-
公开(公告)号：CN115688776A
公开(公告)日：2023-02-03
申请号：CN202211185619.5
申请日：2022-09-27
Applicant: 北京邮电大学
IPC: G06F40/295 , G06F40/30 , G06N3/042 , G06N3/0464
Abstract: 本发明是一种面向中文金融文本的关系抽取方法，用于中文金融文本处理。本发明方法包括：利用海量中文金融语料微调BERT结构训练金融文本编码器，对语句编码得到句向量；筛选金融关系数据集，对语句进行依存句法解析，基于硬剪枝策略输出邻接矩阵和句法类型矩阵；使用基于注意力机制的多层异构图卷积神经网络提取融合句法特征和实体类型特征的实体对；对金融关系触发词表中每类关系的触发词编码获得关系词向量，计算语句的相似度特征；将句向量、相似度特征和实体对拼接输入全连接分类器进行实体关系判断。本发明有效去除文本中冗余信息并保留关键信息，能从结构复杂和关系有重叠的金融长文本中有效抽取实体关系，比现有模型更具优越性。
-
公开(公告)号：CN115661889A
公开(公告)日：2023-01-31
申请号：CN202211185641.X
申请日：2022-09-27
Applicant: 北京邮电大学
Abstract: 本发明公开一种基于音视频多模态的特定人物深度伪造检测方法，属于安全与数字图像取证领域，采用音视频多模态融合的算法，并结合唇读方法基于时序捕捉人脸的动态特征。本发明的步骤有：(1)提取人物音视频与唇读特征；(2)融合唇部与时序特征为面部语义特征；(3)融合面部语义特征与音频特征进入神经网络；(3)融合特征在分类器中进行真假脸的检测。本发明方法以融合音视频多模态的神经网络模型为基础，针对特定政治人物的AI换脸检测进行创新设计，满足对于指定人物检测高准确率的要求。同时，本发明方法通过提取面部时序信息捕捉人脸动态特征，参考时间维度不同人脸的平移旋转等动作，弥补了原本仅限于参考图像内容本身的特征的局限，极大提高了假脸检测的准确性。
-
公开(公告)号：CN115482595A
公开(公告)日：2022-12-16
申请号：CN202211188905.7
申请日：2022-09-27
Applicant: 北京邮电大学
Abstract: 本发明公开一种基于语义分割的特定人物视觉伪造检测与鉴别方法，属于深度伪造与检测技术领域，提出了一种以特定人物的深度伪造视频检测为研究目标，基于半监督和语义分割的基本方法构建目标任务的个人特征模型，对构建的人脸区域属性掩码进行选择并分类，综合各属性分类权重输出结果的伪造视频检测方式。首先本发明构建基于语义分割的目标人物区域掩膜数据集；其次建立个人语义模型进行视觉伪造检测与鉴别对深度伪造视频进行检测。制作数据集过程中，利用半监督机器学习算法扩增数据集，解决特定人物数据集不足的问题并降低人工标注成本。
-
公开(公告)号：CN114386103A
公开(公告)日：2022-04-22
申请号：CN202210042418.3
申请日：2022-01-14
Applicant: 北京邮电大学
Abstract: 本申请提供一种秘密信息隐藏方法、秘密信息提取方法及传输系统，秘密信息隐藏方法包括：基于目标文档文件的版本信息获取目标文档文件对应的目标数据区域，并在该目标数据区域中查找用于隐藏秘密信息的嵌入区域；将秘密信息对应的加密数据添加至嵌入区域，并对目标文档文件进行源文档类型一致性处理。本申请能够在不改变文档大小、文档格式特征且无插件、无附加多媒体内容的基础上实现信息隐藏，实用性强，适用范围广，且能够有效提高秘密信息传输的安全性，大幅度降低因在文件引入附加对象的操作受到第三方攻击者关注及监测的网络攻击风险。
-
公开(公告)号：CN119399301A
公开(公告)日：2025-02-07
申请号：CN202411454807.2
申请日：2024-10-17
IPC: G06T11/00 , G06T3/04 , G06N3/045 , G06N3/0475 , G06N3/0495 , G06N3/0464 , G06N3/094 , G06N3/096
Abstract: 本发明公开了基于轻量化循环对抗生成网络的夜间‑日间图像转换方法，涉及图像转换与模型压缩领域，该方法包括以下步骤：从夜间数据集与日间数据集中挑选图像数据，结合联合损失函数并生成转换夜间与日间图像的最终网络模型；将共享注意力模块引入生成的最终网络模型中，并构建用于夜间到日间图像转换的共享注意力循环对抗生成网络模型；通过引用知识蒸馏算法压缩共享注意力循环对抗生成网络模型，得到教师生成器模型，并将知识通过教师生成器模型传递至学生生成器模型；将学生生成器模型中的特征图通过解码器对特征图进行上采样还原，得到夜间到日间的转换后的图像。本发明有效缓解了图像颜色失真、目标细节模糊等问题。
-
Patent Agency Ranking
公开(公告)号：CN119378006A
公开(公告)日：2025-01-28
申请号：CN202411389555.X
申请日：2024-09-30
IPC: G06F21/62 , G06N3/04 , G06N3/084 , G06T3/04 , G06V10/764
Abstract: 本申请是一种基于图像隐写的后门攻击方法，包括：S1、构建图像隐写网络和图像变换网络；S2、将有毒图像进行空间变换后得到第一触发器；S3、将经过空间变换的有毒图像反向输入攻击网络，还原得到第二触发器；S4、根据第一触发器和第二触发器的距离损失构建图像隐写网络的隐写损失函数；S5、对图像隐写网络进行迭代训练；S6、通过有毒图像进行后门攻击。在训练隐写网络时，基于触发器的变形程度构建损失函数，通过损失函数的反向传播使得图像隐写网络生成能够适应图像变换的有毒图像，本申请生成的有毒图像即使经过图像变换处理，也能够在受害者模型中触发攻击，使得受害者模型识别出对应的目标标签。
-
公开(公告)号：CN118747813A
公开(公告)日：2024-10-08
申请号：CN202410709811.2
申请日：2024-06-03
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06V10/40 , G06N3/045 , G06N3/0464 , G06N3/048 , G06N3/047 , G06N3/084
Abstract: 本发明提供一种图像隐写分析的模型训练方法、分析方法及系统，将自然图像数据集、隐写图像数据集、辅助任务图像数据集一和辅助任务图像数据集二添加标签并输入包括特征提取主干网络、主任务分类网络和辅助任务分类网络的初始神经网络模型，提取特征后执行隐写操作识别和辅助操作识别，通过融合执行主分类任务和辅助分类任务时的损失对上述初始化神经网络模型进行参数更新，最终获得图像隐写分析模型，图像隐写分析模型执行特征提取的主干网络和隐写分析的主任务分类网络，将待分析图像输入图像隐写分析模型后获得待分析图像是否存在隐写操作的识别结果，提高图像隐写分析模型的特征提取能力和泛化能力，并且提高待分析图像分析结果的准确率。
-
公开(公告)号：CN117614618A
公开(公告)日：2024-02-27
申请号：CN202311522153.8
申请日：2023-11-15
Applicant: 北京邮电大学
IPC: H04L9/08 , H04L9/00 , H04L9/40 , H04L67/1087
Abstract: 本发明公开了一种跨域多权威协同的属性基加密访问控制方法，属于数据安全技术领域。首先构建跨域多权威协同的系统模型，数据所有者用对称密钥对数据进行对称加密，同时设置访问策略，对对称密钥执行属性基加密，输出数据密文和密钥密文至区块链。然后当属性权威监听到用户注册完成时，不同属性权威会预先执行子令牌生成算法，生成用户属性子令牌发布到区块链；当区块链收集到tω个发布给用户的属性子令牌后，ATC自动生成用户的属性令牌。当用户发起访问请求时，DTC从区块链中查询密钥密文和属性令牌，为用户生成解密令牌。最后数据使用者通过获取解密令牌获得对称密钥，实现数据解密。本发明实现了属性权威跨域协作，减少了用户端的计算和通信开销。
-
公开(公告)号：CN117392684A
公开(公告)日：2024-01-12
申请号：CN202311452889.2
申请日：2023-11-02
Applicant: 北京邮电大学
IPC: G06V30/148 , G06V30/19 , G06V10/82 , G06N3/0464
Abstract: 本发明提供一种奢侈品鉴定模型训练方法、奢侈品鉴定方法及装置，模型训练方法包括：获取主任务数据集，基于主任务数据集生成辅助任务数据集；主任务数据集和辅助任务数据集合并形成含奢侈品字符区域图像和对应两类标签的训练集，一类标签标识字符真假，另一类标识字符形态是否变化；基于训练集对奢侈品鉴定模型进行训练，得到训练好的奢侈品鉴定模型，该模型采用包含一主一辅两个分支的多任务学习机制，主任务分支用于鉴别字符真伪，辅助任务分支用于鉴别字符形态是否变化，两个分支共享同一个特征提取和凝练模块。在训练过程中，辅助任务分支可以引导主任务分支更加关注字符特征，从而提高主任务性能，最终通过识别字符真假来鉴别奢侈品真伪。
-
公开(公告)号：CN116935140A
公开(公告)日：2023-10-24
申请号：CN202310981638.7
申请日：2023-08-04
Applicant: 北京邮电大学
IPC: G06V10/764 , G06V10/82 , G06V10/26 , G06V10/28 , G06V10/44 , G06V10/25 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本申请提供基于油墨的奢侈品鉴定模型训练方法、鉴定方法及装置，方法包括：获取基于油墨模式印制的奢侈品皮料的多个外表面图像样本各自对应的包含有油墨颗粒图像的印花区域图像数据；构建以各个所述印花区域图像数据分别作为前景并以不同的各个干扰背景图像数据分别作为背景的融合图像样本数据，以训练细粒度网络模型，得到用于输出真伪鉴定结果数据的基于油墨模式的奢侈品鉴定模型。本申请提出了全新的基于油墨模式的AI鉴伪方法，能够提高奢侈品真伪鉴定的通用性及适用广泛性，并能够在模型训练过程中有效切断其他强信号与标签之间的关联，引导细粒度网络模型学习油墨颗粒特性，能够提高训练得到的奢侈品鉴定模型的应用准确性及灵敏性。
-
-
-
-
-
-
-
-
-
Search Results
31
records
(took 0.029 seconds)
