-
公开(公告)号：CN114168952B
公开(公告)日：2025-03-14
申请号：CN202111242874.4
申请日：2021-10-25
Applicant: 北京邮电大学 , 中国电子科技集团公司第五十四研究所
IPC: G06F21/56 , G06N3/0464 , G06N3/08
Abstract: 本申请提供一种神经网络木马病毒防御方法、装置、电子设备及存储介质。该方法包括：获取目标网络的训练数据集，训练数据集包括有一定量的训练用图片；通过预先训练的有效区域筛选器对每个训练用图片进行筛选，以去除每个训练用图片中用于设置木马病毒的无效区域，得到筛选后的训练数据集；通过筛选后的训练数据集对目标网络进行训练。在进入目标网络之前筛选掉无效区域，隐藏在无效区域中的木马病毒无法进入到后续目标网络当中，有效地保护目标网络训练数据及目标网络的安全性。
-
公开(公告)号：CN114186604B
公开(公告)日：2025-03-07
申请号：CN202111241117.5
申请日：2021-10-25
Applicant: 北京邮电大学 , 中国电子科技集团公司第五十四研究所
IPC: G06F18/2431 , G06N3/0464 , G06N3/09 , G06F18/214
Abstract: 本公开提供一种深度神经网络样本木马的构造方法及电子设备，所述方法包括：通过注入后门中毒数据，调整深度神经网络结构以及构造后门攻击触发模式模型的方法，分析后门中毒数据、深度神经网络结构、后门攻击触发模式与深度神经网络中毒攻击成功之间的关系特性；基于所述关系特性，针对特定类别或通用类别数据构造深度神经网络样本木马的后门攻击触发模式；构造嵌入隐形后门的第一水印图案，以及构造校准图像几何变换的第二水印图案；基于优化所述后门攻击触发模式的方法构造所述深度神经网络样本木马。本公开提供的深度神经网络样本木马的构造方法构造的样本木马，具有良好的隐形性以及鲁棒性，能够为后续木马检测研究提供支撑。
-
公开(公告)号：CN119517430A
公开(公告)日：2025-02-25
申请号：CN202411429652.7
申请日：2024-10-14
Applicant: 北京邮电大学
Abstract: 本申请提供一种医疗领域大模型训练数据生成方法,通过以真实病例数据为参考，通过自动化程序调用大语言模型，使大语言模型批量生成问题数据、参考数据与答案数据，并且通过设置的prompt提示词引导大语言模型生成并优化模型精调数据，从而为医疗领域行业模型生成特化的模型精调数据，节省了后续行业大模型的训练时间。并且由于病例数据获取难度较高，隐私信息较多，相较于直接获取真实病例信息，本申请所公开的技术方案还具有成本低、隐私性强的优点。
-
公开(公告)号：CN114360071B
公开(公告)日：2024-12-03
申请号：CN202210028558.5
申请日：2022-01-11
Applicant: 北京邮电大学
IPC: G06V40/30 , G06V10/764 , G06V10/82 , G06V10/80 , G06V10/776 , G06N3/045 , G06N3/0464 , G06N3/08 , G06N3/048
Abstract: 基于人工智能实现离线手写签名验证的方法，针对离线场景下的手写签名验证问题，使用SVM以及孪生神经网络框架进行特征提取与结果分类，同时使用逆鉴别网络思想，对输入的签名图片进行像素反转，得到多组数据同时进行验证；本发明方法不仅使用了深度学习的方法，而且同时结合了机器学习的方法，使得本发明的方法可靠性和准确率更高。
-
公开(公告)号：CN114580427B
公开(公告)日：2024-06-14
申请号：CN202111641822.4
申请日：2021-12-29
Applicant: 北京邮电大学
IPC: G06F40/30 , G06F40/289 , G06F18/23213 , G06F18/2415 , G06N3/0464 , G06N3/044 , G06N3/084
Abstract: 本申请提供一种自媒体用户选择方法及相关装置，该方法包括：周期性获取多个预选用户的初始数据，得到每个预选用户的关系特征、影响力特征、粉丝特征、情感特征和传播度特征；利用关系特征，对全部预选用户执行聚类算法进行聚类，在每个类别的预选用户中确定多个候选用户；采取极端梯度提升算法对该候选用户的影响力特征进行加权，得到影响力得分；利用粉丝特征计算粉丝重要度得分；利用自回归语言模型、循环卷积神经网络和注意力机制构建情感分析模型，得到情感得分；利用传播度特征、影响力得分、粉丝重要度得分和情感得分进行区间模糊处理，得到目标权重，并输入预置的多准则决策框架，得到该候选用户的综合值，并根据综合值确定目标用户。
-
Patent Agency Ranking
公开(公告)号：CN117708426A
公开(公告)日：2024-03-15
申请号：CN202311739020.6
申请日：2023-12-18
Applicant: 北京邮电大学
IPC: G06F16/9535 , G06N3/0464 , G06N3/045
Abstract: 基于双曲超图神经网络与注意力机制的会话推荐系统和方法，系统包括双曲超图神经网络模块、会话学习模块SLM、兴趣提取模块IEM和预测模块；方法包括如下操作步骤：(1)双曲超图神经网络模块为全体会话中所包含的所有物品生成高质量的初始化表征；(2)会话学习模块SLM计算每个会话的含有数据空间结构性质的所有物品的新表征；(3)兴趣提取模块IEM计算每个会话的含有会话中各个物品之间的长距离依赖关系和物品的相对位置信息的新表征；(4)预测模块为每个会话生成最终的Top‑K预测。
-
公开(公告)号：CN117633235A
公开(公告)日：2024-03-01
申请号：CN202311687446.1
申请日：2023-12-11
Applicant: 北京邮电大学
IPC: G06F16/35 , G06F18/25 , G06F40/30 , G06V30/182 , G10L15/187 , G06N3/0464 , G06N3/0455 , G06N3/09 , G06N3/094 , G06N3/092
Abstract: 基于大模型和动态知识检索的恶意文本内容审核系统和方法，系统包括如下模块：语言模型模块、表征模型模块、动态知识库模块、多模态表征模块和内容分类模块；方法包括如下操作步骤：(1)将待分类文本输入到多模态表征模块；(2)多模态表征模块将待分类文本进行多模态表征处理，分别得到待分类文本的语义表征、字形表征和读音表征，然后将上述表征进行加权融合，得到所述待分类文本的融合特征；(3)将所述待分类文本的融合特征输入到所述语言模型模块中的轻量级文本分类语言模型中，得到待分类文本的类别。
-
公开(公告)号：CN116523000A
公开(公告)日：2023-08-01
申请号：CN202310362917.5
申请日：2023-04-06
Applicant: 北京邮电大学
IPC: G06N3/0475 , G06N3/094 , G06V10/26 , G06V10/30 , G06V10/774 , G06V10/80 , G06V10/82
Abstract: 本申请提供一种神经网络对抗样本防御方法、电子设备和存储介质，所述方法包括：获取对抗数据集；根据颜色信道将所述对抗数据集中的每个图像进行分割，得到分割图像集；根据预设掩模对分割图像集进行处理，得到目标低频图像集和目标高频图像集；根据预设降噪方法对目标高频图像集进行降噪处理，得到目标降噪高频图像集；将目标低频图像集、目标降噪高频图像集输入至预设目标生成器进行融合，生成防御对抗样本集。所述方法生成的防御对抗样本通过去除高频图像中的噪声，即去除了分布在高频分量图像中的对抗扰动，使对抗样本更接近原始图像，对抗样本才能够被正确分类。
-
公开(公告)号：CN116304685A
公开(公告)日：2023-06-23
申请号：CN202310148707.6
申请日：2023-02-14
Applicant: 北京邮电大学
IPC: G06F18/214 , G06N3/0475 , G06N3/094
Abstract: 本申请提供一种对抗样本生成方法、装置及电子设备。所述方法包括：获取训练数据，以及根据所述训练数据训练得到的目标神经网络模型；将所述训练数据作为输入值，分别计算所述目标神经网络模型每一层输出值的平均值，并将每一层的平均值作为该层的输出基准数据；根据所述输出基准数据，通过迭代计算，得到目标数据；响应于确定达到预定条件，将所述目标数据作为对抗样本。通过所述方法，限制了生成的对抗样本远离正常样本流形的程度，降低了对抗样本被检测到的可能性。
-
公开(公告)号：CN112115995B
公开(公告)日：2023-04-07
申请号：CN202010954339.0
申请日：2020-09-11
Applicant: 北京邮电大学
IPC: G06V10/774 , G06V10/764 , G06V10/82
Abstract: 一种基于半监督学习的图像多标签分类方法，包括：从训练数据集中分别提取有标签数据和无标签数据的训练图片，并构成有标签数据集、无标签数据集，然后为每张训练图片标注标签向量；构建图像多标签分类网络，将有标签数据集和无标签数据集中的所有训练图片作为训练样本输入进行半监督训练，其输入是有标签数据集和无标签数据集的训练图片及标签向量，输出是训练图片对应各标签的预测概率；为待分类图片标注标签向量，然后将待分类图片及标签向量输入图像多标签分类网络，并根据输出确定待分类图片的多个标签。本发明属于信息技术领域，能基于无标签和有标签数据组成的混合数据集实现图像多标签分类，充分利用标签有效信息，有效提高网络分类性能。
-
-
-
-
-
-
-
-
-
Search Results
224
records
(took 0.078 seconds)
