公开(公告)号：CN115421494B

公开(公告)日：2024-08-27

申请号：CN202211147813.4

申请日：2022-09-19

申请人： 西安交通大学

发明人： 王羽钧 ,  洪晓鹏 ,  沈超

IPC分类号： G05D1/43 ,  G05D1/644 ,  G05D1/648 ,  G05D105/10

摘要： 本发明属于人工智能和机器人路径规划领域，公开了一种清洁机器人路径规划方法、系统、计算机设备及存储介质，包括：获取各清洁机器人的垃圾仓容量和运行速度、机器人库的坐标以及各待清洁点的坐标、垃圾量和清洁工作量；根据各清洁机器人的垃圾仓容量和运行速度、机器人库的坐标以及各待清洁点的坐标、垃圾量和清洁工作量，调用预设的用于清洁机器人路径规划的深度强化学习模型，得到各清洁机器人的路径规划结果。可实现多清洁机器人的路径规划，可以求解存在多个机器人、大量待清洁点的清洁机器人路径规划问题，贴合实际应用场景，求得的路径规划方案优于传统优化方法，求解路径规划问题所需的运算时间远低于蚁群算法及动态规划算法等传统方法。

公开(公告)号：CN118194284A

公开(公告)日：2024-06-14

申请号：CN202410416377.9

申请日：2024-04-08

申请人： 西安交通大学

发明人： 蔺琛皓 ,  樊浩然 ,  李前 ,  沈超

IPC分类号： G06F21/56 ,  G06F18/214

摘要： 本发明属于软件安全领域，公开了一种恶意代码段定位方法、系统、计算机设备及存储介质，包括：获取恶意代码文件的抽象语法树中的各节点的向量编码；遍历各节点进行解释步骤，得到各节点的节点重要度；将节点重要度前K大的节点作为目标节点，并定位各目标节点对应的代码段，作为恶意代码文件的恶意代码段；其中，解释步骤：基于各节点的向量编码，利用可解释模型对恶意代码检测模型在当前节点进行局部近似，得到当前节点的节点重要度，实现恶意代码段在恶意代码中的准确定位，从而方便进一步的人工审计与问题解决。

公开(公告)号：CN118153099A

公开(公告)日：2024-06-07

申请号：CN202410274351.5

申请日：2024-03-11

申请人： 西安交通大学

发明人： 言浬 ,  岳高峰 ,  沈超 ,  管晓宏

IPC分类号： G06F21/62 ,  G06N20/00 ,  H04L9/40 ,  G06N5/04

摘要： 本发明公开了一种云际联邦学习客户端模型聚合信息上传隐私保护方法及系统，根据中心服务器端下发的初始化模型参数，对云服务商客户端中的本地模型进行多轮模型更新训练，并获取连续多个梯度样本集合直到达到设定的训练轮数；从梯度样本集合中选择部分梯度样本形成梯度子集，利用梯度均值的方式对梯度子集进行计算得到梯度补偿值，将梯度样本集合中未选择的一个样本与梯度补偿值进行加权平均，通过对相邻几次梯度信息进行离散化随机选择，并对挑选的梯度信息以求均值的方式形成新梯度信息，在防御攻击者利用梯度信息反向推理隐私数据的同时，亦可维持全局模型的正确更新方向，确保模型的准确性和训练效率，提高云际联邦学习的隐私保护强度。

公开(公告)号：CN117830749A

公开(公告)日：2024-04-05

申请号：CN202410159376.0

申请日：2024-02-04

申请人： 西安交通大学

发明人： 蔺琛皓 ,  姬祥 ,  沈超 ,  杨雨龙 ,  李前

IPC分类号： G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/094 ,  G06N3/044 ,  G06N3/084

摘要： 本发明属于图像处理领域，公开了一种图像分类模型对抗训练方法及相关装置，包括扰动各训练图像得到各对抗训练样本，以及基于各对抗训练样本，以最小化损失函数值为优化目标迭代训练图像分类模型，得到预训练图像分类模型；筛选各对抗训练样本中基于预训练图像分类模型的分类结果错误的对抗训练样本，得到困难对抗训练样本；获取并基于各困难对抗训练样本的威胁级别，得到各困难对抗训练样本的训练权重值；基于各困难对抗训练样本，以最小化最终损失函数值为优化目标训练图像分类模型，以及迭代上述步骤至最大迭代轮次，得到训练完成的图像分类模型。可以大幅提升对抗训练的时间和计算效率，并且能够提升图像分类模型的鲁棒性和公平性。

公开(公告)号：CN117238041A

公开(公告)日：2023-12-15

申请号：CN202311167785.7

申请日：2023-09-11

申请人： 西安交通大学

发明人： 蔺琛皓 ,  邓静怡 ,  沈超

IPC分类号： G06V40/40 ,  G06V40/16 ,  G06V10/82 ,  G06V10/80 ,  G06V10/74 ,  G06N3/0464 ,  G06V10/774 ,  G06N3/09

摘要： 本发明属于图像处理领域，公开了一种人脸图像的深度伪造检测方法、系统、设备及介质，包括将待检测的人脸图像输入预设的人脸图像深度伪造检测模型中，得到待检测的人脸图像的深度伪造检测结果。其中，人脸图像深度伪造检测模型通过将各人脸图像样本与各人脸图像样本的目标人脸图像，根据当前增强图像块尺度进行图像块交换操作和图像块乱序操作，得到若干增强人脸图像样本；根据若干人脸图像样本和若干增强人脸图像样本训练预设的多任务深度卷积神经网络得到。多尺度图像块交换和乱序无需预定义伪像区域或伪像类型即可进行伪造模式多样化，能够学习到多尺度局部判别特征并最终学习到了泛化表征，拥有较优秀的泛化性能。

公开(公告)号：CN117237713A

公开(公告)日：2023-12-15

申请号：CN202311183001.X

申请日：2023-09-13

申请人： 西安交通大学

发明人： 沈超 ,  杨子轩 ,  蔺琛皓 ,  张笑宇

IPC分类号： G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

摘要： 本发明属于图像处理领域，公开了一种基于卷积神经网络的图像分类方法及相关装置，首先确定卷积神经网络架构的插值阈值，得到卷积神经网络架构的粗粒度搜索空间，在粗粒度搜索空间中心点处通过预设的超参数优化方法及图像训练数据集进行粗粒度搜索，根据搜索结果得到卷积神经网络架构的细粒度搜索空间，并在细粒度搜索空间中通过预设的超参数优化方法及图像训练数据集进行细粒度搜索，得到图像分类卷积神经网络模型；最终获取待分类图像并输入至图像分类卷积神经网络模型，得到分类结果。本发明方法复杂度低，效率高，具有极强的实践性，实现了搜索精度与搜索速度的兼顾，得到的图像分类卷积神经网络模型模型具有更高的分类效率与分类精度。

公开(公告)号：CN116341004B

公开(公告)日：2023-09-08

申请号：CN202310304542.7

申请日：2023-03-27

申请人： 北京交通大学 ,  西安交通大学

发明人： 王伟 ,  许向蕊 ,  管晓宏 ,  沈超 ,  刘鹏睿 ,  吕晓婷 ,  郝玉蓉

IPC分类号： G06F21/62 ,  G06F18/213 ,  G06F18/214 ,  G06N20/00

摘要： 本发明提供了一种基于特征嵌入分析的纵向联邦学习隐私泄露检测方法。该方法包括：检测者在纵向联邦学习的训练过程中嵌入影子数据；获取影子数据和纵向联邦学习的目标参与者的私有训练数据在底部模型上的特征嵌入数据，对特征嵌入数据进行平滑处理；利用影子数据和影子数据平滑处理后的特征嵌入数据克隆底部模型的代理模型；利用代理模型通过特征嵌入匹配重构目标参与者的私有训练数据，对纵向联邦学习进行原始数据泄露检测。本发明方法在不破坏VFL效用的条件下，同时实现了对模型泄露、原始数据泄露以及数据特征泄露的脆弱性分析。

公开(公告)号：CN113095948B

公开(公告)日：2023-06-06

申请号：CN202110315041.X

申请日：2021-03-24

申请人： 西安交通大学

发明人： 刘晓明 ,  尹伟 ,  沈超 ,  周亚东 ,  管晓宏

IPC分类号： G06Q50/00 ,  G06N3/088 ,  G06N3/042 ,  G06F18/2135 ,  G06N3/084

摘要： 本发明公开了一种基于图神经网络的多源异构网络用户对齐方法，通过文本处理算法提取用户的属性特征，并利用降维算法，将用户属性特征向量降维；使用随机游走算法获得网络拓扑结构，将降维后的属性特征以及网络结构作为图神经网络的输入，学习获得包含用户属性和结构信息的身份特征；计算跨网络间用户名以及社会角色相似度，找出候选用户对；使用神经网络模型，计算对齐多源异构网络用户身份。本发明方法可用于对齐社交网络用户身份，在社交网络分析、人物画像补全等多个领域具有重要应用，算法的计算复杂度低，可扩展性高，可在复杂网络中对齐用户身份，对真实数据适用性强。

公开(公告)号：CN112069508B

公开(公告)日：2023-03-21

申请号：CN202010997867.4

申请日：2020-09-21

申请人： 西安交通大学

发明人： 沈超 ,  张笑宇 ,  蔺琛皓 ,  管晓宏

IPC分类号： G06F21/57 ,  G06N20/00

摘要： 本发明属于机器学习领域，公开了一种机器学习框架漏洞API参数定位方法、系统、设备及介质，包括：获取一能够触发机器学习框架漏洞的API单层模型，并获取该API单层模型的参数组合及模型输入；变异参数组合中的单个参数，得到变异API单层模型；采用模型输入及变异API单层模型测试机器学习框架，得到机器学习框架漏洞的触发结果；对参数组合中的每个参数，均重复进行若干次变异；整合所有参数组合与对应机器学习框架漏洞的触发结果，进而分析得到机器学习框架漏洞触发的API参数。无须过多先验知识，复杂度低，对于机器学习框架与API类型、漏洞问题的种类与测试方法均无特定的限制，可以应用在多种机器学习框架下的不同API的各种漏洞问题测试中，普适性强。

公开(公告)号：CN113700639A

公开(公告)日：2021-11-26

申请号：CN202111058216.X

申请日：2021-09-09

申请人： 西安交通大学

发明人： 吴伟烽 ,  李晓然 ,  郭天硕 ,  李许旺 ,  杨笑天 ,  许良聪 ,  余小玲 ,  王江峰 ,  沈超

IPC分类号： F04B51/00 ,  F04B37/12 ,  F04B39/00

摘要： 一种往复式压缩机无损故障诊断系统及方法，诊断方法包括根据测得的活塞杆在测点处的动态应变值及活塞杆在x、y轴方向的加速度，计算压缩机气体力与活塞杆在x、y轴方向的冲击力随曲轴转角动态变化曲线；根据计算所得压缩机气体力与活塞杆在x、y轴方向的冲击力随曲轴转角动态变化曲线，通过与正常运行工况下的气体力及冲击力随曲轴转角动态变化曲线对比，分析确定往复式压缩机存在的故障问题：如果气体力曲线出现异常，则判定气缸组件出现了故障；如果冲击力随曲轴转角动态变化曲线出现相应的冲击信号异常，则说明对应运动副磨损较为严重，判定运动机构出现故障。本发明可以同时监测诊断气缸工作机构和运动机构的故障，并且不破坏压缩机。