-
公开(公告)号：CN119203043B
公开(公告)日：2025-03-11
申请号：CN202411719444.0
申请日：2024-11-28
Applicant: 之江实验室
IPC: G06F18/25 , G06F18/24 , G06F18/214 , G06N5/04
Abstract: 本申请涉及一种模型训练方法、装置和计算机设备。所述方法包括：获取与目标任务相关的多模态训练样本；多模态训练样本，包括文本、语音和图像中的至少两种样本；目标任务，为视觉处理、语音处理或语言处理中的一种；基于获取到的多模态训练样本，与待训练大模型，构建与目标任务相关的攻防博弈模型；基于攻防博弈模型，剔除多模态训练样本中影响待训练大模型的模型训练收敛速度的目标样本，得到精简后的样本；利用精简后的样本，对待训练大模型进行训练，得到训练后的大模型。采用本方法能够解决了现有的大模型的训练方法，因为存在影响大模型训练效率的样本，导致在进行大模型训练的过程中，存在占用计算资源过多的问题。
-
公开(公告)号：CN119203043A
公开(公告)日：2024-12-27
申请号：CN202411719444.0
申请日：2024-11-28
Applicant: 之江实验室
IPC: G06F18/25 , G06F18/24 , G06F18/214 , G06N5/04
Abstract: 本申请涉及一种模型训练方法、装置和计算机设备。所述方法包括：获取与目标任务相关的多模态训练样本；多模态训练样本，包括文本、语音和图像中的至少两种样本；目标任务，为视觉处理、语音处理或语言处理中的一种；基于获取到的多模态训练样本，与待训练大模型，构建与目标任务相关的攻防博弈模型；基于攻防博弈模型，剔除多模态训练样本中影响待训练大模型的模型训练收敛速度的目标样本，得到精简后的样本；利用精简后的样本，对待训练大模型进行训练，得到训练后的大模型。采用本方法能够解决了现有的大模型的训练方法，因为存在影响大模型训练效率的样本，导致在进行大模型训练的过程中，存在占用计算资源过多的问题。
-
Patent Agency Ranking
公开(公告)号：CN115840932A
公开(公告)日：2023-03-24
申请号：CN202310156131.8
申请日：2023-02-20
Applicant: 之江实验室
Abstract: 本说明书公开了一种漏洞修复方法、装置、存储介质及电子设备，本说明书实施例在获取第一用户的生物特征和目标用户的用户信息之后，根据确定出的扰动信息，对生物特征进行处理，以处理后的生物特征通过身份识别系统识别出目标用户为优化目标，对扰动信息进行调整，得到调整后扰动信息，并基于调整后扰动信息，对身份识别系统进行漏洞修复。在此方法中，以攻击者的角度，对身份识别系统进行攻击，以确定身份识别系统的漏洞，并基于调整后扰动信息对漏洞进行修复，以此提高身份识别系统的准确性和鲁棒性。
-
公开(公告)号：CN115906032B
公开(公告)日：2023-05-16
申请号：CN202310157163.X
申请日：2023-02-20
Applicant: 之江实验室
Abstract: 本申请涉及一种识别模型的修正方法、装置和存储介质，该方法包括：根据待修正的识别模型，获取待测试的特征向量对应的第一标签向量；所述待修正的识别模型根据特征向量和特征矩阵构造；根据所述待测试的特征向量、所述特征矩阵及所述待测试的特征向量对应的第一标签向量，构造攻击仿真模型；对所述攻击仿真模型进行求解，得到目标特征向量修正值和目标特征矩阵修正值；根据所述目标特征向量修正值对所述特征向量进行修正，及根据所述目标特征矩阵修正值对所述特征矩阵进行修正。解决了现有技术中存在的未从攻击者的角度来考虑身份识别系统存在的漏洞，从而导致身份识别系统安全性低的技术问题，提高了识别模型的安全性。
-
公开(公告)号：CN115906032A
公开(公告)日：2023-04-04
申请号：CN202310157163.X
申请日：2023-02-20
Applicant: 之江实验室
Abstract: 本申请涉及一种识别模型的修正方法、装置和存储介质，该方法包括：根据待修正的识别模型，获取待测试的特征向量对应的第一标签向量；所述待修正的识别模型根据特征向量和特征矩阵构造；根据所述待测试的特征向量、所述特征矩阵及所述待测试的特征向量对应的第一标签向量，构造攻击仿真模型；对所述攻击仿真模型进行求解，得到目标特征向量修正值和目标特征矩阵修正值；根据所述目标特征向量修正值对所述特征向量进行修正，及根据所述目标特征矩阵修正值对所述特征矩阵进行修正。解决了现有技术中存在的未从攻击者的角度来考虑身份识别系统存在的漏洞，从而导致身份识别系统安全性低的技术问题，提高了识别模型的安全性。
-
公开(公告)号：CN119962609A
公开(公告)日：2025-05-09
申请号：CN202510420849.2
申请日：2025-04-07
Applicant: 之江实验室
IPC: G06N3/082 , G06N3/0464
Abstract: 本申请提供一种模型剪枝方法、设备及计算机可读存储介质，在初始模型训练过程中，动态评估所述初始模型的各层之间的连接强度和节点重要性，能够精准地识别对模型性能贡献较小的连接或节点。根据动态指标选择冗余的目标连接和目标节点进行剪枝，移除那些对模型性能贡献较小的连接或节点。最后，基于所述初始模型的模型性能，对剪枝后的初始模型进行微调，得到符合所述模型性能要求的目标模型，恢复模型可能因剪枝而损失的性能，从而实现提高剪枝的准确性，同时保持或提高模型的性能。
-
公开(公告)号：CN115840932B
公开(公告)日：2023-06-02
申请号：CN202310156131.8
申请日：2023-02-20
Applicant: 之江实验室
Abstract: 本说明书公开了一种漏洞修复方法、装置、存储介质及电子设备，本说明书实施例在获取第一用户的生物特征和目标用户的用户信息之后，根据确定出的扰动信息，对生物特征进行处理，以处理后的生物特征通过身份识别系统识别出目标用户为优化目标，对扰动信息进行调整，得到调整后扰动信息，并基于调整后扰动信息，对身份识别系统进行漏洞修复。在此方法中，以攻击者的角度，对身份识别系统进行攻击，以确定身份识别系统的漏洞，并基于调整后扰动信息对漏洞进行修复，以此提高身份识别系统的准确性和鲁棒性。
-
-
-
-
-
-
Search Results
7
records
(took 0.019 seconds)
