公开(公告)号：CN119577129A

公开(公告)日：2025-03-07

申请号：CN202410854416.3

申请日：2024-06-28

Applicant: 南京邮电大学

Inventor： 许斌 ,  俞文军 ,  文清 ,  程龙刚 ,  董振江

IPC: G06F16/35 ,  G06F16/334 ,  G06N3/0455 ,  G06N3/0442 ,  G06N3/048 ,  G06N3/08

Abstract: 针对现有机器生成文本溯源技术中单一特征难以准确追溯机器生成文本来源的问题，本发明提出了一种基于特征融合的机器生成文本溯源方法和系统，构建了一种新的机器生成文本溯源模型，通过结合文本的统计特征和语义特征，为模型提供了更丰富的特征表示。首先利用词嵌入技术将输入文本转换为语义向量，同时使用GPT‑2模型计算文本的预测概率、累积概率和信息熵，作为文本的统计向量。接着，通过GRU、Transformer编码器进一步提取特征，并通过线性层对其进行线性变换，以获取文本的语义特征和统计特征，再通过特征融合策略对其进行整合。最后，融合后的特征向量经分类器分析后，输出文本具体来源。

公开(公告)号：CN116916386A

公开(公告)日：2023-10-20

申请号：CN202310964905.X

申请日：2023-08-02

Applicant: 南京邮电大学

Inventor： 许斌 ,  卞鸿根 ,  崔秋兰 ,  庄智超 ,  文清 ,  郁晓辉 ,  亓晋

IPC: H04W28/084 ,  H04W28/08 ,  G06F9/50

Abstract: 本发明属于移动边缘计算和任务卸载领域，公开了一种考虑用户竞争和负载的大模型辅助边缘任务卸载方法，具体步骤包括：使用集成大模型辅助处理数据信息；根据用户与边缘服务器的信息构建任务卸载模型；基于该模型提出最小化用户能耗的优化目标；对用户进行任务优先级排序；通过引入分布式思想以及负载均衡创造性地设计出了一种分布式任务计算卸载(DTCO)算法用以求解任务卸载问题；最后根据卸载策略处理所有任务并将结果返回用户。本发明可以有效改善用户之间的竞争并使得边缘服务器资源分配更加合理，从而降低系统的总能耗。

公开(公告)号：CN117371049A

公开(公告)日：2024-01-09

申请号：CN202311166903.2

申请日：2023-09-08

Applicant: 南京邮电大学

Inventor： 许斌 ,  俞文军 ,  文清 ,  崔秋兰 ,  亓晋 ,  孙雁飞 ,  董振江

IPC: G06F21/64 ,  G06F21/60 ,  G06F18/24 ,  G06F18/214 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提供一种基于区块链与生成式对抗网络的机器生成文本检测方法及系统，该方法通过获取包括文本训练数据和相应的类别标签的文本分类数据集；训练基于生成式对抗网络的机器生成文本检测模型；将训练后的基于生成式对抗网络的机器生成文本检测模型部署到区块链系统中；将接收的待分类文本作为输入，训练后的基于生成式对抗网络的机器生成文本检测模型进行分类预测，获得分类结果；区块链系统将记录分类结果到区块链上；区块链系统返回分类结果给用户；本发明能够实现对真实文本与对抗性文本进行高准确性的分类，并通过区块链技术保证数据的安全性与可信度。

公开(公告)号：CN114885420A

公开(公告)日：2022-08-09

申请号：CN202210282489.0

申请日：2022-03-22

Applicant: 南京邮电大学

Inventor： 赵莎莎 ,  秦立丹 ,  张登银 ,  孙晨辉 ,  文清 ,  陈瑞杰 ,  刘雨凡

IPC: H04W72/04 ,  G06N3/08

Abstract: 本发明公开了一种基于混合深度强化学习的NOMA‑MEC系统中的用户分组和资源分配方法及装置。本发明提出的混合深度强化学习算法利用DDPG优化连续动作和DQN优化离散动作解决了深度强化学习难以处理同时具有离散和连续动作空间的混合问题。具体地，算法根据用户的信道状态确定用户设备的带宽分配、卸载决策、子信道分配(用户分组情况),以使系统的计算速率与所耗功率之比最大化。该算法可以良好地适应环境的动态特性，有效提升系统的能量效率和频谱资源利用率。

公开(公告)号：CN119904735A

公开(公告)日：2025-04-29

申请号：CN202411975915.4

申请日：2024-12-30

Applicant: 南京邮电大学

Inventor： 许斌 ,  文清 ,  李成阳 ,  亓晋

IPC: G06V20/00 ,  G06V10/764 ,  G06V10/774 ,  G06N3/045 ,  G06N3/0475 ,  G06N3/0464 ,  G06N3/094 ,  G06T5/77 ,  G06T5/70

Abstract: 本发明公开了一种基于图像修正惩罚的梯度反演攻击方法，采用自适应过参数化网络作为图像生成器，通过动态调整生成器的通道数，增强网络捕捉复杂数据分布的能力。从不同的随机种子产生噪声输入，计算所有候选图像的配准平均图像，在每个优化过程中引入了一个图像修正惩罚项，以减少假图像与真实图像在视觉上的偏差，确保模型有足够的表达能力来处理大批量和高分辨率图像数据。使用全连接层作为标签生成器，两个生成器联合优化，使其生成的假图像和假标签能够逼近真实梯度，进而稳定地恢复数据。本发明通过图像修正惩罚项和过参数设计，能够捕捉复杂的数据分布，提升优化的稳定性，提高重建图像的质量，揭露更多的隐私信息。

公开(公告)号：CN117172963A

公开(公告)日：2023-12-05

申请号：CN202311011185.1

申请日：2023-08-11

Applicant: 南京邮电大学

Inventor： 许斌 ,  庄智超 ,  卞鸿根 ,  文清 ,  崔秋兰 ,  李思齐 ,  亓晋

IPC: G06Q50/06 ,  G06Q40/04 ,  G06F30/27 ,  G06N3/0499 ,  G06N3/092 ,  G06N3/082 ,  G06N5/04 ,  G06F113/04 ,  G06F111/04

Abstract: 本发明属于微电网能量交易领域，涉及一种考虑储能系统退化的微电网能量交易方法及系统，方法包括数据收集；问题模型建立；根据建立的模型和所收集到的数据构建考虑储能系统退化的微电网能量交易模型的强化学习环境；在DDQN算法的基础上引入自注意力机制、竞争框架和噪声网络，得到一种基于自注意力机制的双深度Q网络算法，用以求解模型；输出最优交易策略；各微电网按照最优交易策略进行交易，达到效益最大化；本发明构建考虑储能系统退化的能量交易模型，并且设计了基于自注意力机制的双深度Q网络算法来求解模型，能够在实时调整交易策略的过程中进行学习和优化，使模型能够适应不同的运行环境和需求，最大化微电网系统效益。