-
公开(公告)号：CN117217228A
公开(公告)日：2023-12-12
申请号：CN202311083475.7
申请日：2023-08-25
申请人： 嵩山实验室 , 中国人民解放军战略支援部队信息工程大学
IPC分类号： G06F40/30 , G06N3/0985 , G06F16/35 , G06F40/216 , G06F40/289 , G06F40/295
摘要： 本申请提出了一种基于标签语义的神经网络权重初始化方法，该方法包括：获取当前待处理的自然语言处理任务和样本数据；通过在预训练后进行微调的方式获得初始自然语言处理模型，并根据自然语言处理任务的类型确定样本数据的标签；根据自然语言处理任务的类型，通过相应的语义嵌入方式将标签的语义信息引入至输出层神经网络的初始化参数中，对神经网络的权重参数进行初始化；将获得的初始化权重矩阵载入初始自然语言处理模型中进行再次训练，并通过最终自然语言处理模型对待处理的文本进行处理。该方法利用不同类别标签的语义信息对输出层神经网络的参数进行初始化，能够提高执行自然语言处理任务的精确度。
-
公开(公告)号：CN117952176A
公开(公告)日：2024-04-30
申请号：CN202310536211.6
申请日：2023-05-12
申请人： 中国人民解放军战略支援部队信息工程大学 , 嵩山实验室
IPC分类号： G06N3/082 , G06N3/0455 , G06F40/211 , G06F40/284 , G06F40/268 , G06F40/30
摘要： 本发明提供给一种用于序列标注任务的Bert模型微调方法。该方法包括：定义token的层次化标签，记作{tag1,tag2,tag3,…,tagn,tag}；其中，tag表示token的原始类别标记，tag1,tag2,tag3,…,tagn表示新增的token的其他语义信息标记，n表示标记所在层次；token表示待标注文本序列中的字或词；新增n个解码器，所述n个解码器分别与Bert模型中最后一层编码器的前n层编码器一一对应连接，使得对应层编码器的输出作为与其连接的解码器的输入；其中，第n个解码器的解码结果对应层次化标签中的第n层标记。
-
公开(公告)号：CN115099388A
公开(公告)日：2022-09-23
申请号：CN202210597277.1
申请日：2022-05-30
申请人： 中国人民解放军战略支援部队信息工程大学
摘要： 本发明属于人工智能技术领域，特别涉及一种网络对抗训练样本生成方法及图神经网络鲁棒性评估方法，利用诱导数据对图神经网络进行对抗训练，将攻击损失建立在未扰动的训练集上，在鲁棒性评估中考虑模型参数的对抗训练过程，从过拟合角度出发，构造加扰的训练数据，使图神经网络能够对训练数据很好地拟合，却难以对测试数据正确分类，也即图神经网络过拟合训练集学习出一个“假模型”。本发明采用对抗性攻击准确率下降幅度作为图神经网络鲁棒性评估方案，使图神经网络鲁棒性评估更加全面、完整、细致，评估后的图神经网络更加有效、可靠，便于图卷积神经网络在自然语言处理、计算机视觉及网络分析预测等领域中实际应用。
-
公开(公告)号：CN114911971A
公开(公告)日：2022-08-16
申请号：CN202210288932.5
申请日：2022-03-23
申请人： 中国人民解放军战略支援部队信息工程大学
IPC分类号： G06F16/783 , G06V20/40 , G06V40/16 , G06V40/40
摘要： 本发明属于视频处理、网络信息安全技术领域，具体涉及一种融合标题信息的伪造人物视频检测方法及装置，该方法包括首先创建人物名字词典，基于文本规则匹配从带标题的含人脸的待检测视频的标题中提取人物的姓名信息；然后将从视频标题中提取的人物姓名作为关键词输入到互联网中进行搜索，进入相应人物的词条，提取人物的图像，将人脸区域保存为参考人脸图像；其次逐帧提取待检测视频中的视频帧，将人脸区域保存为待检测人脸图像；将待检测人脸图像和参考人脸图像输入到事先训练好的检测模型M中，如果M输出为1，则标记当前视频帧为伪造。本发明基于标题信息从互联网上获取目标对象的真实人脸图像作为先验知识，对伪造视频的真伪进行精准检测。
-
公开(公告)号：CN114758272A
公开(公告)日：2022-07-15
申请号：CN202210334683.9
申请日：2022-03-31
申请人： 中国人民解放军战略支援部队信息工程大学
摘要： 本发明提供一种基于频域自注意力的伪造视频检测方法。该方法包括：将待检测视频分为若干个视频帧；判断每个视频帧是否伪造视频帧，具体包括：提取当前视频帧中的人脸图像，记作原始人脸图像；提取所述原始人脸图像的相位谱，并基于相位谱对原始人脸图像进行重构，将重构得到的人脸图像记作重构人脸图像；将所述重构人脸图像拆分成若干个相同大小的图像块，并将若干个所述图像块转换成序列数据；将所述序列数据输入至训练好的Transformer模型中提取得到特征向量，将所述特征向量输入至多层感知机，判断所述特征向量对应的视频帧是否为伪造视频帧；统计伪造视频帧的数量与真实视频帧的数量，若前者大于后者，则认为待检测视频为伪造视频，反之为真实视频。
-
公开(公告)号：CN111640033A
公开(公告)日：2020-09-08
申请号：CN202010281725.8
申请日：2020-04-11
申请人： 中国人民解放军战略支援部队信息工程大学
IPC分类号： G06Q50/00 , G06F16/901 , G06F16/951 , G06K9/62 , G06F40/284
摘要： 本发明属于网络水军检测技术领域，特别涉及一种网络水军的检测方法及装置，该方法通过网络爬虫爬取信息，然后用实体识别等知识图谱技术构建用户网络结构图，再利用用户网络结构图进行分析找出可疑水军用户，最后对可疑水军用户的评论信息利用BERT模型进行分析，确定水军用户。本发明提高了在海量数据情况下检测收敛性及准确率，不需要提供太多的特征，减少特征提取复杂程度，大大减少了模型训练时间，快速、准确的检测出网络评论中的水军，从而可以尽量维护网络的真实和稳定性。
-
公开(公告)号：CN110619118B
公开(公告)日：2022-10-28
申请号：CN201910243895.4
申请日：2019-03-28
申请人： 中国人民解放军战略支援部队信息工程大学
IPC分类号： G06F40/211 , G06F16/35 , G06F16/33 , G06K9/62
摘要： 本发明提供一种文本自动生成方法。该方法包括：步骤1、利用预训练好的自编码器得到待处理真实文本的隐藏空间向量；步骤2、利用训练好的生成网络生成所述隐藏空间向量的合成文本。针对现有技术中的基于自编码器的方法易于训练但生成文本逻辑性差的问题，或者基于生成对抗网络的方法生成文本语句通顺但稳定性差的问题，本发明能够加速生成网络的训练速度，增强训练稳定性，并在一定程度上增强合成文本的文本逻辑性。
-
公开(公告)号：CN114782858A
公开(公告)日：2022-07-22
申请号：CN202210308992.9
申请日：2022-03-28
申请人： 中国人民解放军战略支援部队信息工程大学
IPC分类号： G06V20/40 , G06V20/62 , G06V10/764 , G06V10/80 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08 , H04N17/00
摘要： 本发明公开一种基于预训练多模态模型的伪造视频检测方法及系统，该方法包括：步骤1、将待检测视频中声音信息转换成文本，并完成字幕和和视频帧的对齐；步骤2、筛选出含字幕的视频帧集合；步骤3、基于预训练的多模态模型逐帧判断含字幕的视频帧集合中每个视频帧的真伪；步骤4、综合含字幕的视频帧集合中所有视频帧的真伪判断结果得出待检测视频的真伪。本发明利用事先训练好的多模态模型同时提取视频中的画面和声音信息，实现视觉和听觉信息的融合，提高对伪造视频检测的精度。
-
公开(公告)号：CN114745720A
公开(公告)日：2022-07-12
申请号：CN202210287790.0
申请日：2022-03-23
申请人： 中国人民解放军战略支援部队信息工程大学
IPC分类号： H04W12/12 , H04W12/128 , G10L25/27 , G10L25/51
摘要： 本发明属于通信网内容安全检测技术领域，具体涉及一种变声型诈骗电话检测方法及装置，该方法包括：对于电信网中的通话，首先提取每个呼叫的前几秒有效语音的声学特征，得到声学特征图；然后将声学特征图送入虚假语音检测模型中进行判决，对于虚假语音检测模型检测出的利用变声软件发起的疑似诈骗呼叫，再提交给人工进行审核。本发明在检测过程中，不接触通话的具体内容，既不受诈骗分子更换话术内容的困扰，又能有效保护用户的通信隐私。
-
公开(公告)号：CN115410118A
公开(公告)日：2022-11-29
申请号：CN202210961313.8
申请日：2022-08-11
申请人： 中国人民解放军战略支援部队信息工程大学
摘要： 本发明属于多媒体信息处理技术领域，特别涉及一种对抗条件下的深度伪造视频检测方法及系统，首先，构建深度伪造视频检测模型集合并进行模型训练，其中，深度伪造视频检测模型集合中至少包含3个用于分别对输入视频进行真伪检测的神经网络结构模型；然后，利用训练后的深度伪造视频检测模型集合对待检测视频进行真伪检测，并针对集合中每个模型的真伪检测输出，采用大数胜出原则进行集中判决，以确定最终真伪检测结果。本发明针对伪造生成者通过对抗样本等技术添加扰动来干扰深度伪造视频检测、影响检测精度等的难题，基于多模型检测来提高对伪造视频检测的鲁棒性，提升视频鉴伪精度，便于实际场景应用。
-
-
-
-
-
-
-
-
-
搜索结果
21 条记录 (耗时 0.059 秒)
