公开(公告)号：CN119848810A

公开(公告)日：2025-04-18

申请号：CN202510023200.7

申请日：2025-01-07

Applicant: 合肥工业大学

Inventor： 柴一栋 ,  王新梅 ,  葛欣悦 ,  刘依 ,  刘龙顺 ,  粱瑞成 ,  钱洋 ,  姜元春 ,  刘业政

IPC: G06F21/16 ,  G06F21/10 ,  G06F18/22 ,  G06F18/2415 ,  G06F18/20 ,  G06N3/0442 ,  G06N3/082 ,  G06N7/01

Abstract: 本发明公开了一种基于贝叶斯的两阶段深度回归模型版权保护方法，包括：1、构建并训练基于dropout层的水印模型，2、获取公共模型和可疑模型，3、选择关键样本，4、构建基于贝叶斯网络的似然估计模型，5、利用基于贝叶斯网络的似然估计模型计算可疑模型的侵权概率，6、计算可疑模型与水印模型输出之间的KL散度，从而判定可疑模型是否侵权。本发明在应对回归模型版权被盗时，能够在第一阶段初步排除无关模型，并在第二阶段进一步判断可疑模型是否是盗版模型，有利于快速识别盗版模型，保护其知识产权免受侵害。

公开(公告)号：CN118396706A

公开(公告)日：2024-07-26

申请号：CN202410454931.2

申请日：2024-04-16

Applicant: 合肥工业大学

Inventor： 姜元春 ,  张永刚 ,  柴一栋 ,  刘业政 ,  徐政祥 ,  粱瑞成 ,  高静

IPC: G06Q30/0601 ,  G06F16/9536 ,  G06F16/9535 ,  G06N3/098 ,  G06N3/094 ,  G06N3/0895 ,  G06N3/047 ,  G06N3/048

Abstract: 本发明公开了一种基于对抗对比学习鲁棒的产品联邦推荐方法，包括：1.客户端构建训练数据；2.客户端初始化用户和物品表征；3.客户端构建神经协同过滤推荐模型NCF；4.构建正负对抗样本集合；5.构建NCF模型训练损失；6.客户端训练本地模型；7.客户端上传模型参数；8.服务器聚合客户端模型；9.服务器将全局模型下发至各客户端，重复步骤7‑8直到模型收敛。本发明基于对抗对比学习框架，不仅能够提高模型参数分布的稳定性，增强了模型的鲁棒性，而且能够提高模型对决策边界样本的处理能力，进一步提升了模型在复杂场景下的产品推荐性能。