公开(公告)号：CN112115761B

公开(公告)日：2022-09-13

申请号：CN202010399428.3

申请日：2020-05-12

Applicant: 吉林大学

Inventor： 宫洵 ,  刘嘉威 ,  胡云峰 ,  陈虹

IPC: G06V20/58 ,  G06V10/82 ,  G06F21/57 ,  G06N3/04 ,  G06N3/08

Abstract: 一种自动驾驶汽车视觉感知系统漏洞检测的对抗样本生成方法，属于自动驾驶技术领域。本发明的目的是针对自动驾驶汽车视觉感知系统目标识别深度模型，提出一种用于模型漏洞发现的对抗样本的生成方法，为进一步漏洞检测及防御算法提供样本支持的自动驾驶汽车视觉感知系统漏洞检测的对抗样本生成方法。本发明步骤是：信息采集、建立对抗目标模型、建立对抗扰动的数学模型、对抗扰动生成的优化。本发明探索了用于自动驾驶感知系统漏洞检测的对抗样本生成的方法，并藉此方法发展自动驾驶感知系统漏洞检测算法，进而提高自动驾驶车辆的安全性。

公开(公告)号：CN119513285A

公开(公告)日：2025-02-25

申请号：CN202411589220.2

申请日：2024-11-08

Applicant: 吉林大学

Inventor： 宫洵 ,  刘艳娇 ,  刘嘉威 ,  胡云峰 ,  陈虹

IPC: G06F16/334 ,  G06F40/30 ,  G06N3/0455 ,  G06N3/048 ,  G06N3/045 ,  G06N5/04

Abstract: 一种基于大语言模型的车辆行驶轨迹预测方法，属于自动驾驶技术领域。本发明的目的是提出了一个框架，将车辆轨迹以文本格式输入到大语言模型，评估大语言模型在理解交通代理的时间动态方面能力的基于大语言模型的车辆行驶轨迹预测方法。本发明利用轨迹编码器，对交通场景内不同车辆的轨迹进行编码，利用重编程适配器将轨迹编码特征映射到大语言模型的文本嵌入空间中，将编码特征转译为大语言模型可以理解的词元组合。本发明为大语言模型实现可靠、安全的驾驶决策提供了有力支持。

公开(公告)号：CN118839189A

公开(公告)日：2024-10-25

申请号：CN202410825375.5

申请日：2024-06-25

Applicant: 吉林大学

Inventor： 宫洵 ,  王宁 ,  刘嘉威 ,  陈虹 ,  胡云峰 ,  孙耀

IPC: G06F18/24 ,  G06N3/04 ,  G06N3/084 ,  G06F17/16 ,  G06F17/18

Abstract: 一种商用车云端油品识别模型自适应更新方法，属于商用车网联大数据应用技术领域。本发明的目的是以尽可能降低流数据场景下模型因数据统计分布漂移导致的精度损失，旨在解决现有技术中一个或多个技术问题的商用车云端油品识别模型自适应更新方法。本发明的步骤是：离线准备阶段，基于离线收集的网联数据集对所设计方法框架中的网络进行训练，对其中的阈值进行标定；在线更新阶段，部署于云端的油品识别模型在每一个流数据批次完成识别功能后自适应更新模型的网络参数和阈值。本发明所提供的商用车云端油品识别模型自适应更新方法无需人因介入，模型参数随流数据批次和反馈标签自主更新，提升云端识别模型运维更新任务的效率和自动化水平。

公开(公告)号：CN114863184B

公开(公告)日：2024-09-27

申请号：CN202210583999.1

申请日：2022-05-27

Applicant: 吉林大学

Inventor： 宫洵 ,  刘嘉威 ,  姜中瑾 ,  胡云峰 ,  陈虹

IPC: G06V10/764 ,  G06T7/70 ,  G06F21/62 ,  G06F21/57 ,  G06V20/40 ,  G06V10/774

Abstract: 一种考虑数据隐私的视觉分类网络对抗补丁生成方法，属于深度网络安全技术领域。本发明的目的是以典型视觉网络—分类网络为目标攻击网络，提出了一种考虑数据隐私的视觉分类网络对抗补丁生成方法。本发明的步骤是：目标攻击网络的选择，可用数据集的采集，基于APS指标的代理数据集选择，DF‑EoT算法的补丁生成。本发明所采用的方法易于实现，能够广泛应用于隐私敏感应用中视觉网络的安全漏洞检测，生成对抗补丁可用于基于漏洞弥补的防御策略的开发，促进安全视觉网络的发展。

公开(公告)号：CN112115761A

公开(公告)日：2020-12-22

申请号：CN202010399428.3

申请日：2020-05-12

Applicant: 吉林大学

Inventor： 宫洵 ,  刘嘉威 ,  胡云峰 ,  陈虹

IPC: G06K9/00 ,  G06K9/62 ,  G06F21/57

Abstract: 一种自动驾驶汽车视觉感知系统漏洞检测的对抗样本生成方法，属于自动驾驶技术领域。本发明的目的是针对自动驾驶汽车视觉感知系统目标识别深度模型，提出一种用于模型漏洞发现的对抗样本的生成方法，为进一步漏洞检测及防御算法提供样本支持的自动驾驶汽车视觉感知系统漏洞检测的对抗样本生成方法。本发明步骤是：信息采集、建立对抗目标模型、建立对抗扰动的数学模型、对抗扰动生成的优化。本发明探索了用于自动驾驶感知系统漏洞检测的对抗样本生成的方法，并藉此方法发展自动驾驶感知系统漏洞检测算法，进而提高自动驾驶车辆的安全性。

公开(公告)号：CN114863184A

公开(公告)日：2022-08-05

申请号：CN202210583999.1

申请日：2022-05-27

Applicant: 吉林大学

Inventor： 宫洵 ,  刘嘉威 ,  姜中瑾 ,  胡云峰 ,  陈虹

IPC: G06V10/764 ,  G06T7/70 ,  G06F21/62 ,  G06F21/57 ,  G06V20/40 ,  G06V10/774

Abstract: 一种考虑数据隐私的视觉分类网络对抗补丁生成方法，属于深度网络安全技术领域。本发明的目的是以典型视觉网络—分类网络为目标攻击网络，提出了一种考虑数据隐私的视觉分类网络对抗补丁生成方法。本发明的步骤是：目标攻击网络的选择，可用数据集的采集，基于APS指标的代理数据集选择，DF‑EoT算法的补丁生成。本发明所采用的方法易于实现，能够广泛应用于隐私敏感应用中视觉网络的安全漏洞检测，生成对抗补丁可用于基于漏洞弥补的防御策略的开发，促进安全视觉网络的发展。