-
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。
-
公开(公告)号：CN111813953A
公开(公告)日：2020-10-23
申请号：CN202010577664.X
申请日：2020-06-23
Applicant: 广州大学
Abstract: 本发明公开了一种基于知识体的分布式知识图谱构建系统及方法，系统采用软构件思想，将知识图谱分解为一个个运行的知识体，以此构建基于知识体的分布式知识图谱。其中，知识体工厂用于生成和组装知识体，知识体库存储知识体并建立目录索引，知识体检索器用于从知识体目录检索知识体和从构件库中检索基础构件，知识体部署器用于把知识体部署到知识体容器中运行，目录服务用于将该运行的知识体注册到知识体目录中。构建得到的分布式网络安全知识图谱支持就近的网络安全知识匹配和网络安全事件发现，多个知识体之间可以交互，也支持多知识体面向任务的协同计算和协同推理，以发现复杂攻击和更大规模的网络安全事件。
-
公开(公告)号：CN111523014A
公开(公告)日：2020-08-11
申请号：CN202010337835.1
申请日：2020-04-24
Applicant: 广州大学
IPC: G06F16/951 , G06K9/34 , G06K9/62
Abstract: 本发明公开了一种基于对抗样本的开源数据处理方法及系统，该方法先将开源数据信息X拆解为多个不可分割的最小单位，组成图片集A，再根据图片集A和识别模型B生成对抗样本图片集D，满足图片d和图片a的差距小于预设阈值δ，最后将对抗样本图片集D进行拼接，生成开源数据信息X’，以供网络前端展示。本发明技术方案在不影响普通用户正常阅读、使用开源数据的前提下，让网络爬虫即使能够抓取到数据，也难以正确分析出其中的信息，提高破解难度和成本。
-
公开(公告)号：CN111444346A
公开(公告)日：2020-07-24
申请号：CN202010248226.9
申请日：2020-03-31
Applicant: 广州大学
IPC: G06F16/35 , G06F40/216 , G06F40/284 , G06N3/04
Abstract: 本发明公开了一种用于文本分类的词向量对抗样本生成方法及装置，所述方法包括：对需要文本分类的英文文本进行初始化和词嵌入，转化为对应的向量表示；根据损失函数对英文文本的单词词向量反复进行偏导运算，直至神经网络模型输出的分类结果出错；基于修改后的单词词向量，采用欧式距离公式选取空间内最靠近被修改词向量的单词，构造攻击替代词集；根据攻击替代词集对英文文本的单词进行随机替换，生成对抗样本。本发明能够有效生成针对文本分类的词向量对抗样本，在保证不改变语义、不被人察觉且不影响人类对于文本的识别分类的前提下，使得神经网络文本分类器识别出错，并保证对抗样本在降低神经网络识别概率的同时不出现非法字符。
-
公开(公告)号：CN111382783A
公开(公告)日：2020-07-07
申请号：CN202010134497.1
申请日：2020-02-28
Applicant: 广州大学
Abstract: 本发明涉及软件安全技术领域，公开了一种恶意软件识别方法、装置及存储介质，该恶意软件识别方法包括以下步骤：提取样本软件执行序列特征；其中，所述样本软件执行序列特征包括API特征、PID特征以及RET特征；利用所述API特征、所述PID特征以及所述RET特征训练GCForest模型；其中，所述GCForest模型包括级联森林模块，且所述GCForest模型的最终预测结果由最终决策学习器输出；使用训练后的GCForest模型对恶意软件进行识别。本发明提供的恶意软件识别方法、装置及存储介质，能够提高对恶意软件的识别准确率。
-
Patent Agency Ranking
公开(公告)号：CN108345587B
公开(公告)日：2020-04-24
申请号：CN201810153301.6
申请日：2018-02-14
Applicant: 广州大学
IPC: G06F40/289 , G06F40/30 , G06F16/35
Abstract: 本发明公开一种评论的真实性检测方法，包括：对待检测评论进行分词预处理，以得到若干分词结果；将若干分词结果中的词语转化为词向量；通过预先构建的卷积神经网络模型计算待检测评论的情感标签；其中，卷积神经网络模型为通过训练集的每一标准句子的词向量和每一标准句子的情感标签训练卷积神经网络所生成；采用逻辑回归模型从所有待选变量中选取目标特征向量；计算待检测评论的目标特征向量到真实评论的聚类中心的距离，及计算待检测评论的目标特征向量到虚假评论的聚类中心的距离；根据距离和待检测评论的情感标签确定待检测评论的真实性。本发明实施例能够提高评论真实性检测的准确性，同时本发明还提供评论的真实性检测系统。
-
公开(公告)号：CN110365546A
公开(公告)日：2019-10-22
申请号：CN201910779193.8
申请日：2019-08-22
Applicant: 广州大学
Abstract: 本发明公开了一种节点数据流的监控方法、存储介质和计算设备，根据各对象的全局值选取出代表对象和异常对象；确定节点性质，在不满足第一条件的情况下跟踪监控代表对象和异常对象在各节点上的数据流，在代表对象在各节点上的局部值不为最大局部值的情况下，通过初始调整因子设定方法使代表对象在各节点上具有最大局部值；然后控制各节点实时监测其自身数据流，当代表对象在各节点上的局部值不为最大局部值时，若代表对象不具有最大全局值，则重新选取代表对象，若代表对象具有最大全局值，则通过运行调整因子设定方法使代表对象在各节点上具有最大局部值；本发明方法可以有效降低监控节点数据流的通信开销和功耗。
-
公开(公告)号：CN110084143A
公开(公告)日：2019-08-02
申请号：CN201910275206.8
申请日：2019-04-04
Applicant: 广州大学
IPC: G06K9/00
Abstract: 本发明公开了一种用于人脸识别的情绪信息保护方法及系统，所述方法包括：获取人脸图像，并调用人脸识别网络和情绪识别网络分别对人脸图像进行识别得到第一人脸识别结果和第一情绪识别结果；调用多层神经网络对人脸图像计算得到情绪隐藏图像；调用人脸识别网络和情绪识别网络分别对情绪隐藏图像进行识别得到第二人脸识别结果和第二情绪识别结果；判断是否第一人脸识别结果与第二人脸识别结果一致并且第一情绪识别结果与第二情绪识别结果不一致；若否，则对所述多层神经网络进行调整；若是，则输出所述情绪隐藏图像。本发明能够在保证人脸识别准确性的同时对用户的情绪信息进行保护，从而提高了人脸识别技术在特定场景的可靠性。
-
公开(公告)号：CN110084142A
公开(公告)日：2019-08-02
申请号：CN201910275185.X
申请日：2019-04-04
Applicant: 广州大学
IPC: G06K9/00
Abstract: 本发明公开了一种用于人脸识别的年龄隐私保护方法及系统，所述方法包括：获取人脸图像，并调用人脸识别网络和年龄识别网络分别对人脸图像进行识别得到第一人脸识别结果和第一年龄识别结果；调用多层神经网络对人脸图像计算得到年龄隐藏图像；调用人脸识别网络和年龄识别网络分别对年龄隐藏图像进行识别得到第二人脸识别结果和第二年龄识别结果；判断是否第一人脸识别结果与第二人脸识别结果一致并且第一年龄识别结果与第二年龄识别结果的相差值大于预设的阈值；若否，则对多层神经网络进行调整；若是，则输出年龄隐藏图像。本发明能够在保证人脸识别准确性的同时保证用户的年龄信息不被正确识别，从而有效了提高人脸识别技术的可靠性。
-
公开(公告)号：CN110059324A
公开(公告)日：2019-07-26
申请号：CN201910348070.9
申请日：2019-04-26
Applicant: 广州大学
IPC: G06F17/28
Abstract: 本发明公开了一种基于依存信息监督的神经网络机器翻译方法及装置，所述方法包括：获取待翻译的源语句并拆分为语言单位，将每一语言单位转换为输入向量后由编码器编码为隐状态向量；对源语句进行依存分析，并根据分析所得的依存信息以及所述隐状态向量生成每一语言单位的依存信息块；利用基于依存信息块监督的注意力机制计算得到当前时刻的回顾信息；根据当前时刻的回顾信息，结合上一时刻的翻译结果以及当前时刻的解码器端隐状态向量生成当前时刻的翻译结果。本发明通过分析语句的依存信息为注意力机制提供了监督，这样不仅减少了翻译模型的计算量，而且使得翻译模型具有捕获远距离语义信息的能力，从而有效优化了翻译模型的翻译效果。
-
-
-
-
-
-
-
-
-
Search Results
216
records
(took 0.026 seconds)
