-
公开(公告)号:CN115937577A
公开(公告)日:2023-04-07
申请号:CN202211454189.2
申请日:2022-11-18
申请人: 浙江工商大学 , 浙江鹏信信息科技股份有限公司
IPC分类号: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/045 , G06N3/094 , G06N3/0895
摘要: 本发明公开了一种基于对抗性对比学习提升图像分类模型鲁棒性的方法。本发明首先构建用于进行对抗性对比学习任务的数据集以及TrCL网络模型;其次通过数据增强策略将原始的图像生成三张不同的增广图像;通过一个基于实例级别的攻击,将其中两张增广图像添加扰动生成对应的对抗样本;然后将生成的两张带对抗的增广图像和一张不带对抗的增广图像放入到网络模型进行训练;从而得到一个具有鲁棒特征的预训练模型;最后提取训练好的预训练模型编码器部分,连接一个全连接层进行分类任务训练,即形成鲁棒性的分类器。本发明能够同时兼顾模型的鲁棒精度和干净精度,在确保模型具有鲁棒性的同时也能够保证模型对干净样本的分类精度的影响较小。
-
公开(公告)号:CN112637227A
公开(公告)日:2021-04-09
申请号:CN202011588966.3
申请日:2020-12-29
申请人: 浙江工商大学
摘要: 本发明公开了一种面向智能电网的多维多子集抗差分攻击的数据聚合方法。本发明利用两个超递增序列以及Paillier加密算法实现了多维多子集数据聚合,控制中心在获取每个子集的用户数量的同时,还可以获取每个子集中每个维度的用电数据之和。本发明利用霍纳规则为每个用户构造一个多项式,使智能电表端的加密开销与维数无关,降低了计算开销。本发明通过差分隐私技术来抵抗差分攻击,实现了对多维数据聚合更强的隐私保护。本发明具有较好的可扩展性且计算开销比较小,适用于大型智能电网中。
-