公开(公告)号：CN109766991A

公开(公告)日：2019-05-17

申请号：CN201910033648.1

申请日：2019-01-14

Applicant: 电子科技大学

Inventor： 张小松 ,  牛伟纳 ,  任仲蔚 ,  谢鑫 ,  将天宇

IPC: G06N3/00 ,  G06N3/12

Abstract: 本发明公开了一种采用对抗性训练的人工智能优化系统及方法，属于机器学习领域。本发明对获取的原始数据集中的数据进行特征提取后，训练一个未经过对抗性训练的神经网络模型，得到识别模型；将识别模型作为计算适应度的一个参数，遗传算法基于计算的参数和提取的特征进行对抗样本的生成，得到生成的全部对抗样本；将生成的全部对抗样本与提取特征后的样本混合起来，作为新的数据集再次进行识别模型的有监督训练，得到有监督训练后的识别模型；对有监督训练后的识别模型进行测试，若达到给定要求，得到最终训练好的识别模型，否则调整遗传算法的参数后，再次生成对抗样本进行训练。本发明用于对抗性训练神经网络模型，提高模型安全性。

公开(公告)号：CN111783890A

公开(公告)日：2020-10-16

申请号：CN202010637934.1

申请日：2020-07-02

Applicant: 电子科技大学

Inventor： 牛伟纳 ,  张小松 ,  任仲蔚 ,  丁康一 ,  谢科 ,  张瑾昀 ,  曹蓉

IPC: G06K9/62

Abstract: 本发明涉及机器学习领域，提供了一种针对图像识别过程中的小像素对抗样本防御方法，目的在于解决在小像素图像识别过程中，对添加扰动伪装后的图像识别错误的问题。主要方案包括，使原始样本集O进行模型的训练，得到一个未经过增强的分类模型，对训练数据集中的每一张图片，进行对抗样本生成，得到对抗样本集合A并进行扰动数值的统计，统计每个扰动数值所占的比重，计算出每一张对抗样本的扰动数值分布，得到对抗样本的扰动分布直方图；使用对抗样本的扰动分布直方图，模拟对抗样本生成算法扰动规律，对DUNet模型进行训练，得到降噪输入层；将降噪输入层和未经过增强的小像素图像分类模型进行拼接，得到增强的模型。

公开(公告)号：CN111783890B

公开(公告)日：2022-06-03

申请号：CN202010637934.1

申请日：2020-07-02

Applicant: 电子科技大学

Inventor： 牛伟纳 ,  张小松 ,  任仲蔚 ,  丁康一 ,  谢科 ,  张瑾昀 ,  曹蓉

IPC: G06V10/764 ,  G06K9/62 ,  G06V10/80 ,  G06V10/774

Abstract: 本发明涉及机器学习领域，提供了一种针对图像识别过程中的小像素对抗样本防御方法，目的在于解决在小像素图像识别过程中，对添加扰动伪装后的图像识别错误的问题。主要方案包括，使原始样本集O进行模型的训练，得到一个未经过增强的分类模型，对训练数据集中的每一张图片，进行对抗样本生成，得到对抗样本集合A并进行扰动数值的统计，统计每个扰动数值所占的比重，计算出每一张对抗样本的扰动数值分布，得到对抗样本的扰动分布直方图；使用对抗样本的扰动分布直方图，模拟对抗样本生成算法扰动规律，对DUNet模型进行训练，得到降噪输入层；将降噪输入层和未经过增强的小像素图像分类模型进行拼接，得到增强的模型。

公开(公告)号：CN110134793A

公开(公告)日：2019-08-16

申请号：CN201910452874.3

申请日：2019-05-28

Applicant: 电子科技大学

Inventor： 张小松 ,  范文慧 ,  牛伟纳 ,  任仲蔚 ,  潘文强 ,  蓝皓月

IPC: G06F16/35

Abstract: 本发明涉及文本情感分类方法，包括有对待处理的文本数据进行预处理，步骤包括有：A.在所述的预处理中包括了通过不同的现有的词向量模型对待处理的文本数据进行预训练，将同一个词经不同的词向量模型预训练后所对应的所有不同的词向量表达拼接为一个整体，形成优化后的词向量；B.将所述优化后的词向量输入到不同的神经网络中，分别提取待处理的文本数据的不同特征；C.将不同神经网络提取的所有特征拼接后进行分类处理，得到待处理的文本数据的每个处理样本属于不同情感类别的概率值。本发明的文本情感分类方法，显著提高了中文词语语义分析的准确性，并且大幅度提升了数据模型在小样本数据集上的分类能力。

公开(公告)号：CN110163292A

公开(公告)日：2019-08-23

申请号：CN201910451996.0

申请日：2019-05-28

Applicant: 电子科技大学

Inventor： 张小松 ,  何伟超 ,  牛伟纳 ,  刘宪 ,  赵艺宾 ,  任仲蔚

IPC: G06K9/62 ,  H04L9/00

Abstract: 本发明涉及基于向量同态加密的隐私保护k-means聚类方法，包括：A.客户端接收待聚类向量组；B.通过向量同态加密的方法对所述待聚类向量组进行加密，在加密过程中保留密钥交换矩阵M和比特扩展矩阵W，加密后得到密文向量组；C.根据通过AM＝W得到矩阵A，定义中间矩阵H＝ATA；D.将中间矩阵H与密文向量组传送至聚类服务器进行聚类分析，将密文向量组中的每一个向量附上聚类标签；E.聚类服务器将完成聚类分析的密文向量组发送回客户端解密，根据各个向量的标签组合得到聚类结果。本发明解决了密文数据云传输的安全性问题，保证了数据的隐私可靠性，同时还提高了对向量类型判断的效率，扩大了向量类型判断的应用范围。