-
公开(公告)号：CN114036503A
公开(公告)日：2022-02-11
申请号：CN202111265538.1
申请日：2021-10-28
Applicant: 广州大学
Abstract: 本申请公开了一种迁移攻击方法、装置、电子设备及存储介质，所述方法包括：将原始图像在预设网络模型中传播的每一层输出与所述原始图像对应的初始对抗样本在所述预设网络模型中传播的每一层输出一一对应，获取每一层输出的差值的二范式；根据所述每一层输出的差值的二范式，计算所述初始对抗样本的李雅普诺夫指数；基于所述李雅普诺夫指数，以及所述预设网络模型的损失函数，确定所述初始对抗样本对应的目标函数；基于所述目标函数对所述预设网络模型进行反向传播，以得到原始图像对应的对抗样本。本申请能够稳定生成高迁移性的对抗样本。
-
公开(公告)号：CN113780123A
公开(公告)日：2021-12-10
申请号：CN202111001380.7
申请日：2021-08-27
Applicant: 广州大学
Abstract: 本发明公开了一种对抗样本生成方法、系统、计算机设备和存储介质，所述方法包括：对原始人脸图像进行人脸关键点检测，得到人脸的关键点，根据所述关键点构成的掩码区域，得到相对应的掩码矩阵；将原始人脸图像和经过初始化的干扰噪声输入神经网络进行训练，得到第一干扰噪声；将所述第一干扰噪声与所述掩码矩阵相乘，得到干扰区域限制的第二干扰噪声，对所述第二干扰噪声进行高斯滤波，得到第三干扰噪声；将所述第三干扰噪声与所述原始人脸图像相叠加，得到对抗样本；根据预设的迭代条件对所述对抗样本进行多轮迭代计算，得到最终的对抗样本。本发明能够更加精准地实现局部攻击的对抗样本生成效果，提高了人脸对抗样本的抗感知能力和抗检测能力。
-
公开(公告)号：CN113688631A
公开(公告)日：2021-11-23
申请号：CN202110764616.6
申请日：2021-07-05
IPC: G06F40/295 , G06F40/284 , G06F40/30 , G06N3/04 , G06N3/08
Abstract: 本发明提供了一种嵌套命名实体识别方法、系统、计算机和存储介质，通过将待识别文本的第一文本词向量表示进行边界检测得到对应的边界词概率和边界文本向量表示，再采用条件随机场进行解码和标注得到第一实体识别结果，以及根据边界词概率和预设概率阈值判断边界文本向量表示中是否存在嵌套命名实体边界词，并在存在时，将相邻嵌套命名实体边界词之间的边界文本向量表示合并得到的第二文本词向量表示进行边界检测开始下一轮实体识别迭代，反之，停止迭代，将第一实体识别结果作为待识别文本的实体识别结果的方法，有效识别命名实体的边界且缩减了候选实体子序列的数目，有效降低命名实体的解码复杂度，进一步提高嵌套实体预测识别能力和实用性。
-
公开(公告)号：CN113609304A
公开(公告)日：2021-11-05
申请号：CN202110818313.8
申请日：2021-07-20
Applicant: 广州大学
IPC: G06F16/36
Abstract: 本发明涉及实体匹配技术领域，公开了一种实体匹配方法和装置，所述方法包括：获取第一数据集和第二数据集，数据集包括若干条实体记录，实体记录包括若干个属性；获取第一数据集和第二数据集的笛卡尔乘积，得到第三数据集，根据实体记录中多个属性间的预设潜在关系，将第三数据集中每个实体记录进行句子组合，获得包括第二组合的第四数据集；将第四数据集中的第二组合输入到预设的Bert模型，Bert模型用于判断第二组合的两个句子否匹配并输出匹配结果。有益效果：将第三数据集中的实体记录替换为根据属性潜在关系生成的句子，可以使第二组合输入到Bert模型中的数据保留属性之间的联系，使数据集的实体记录匹配结果更加准确。
-
公开(公告)号：CN113139774A
公开(公告)日：2021-07-20
申请号：CN202110448348.7
申请日：2021-04-25
Applicant: 广州大学
Abstract: 本发明公开了一种面向多仓库运输的车辆路径优化方法，包括：计算客户节点距离所有仓库的距离，将客户节点分配至距离最近的仓库,分配完成后,针对每一个仓库及其被分配到该仓库的客户节点，使用人工蜂群算法找到部分最优解；将针对单一仓库节点的车辆调度路线集合合并为一个集合，组成针对多仓库车辆路径问题的总车辆调度路线集合，实现车辆路径的优化。本发明提通过分配，修正及合并阶段的设置，将多仓库背景划归为单仓库背景，使得可以并行地计算针对每一个单仓库的车辆路径调度路线，从而缩小了调度路线的搜索范围，提高了计算效率；且由于蜂群中跟随蜂和巡回蜂的存在，使得其不易陷入局部最优导致过早收敛，更容易找到更好的近似解。
-
Patent Agency Ranking
公开(公告)号：CN113139603A
公开(公告)日：2021-07-20
申请号：CN202110447846.X
申请日：2021-04-25
Applicant: 广州大学
Abstract: 本发明公开了一种基于EMD距离融合多源异构数据的联邦学习方法，其中，联邦模型进行训练包括：各参与方对己方本地数据Xi进行预处理并分块；中心服务器选取要训练的联邦模型并初始化模型参数；参与方结合本地数据对模型进行训练；各参与方计算各方数据块相对于整体模型的EMD距离，中心服务器对各方数据块的EMD距离从小到大排序，去掉EMD距离超过K的数据块，发送剩下的数据块编号给对应的参与方；对进入下一轮迭代的参与方的数据重新划分数据块，重复执行步骤S3‑S4，直到结果收敛。本发明可以定量地测量多源异构数据的质量，在模型逐步优化的过程中去掉不够优质的数据，提高了联邦模型最后的效果。
-
公开(公告)号：CN113139189A
公开(公告)日：2021-07-20
申请号：CN202110471943.2
申请日：2021-04-29
Applicant: 广州大学
IPC: G06F21/56 , G06F40/216 , G06F40/30 , G06K9/62 , G06N20/20
Abstract: 本发明公开了一种挖矿恶意软件的识别方法、系统和存储介质，所述方法包括以下步骤：不同维度的数据预处理；文本特征提取并向量化；基于Stacking构建多模型集成的挖矿恶意软件识别模型；得到预测结果。本发明是目前为数不多的针对二进制文件进行挖矿恶意软件检测的方法，针对性强，实现过程简单，效率高；且本发明通过多个角度对挖矿软件特征进行了多维度特征提取，并对不同维度的特征设计了多模型集成的方法，构造了挖矿恶意软件识别组合模型，该模型识别准确率高，误报率低。
-
公开(公告)号：CN112529047A
公开(公告)日：2021-03-19
申请号：CN202011317776.8
申请日：2020-11-23
Applicant: 广州大学
Abstract: 本发明公开了一种基于梯度屏蔽的对抗样本生成方法，包括：S1，将原始输入图像X表示成a×b的矩阵D,记为D＝Da×b；S2，采用目标检测算法在矩阵D中进行核心区域定位，得到核心区域DS；S3，运行基于梯度的攻击方法得到梯度矩阵MG；S4，基于核心区域DS和梯度矩阵MG构造梯度屏蔽矩阵H；S5，将梯度矩阵MG与梯度屏蔽矩阵H对应相乘得到更新梯度矩阵M'G；S6，依据公式完成对抗样本的构造：S7，重复执行步骤S3‑S6进行K轮迭代，最终得到基于区域的梯度屏蔽方法的对抗样本。本发明既实现了高效的对抗样本生成，拥有与梯度攻击相似的成功率，又减少了对抗样本相对于原始样本的扰动，提高了对抗样本的抗感知能力和抗检测能力。
-
公开(公告)号：CN111951368A
公开(公告)日：2020-11-17
申请号：CN202010897101.9
申请日：2020-08-31
Applicant: 广州大学
Abstract: 本发明提出一种点云、体素和多视图融合的深度学习方法，包括步骤一：设定输入为一帧的全部点云数据的集合；步骤二：提取在每个点上的单个点特征；步骤三：将点云进行归一化处理，然后进行体素化操作，生成体素网格，进而提取体素特征；步骤四：得到体素的多个2D视图放入ResNet网络中提取点云视图特征；步骤五：投影层将点云视图特征投影到原体素网格中；步骤六：将体素特征和投影到原体素网格的点云视图特征一起进行降体素操作，把体素特征和投影到原体素网格的点云视图特征返还给点云；步骤七：将点云的单个点特征、返还给点云的体素特征和点云视图特征进行融合。
-
公开(公告)号：CN111860832A
公开(公告)日：2020-10-30
申请号：CN202010618973.7
申请日：2020-07-01
Applicant: 广州大学
Abstract: 本发明提供一种基于联邦学习的增强神经网络防御能力的方法，包括以下步骤：S1、利用联邦学习，使数据留在本地并防止数据隐私泄露，协同各方进行分布式的模型训练，对中间结果进行加密以保护数据安全，汇总后融合多方模型得到联邦模型。S2、建立对抗样本，并采用算法对对抗样本进行快速寻找。该方法把联邦学习和神经网络模型的训练过程结合起来，解决了处于隐私保护的考虑以及法律法规限制而导致的数据集不能流通的困境，省去了数据收集的麻烦，同时使得神经网络模型的训练集更加丰富，更加独立，克服了由于训练集不完备导致的神经网络模型容易被对抗样本攻击的能力。
-
-
-
-
-
-
-
-
-
Search Results
215
records
(took 0.026 seconds)
