公开(公告)号：CN118588099A

公开(公告)日：2024-09-03

申请号：CN202410660371.6

申请日：2024-05-27

Applicant: 辽宁大学

Inventor： 周翰逊 ,  张硕 ,  胡雨丰 ,  张昉 ,  翟天云 ,  王妍 ,  郭薇 ,  邰滢滢

IPC: G10L21/013 ,  G10L25/30

Abstract: 本发明涉及一种基于StarGAN损失函数的语音音色转换方法，包括如下步骤：步骤1，提取语音数据集特征，用于构建特征集合；步骤2，设计StarGAN损失函数：通过对抗损失函数和源分类器损失函数的优化，实现样本的音色转换；步骤3，训练SrarGAN语音音色转换模型；步骤4，当模型训练完成后，利用其进行预测，以进行语音音色风格的转换。该方法通过设计StarGAN损失函数生成不同情感语音不同方法，在进行音色转换时，我们不仅要确保语音的清晰度，还要尽量保持其自然度，使得转换后的语音听起来更加流畅自然。

公开(公告)号：CN118487820A

公开(公告)日：2024-08-13

申请号：CN202410637323.5

申请日：2024-05-22

Applicant: 辽宁大学

Inventor： 周翰逊 ,  尹德铭 ,  张昉 ,  翟天云 ,  王妍 ,  郭薇 ,  邰莹莹

IPC: H04L9/40 ,  H04L41/16 ,  G06N20/00

Abstract: 强化学习模型中折扣因子的安全漏洞检测方法，步骤为：1)在强化学习模型中利用Eigen库的C++库更新策略矩阵，在矩阵运算上采用Flush+Reload技术的缓存侧信道方法，获取强化学习模型中策略矩阵的状态空间维数m和动作空间维数k后，获得完整的策略矩阵；2)在Q‑learning和Sarsa这两种强化学习方法中，利用完整的策略矩阵中的数据和奖励函数的大小，获取折扣因子γ的大小；在Policy Gradient算法中，利用完整的策略矩阵中的数据和奖励函数的大小，获取折扣因子γ的大小，并判断最终漏洞情况。本发明通过上述方法，为系统的稳定运行提供保障，从而极大提高了强化学习应用的整体安全水平。

公开(公告)号：CN118487819A

公开(公告)日：2024-08-13

申请号：CN202410637269.4

申请日：2024-05-22

Applicant: 辽宁大学

Inventor： 周翰逊 ,  尹德铭 ,  张昉 ,  翟天云 ,  王妍 ,  郭薇 ,  邰莹莹

IPC: H04L9/40 ,  H04L41/16 ,  G06N3/0455 ,  G06N3/092

Abstract: 基于Integral‑Transformer的功耗侧信道强化学习模型漏洞检测方法：1)采集数据；2)建立Integral‑Transformer模型：编码器由多个编码层组成，每一层具有一系列核心组件，包括多头自注意力机制、残差连接和层归一化、积分函数以及前馈神经网络；解码器由多个解码层构成，每一层包括掩蔽多头自注意力、残差连接和层级归一化、编解码器互注意力机制以及前馈神经网络；3)检测：识别强化学习模型的类别，如果与实际运行中的模型的类别相同，则证明该强化学习模型的类别方面存在安全漏洞；相反，无安全漏洞存在。本发明能够为系统的稳定运行提供保障，极大的提高强化学习应用的整体安全水平。

公开(公告)号：CN118473766A

公开(公告)日：2024-08-09

申请号：CN202410637289.1

申请日：2024-05-22

Applicant: 辽宁大学

Inventor： 周翰逊 ,  尹德铭 ,  张昉 ,  翟天云 ,  王妍 ,  郭薇 ,  邰莹莹

IPC: H04L9/40 ,  H04L41/16 ,  G06N20/00 ,  G06F18/23213

Abstract: 一种强化学习模型中策略矩阵的安全漏洞检测方法，步骤为：1)使用Flush+Reload技术的缓存测信道方法，获取函数加载特定数据所需的时间大小，作为原始数据；2)采用一个迭代的聚类和修剪过程检时间数据分组，一组表示标准时间，另一组表示特殊时间；3)根据函数的总迭代次数与特殊时间的数量，获得状态空间维度m和动作空间维度k的大小，判断漏洞情况。本发明通过上述方法，为系统的稳定运行提供保障，从而极大提高了强化学习应用的整体安全水平。本发明通过上述方法，针对动作空间维数k并不确定的情况，提供了一种能够有效识别出模型中策略矩阵的状态空间维数和动作空间维数的大小的安全漏洞检测方法。

公开(公告)号：CN118588098A

公开(公告)日：2024-09-03

申请号：CN202410660260.5

申请日：2024-05-27

Applicant: 辽宁大学

Inventor： 周翰逊 ,  张硕 ,  胡雨丰 ,  张昉 ,  翟天云 ,  王妍 ,  郭薇 ,  邰滢滢

IPC: G10L21/013 ,  G10L25/30 ,  G10L25/63

Abstract: 本发明涉及一种基于StarGAN情感架构的语音情感转换方法，包括如下步骤：步骤1，构建SrarGAN语音情感转换模型，步骤2，StarGAN语音情感转换模型的训练；步骤3：提取特征、设定目标风格编码，使用步骤2训练好的模型实现语音风格转换。该方法通过设计StarGAN损失函数生成不同情感语音不同方法，旨在解决情感语音生成中不流畅、不自然的问题。

公开(公告)号：CN118540127A

公开(公告)日：2024-08-23

申请号：CN202410646135.9

申请日：2024-05-22

Applicant: 辽宁大学

Inventor： 周翰逊 ,  尹德铭 ,  张昉 ,  翟天云 ,  王妍 ,  郭薇 ,  邰莹莹

IPC: H04L9/40 ,  H04L41/16 ,  G06N20/00 ,  G06F18/23

Abstract: 基于缓存侧信道的强化学习模型的安全漏洞检测方法，1)使用Flush+Reload技术的缓存测信道方法，获取函数加载特定数据所需的时间大小，作为原始数据；2)采用一个迭代的聚类和修剪过程检时间数据分组，一组表示标准时间，另一组表示特殊时间；根据函数的总迭代次数与特殊时间的数据获得状态空间维度m的大小，得到检测结果。本发明通过上述方法，针对动作空间会受到任务本身性质的限制，尤其是涉及物理系统、机器人或工业过程的应用，可供选择的动作通常是数量有限的，从而导致动作空间维数k已知的情况，能够高效地识别并定位潜在的安全漏洞，显著提高了漏洞检测的准确性和效率。