    公开(公告)号:CN119475126A

    公开(公告)日:2025-02-18

    申请号:CN202411501231.0

    申请日:2024-10-25

    Abstract: 本发明涉及一种基于多编码器生成对抗学习的半监督文本分类方法及系统,属于监督学习技术领域,引入多编码器结构,为同一个文本样本提供多个输出表示。生成器部分将从随机噪声中采样得到的向量转化为和编码器的输出具有相同维度的向量表示,同时为了实现半监督文本分类,在判别器上构建无监督和有监督损失结合模块,利用生成对抗学习,不断促进生成器生成近似真实的对抗样本,同时提升判别器鉴别真实文本样本和生成器生成的对抗样本的能力,以及类别分类的能力。此外,通过生成器和判别器的联合优化,进一步提升编码器的文本语义表征能力。

Patent Agency Ranking