-
公开(公告)号：CN118821170A
公开(公告)日：2024-10-22
申请号：CN202410784690.8
申请日：2024-06-18
Applicant: 国网江苏省电力有限公司信息通信分公司 , 国网江苏省电力有限公司 , 南京理工大学
IPC: G06F21/60 , G06F21/16 , G06F18/2431 , G06F18/214 , G06N3/0442 , G06N3/0464
Abstract: 本发明公开了一种多模态数据的数字标签生成方法、设备、存储介质及产品。该方法包括：获取电力系统的多模态数据集；多模态数据集包括：结构化数据和非结构化数据；结构化数据包括：数值型数据和分类型数据；对分类型数据进行特征编码，获得数值形式的分类型编码数据；对来自同一主体的数值型数据和分类型编码数据进行数据拼接，获得第一潜在表示向量；采用自编码器对非结构化数据进行编码得到第二潜在表示向量；对第一潜在表示向量和第二潜在表示向量分别进行加密，获得多模态数据集的数字标签。本技术方案实现了自动生成多模态数据的数字标签，填补了多模态数据生成数字标签的技术空白，有利于提高电力系统的数据溯源的准确性、效率和安全性。
-
公开(公告)号：CN118861174A
公开(公告)日：2024-10-29
申请号：CN202411320676.9
申请日：2024-09-23
Applicant: 国网江苏省电力有限公司信息通信分公司 , 国网江苏省电力有限公司 , 南京理工大学
Abstract: 本申请公开了一种基于属性和标签处理数据方法、数据溯源方法及其装置、设备及介质。该方法包括：确定每个属性的权重并根据各属性的权重确定待插入标签的非重要属性；根据非重要属性的数量以及每个非重要属性的权重，将数字标签拆分为相应数量的子标签；将每个子标签插入相应非重要属性的数值的小数部分，得到处理后的目标数据。上述技术方案通过分析不同属性的权重并针对非重要属性插入数字标签，可实现针对多属性进行多点插入，并且通过将数字标签拆分为子标签分别插入至不同的非重要属性的数值的小数部分，可减少插入数字标签对源数据的影响，且能避免由于部分数据转发破坏数字标签的整体性，从而提高数字标签的鲁棒性和数据安全性。
-
公开(公告)号：CN118101348A
公开(公告)日：2024-05-28
申请号：CN202410509130.1
申请日：2024-04-26
Applicant: 南京理工大学
Abstract: 本发明公开一种面向不良网站流量分片行为的检测与处理方法，属于网络安全技术领域。本发明包括S1：流量汇聚：通过数据采集模块，对目标网站进行实时监测，将采集到的流量数据汇聚到数据处理平台，用于统一管理和后续处理；S2：分片行为识别与流量缓存：实现对于不良网站流量的快速识别和缓存；S3：会话重组与特征匹配：实现对于不良网站流量的精准识别和匹配；S4：处置执行：实现对于不良网站流量的及时处置和执行。本发明通过实现对网络流量的高效汇聚、对不良网站流量的快速识别和缓存、对不良网站流量的精准识别和匹配以及对不良网站流量的处置和执行，可以有效地发现和治理不良网站流量分片行为，提高网络安全性和稳定性。
-
公开(公告)号：CN117095471B
公开(公告)日：2024-02-27
申请号：CN202311356967.9
申请日：2023-10-19
Applicant: 南京理工大学
IPC: G06V40/40 , G06V40/16 , G06V10/44 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开一种基于多尺度特征的人脸伪造溯源方法，属于人工智能安全技术领域。首先利用三分支网络获得输入样本的多尺度特征；然后通过自适应特征融合方法，将三分支特征进行融合；最后利用具有整体相关性的胶囊网络进行分类，关注样本的重要区域，得到收敛速度更快的模型，获得最终的溯源结果。本发明利用三分支网络来提取伪造人脸的多尺度特征，获得了更细微、范围更精确的伪造人脸特征，实现了人脸伪造的溯源，加快了模型的收敛速度，提高了模型的检测性能，相比于其他人脸伪造检测方法，提取到了更细微的人脸伪造痕迹，在保证检测效果的同时，节约了时间资源。
-
公开(公告)号：CN116702634A
公开(公告)日：2023-09-05
申请号：CN202310990193.9
申请日：2023-08-08
Applicant: 南京理工大学
IPC: G06F30/27 , G06F18/214 , G06F18/241
Abstract: 本发明公开了全覆盖隐蔽定向对抗攻击方法，属于人工智能安全领域。本发明的全覆盖隐蔽定向对抗攻击方法，首先获得输入的模型和纹理信息等；应用每一轮训练的纹理在模型上；计算攻击损失和隐蔽损失；通过损失迭代优化形成最终的对抗纹理。本发明采用一个新颖的针对yolo模型的定向攻击损失函数，优于目前只能进行非定向攻击的攻击方法，发现了更大的人工智能安全领域漏洞，为以后的防御思路做出贡献。本发明用于安全性评估、防御方法改进、数据集增强以及异常检测与故障排除，可以提高检测模型的鲁棒性、安全性和可靠性，为人工智能安全领域的预防做出贡献，促进人工智能系统的发展与应用。
-
Patent Agency Ranking
公开(公告)号：CN116629266A
公开(公告)日：2023-08-22
申请号：CN202310596260.9
申请日：2023-05-24
Applicant: 南京理工大学
IPC: G06F40/295 , G06F40/30 , G06F18/214 , G06F18/22 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了面向小样本的文本命名实体识别方法，属于自然语言处理领域。包括使用两个独立的BERT编码器构建一种网络架构来利用标签名称中的语义信息为模型提供额外信息。其中，一个编码器负责编码文档及其单词；而另一个编码器则获取标签名称的表征；通过训练模型将编码器产生的单词表征和标签表征进行匹配，最终为单词分配与其相似度最高的标签名。本发明利用目标数据集中标签名称的语义对于检索先验知识的重要性，增强了对于标签名称变化的鲁棒性，能够区分语义上相似的标签，同时提高小样本命名实体识别的质量和效率。
-
公开(公告)号：CN116259098A
公开(公告)日：2023-06-13
申请号：CN202310518841.0
申请日：2023-05-10
Applicant: 南京理工大学
Abstract: 本发明公开了基于特征注意力的迁移性人脸识别对抗攻击方法及装置，属于人工智能安全领域。包括获得对齐后的人脸图像；选择人脸识别模型多个迁移性中间层；通过特征融合手段得到集成特征图和集成特征注意力；计算特征图和特征注意力的L2范数距离，得到最终的对抗样本。本发明利用特征注意力的特点，来提取不同人脸识别模型的共有特征，并利用特征融合手段进一步扩大了不同人脸识别模型共有特征搜索范围，在对模型特征空间攻击时，不仅保证了原始白盒攻击能力，同时增强了人脸对抗样本在不同模型之间的迁移性，提高了人脸对抗攻击的黑盒攻击成功率。
-
公开(公告)号：CN115331147A
公开(公告)日：2022-11-11
申请号：CN202210976689.6
申请日：2022-08-15
Applicant: 南京理工大学
IPC: G06V20/40 , G06V10/82 , G06V10/77 , G06V10/764 , G06V10/22 , G06V10/20 , G06N3/08 , G06N3/04 , G06V10/774
Abstract: 本发明提出了一种基于机器学习的道路抛洒物检测方法与系统，所述系统包括：采集子系统获取视频流数据，按帧读取图像；定位子系统实时获取定位坐标信息；将获取的图像、定位信息通过通信子系统传输到通信终端；通信终端实时预览图像，并将图像传输到检测子系统；检测子系统接收图像，利用内置改进的YOLOv5对关键帧图像进行分类检测，将检测结果回传通信终端；通信终端将事件检测图片信息、定位信息上传到云端服务器；路政管理人员通过查看云端服务器的事件数据安排道路养护计划。本发明可以简单、方便的集成在道路巡检车辆上，提高道路巡检人员的巡检效率，降低道路巡检成本，实现道路抛洒物的快速、及时的检测识别。
-
公开(公告)号：CN114329365B
公开(公告)日：2022-06-10
申请号：CN202210215226.8
申请日：2022-03-07
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于鲁棒水印的深度学习模型保护方法，属于人工智能安全领域。采用不同的剪枝方法分别选择重要滤子，然后对不同剪枝方法取得的滤子进行求交集选择具有普遍性和重要性的滤子；然后对选择的滤子进行处理后作为水印嵌入模型中；对嵌入水印之后的模型进行微调使得模型的性能恢复从而获得最后的水印模型。本发明利用剪枝会剔除不重要的参数完成模型权重减小的特性选择重要的参数作为水印嵌入的载体，辅以对要嵌入的水印增加噪声，减少水印在面对攻击时的水印损失率，实现水印对于攻击方法有很强的鲁棒性。
-
公开(公告)号：CN113742556A
公开(公告)日：2021-12-03
申请号：CN202111291575.X
申请日：2021-11-03
Applicant: 南京理工大学
IPC: G06F16/953 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开一种基于全局和局部对齐的多模态特征对齐方法，利用卷积神经网络和图注意力网络得到图像全局特征表示；通过区域检测网络将图像分为若干区域，再利用卷积神经网络得到所有区域的特征向量和标签概率向量，将两个向量聚合最终的得到图像局部特征表示；通过双向GRU网络提取文本中每个单词的特征表示，即为文本局部特征；对于文本局部特征，利用自注意力计算得到文本的全局特征；进行多模态间的全局对齐和局部对齐，得到全局和局部相似度向量，最后将全局和局部相似度向量的平均向量输入到全连接层从而得到最终的相似度分数。使用本发明的多模态特征对齐方法在常见多模态数据集上进行检索实验，该方法检索性能优于大部分同类方法。
-
-
-
-
-
-
-
-
-
Search Results
62
records
(took 0.079 seconds)
