-
公开(公告)号：CN114519605A
公开(公告)日：2022-05-20
申请号：CN202210107367.8
申请日：2022-01-28
Applicant: 哈尔滨工业大学(深圳)
IPC: G06Q30/02 , G06F16/906 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种广告点击欺诈检测方法、系统、服务器和存储介质，所述方法应用于服务器端，包括广告请求阶段和广告点击阶段，在广告请求阶段采用主动检测；在广告点击阶段采用被动检测，被动检测包括离线检测，通过离线检测，完成对广告点击数据的分类；其中，所述离线检测包括基于局部敏感哈希合成过采样算法与集成学习的广告点击欺诈检测方法和基于媒体图嵌入向量与神经网络的广告点击欺诈检测方法。本发明通过采用基于局部敏感哈希合成过采样算法与集成学习的广告点击欺诈检测方法，在检测准确率小幅度降低的情况下，采样时间减少了56％；通过采用基于媒体图嵌入向量与神经网络的广告点击欺诈检测方法，检测结果的准确率为96.82％。
-
公开(公告)号：CN114048833A
公开(公告)日：2022-02-15
申请号：CN202111303688.7
申请日：2021-11-05
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本发明公开了一种基于神经网络虚拟自我对局的多人、大规模非完全信息博弈方法及装置，本发明在传统的神经网络虚拟自我对局NFSP算法的基础上引入了优先级经验采样机制和优先级加权的程度控制机制，根据经验片段的学习价值设置优先级来过滤记忆库中的经验，对于优先经验的存储和采样，采用求和树的数据结构，以时间复杂度实现优先级经验采样，降低NFSP训练过程中与环境交互的代价，加快求解速度；同时使用马尔科夫决策过程对扩展式博弈进行建模，将多人博弈转化成单个智能体与环境的交互过程，可看作单个智能体和环境的二人博弈，将NFSP的应用范围拓展至多人博弈，增强算法的泛用性。
-
公开(公告)号：CN113965359A
公开(公告)日：2022-01-21
申请号：CN202111152694.7
申请日：2021-09-29
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本发明公开了一种面向联邦学习数据投毒攻击的防御方法及装置，方法包括：每个客户端使用本地数据训练模型参数；每个客户端将本地模型参数上传给服务器，服务器接收到所有的模型参数；服务器从中计算出一个用于比较的参考基准u，则对于任意的两个局部模型wa和wb，计算它们相对于参考基准u的相似度；采用内部投票的方法判断一个局部模型是否为恶意；根据每个局部模型所得的票数，计算每个局部模型的可信度；基于可信度的模型加权聚合，得到最终的全局模型，基于最终的全局模型实现数据投毒攻击的防御。本发明中，恶意客户端的模型会被赋予较低权重，在加权聚合时削弱它对全局模型的影响，从而实现针对数据投毒攻击的防御。
-
公开(公告)号：CN113487351A
公开(公告)日：2021-10-08
申请号：CN202110755722.8
申请日：2021-07-05
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本发明公开了一种隐私保护广告点击率预测方法、装置、服务器及存储介质，所述方法包括：将全局模型下发至各个客户端，以使各个客户端训练本地模型，分别通过计算因子分解机组件和深度学习组件的梯度获得权重更新向量；计算各个客户端之间的相似度；采用聚类联邦学习算法，对所有客户端进行聚类，使每个聚类生成一个全局模型；在每个聚类中，将全局模型下发给该聚类中的所有客户端，以使该聚类中的所有客户端更新本地模型，直至全局模型收敛或达到最大轮次；接收某个用户的客户端发送的请求，在相应聚类中将全局模型下发给该用户的客户端，以计算该用户的候选广告的广告点击率。本发明保持联邦学习模型可用性的同时保护客户端数据的隐私安全。
-
公开(公告)号：CN112163222A
公开(公告)日：2021-01-01
申请号：CN202011077442.8
申请日：2020-10-10
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本申请公开了一种恶意软件检测方法，该方法包括以下步骤：确定待检测的目标软件；获得目标软件的系统调用名和网络活动事件；将目标软件的系统调用名和网络活动事件按照时间戳统一排序，编码生成目标软件的聚合动态特征；将目标软件的聚合动态特征输入到预先训练获得的基于序列转换器结构的目标神经网络模型中，获得输出结果；根据输出结果，确定目标软件是否为恶意软件。应用本申请所提供的技术方案，结合了软件的系统调用名和网络活动事件，利用序列转换器结构，对终端中恶意软件进行有效检测，避免影响终端的正常运行，提高用户使用体验。本申请还公开了一种恶意软件检测装置，具有相应技术效果。
-
Patent Agency Ranking
公开(公告)号：CN110404265A
公开(公告)日：2019-11-05
申请号：CN201910676451.X
申请日：2019-07-25
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本发明提供了一种基于博弈残局在线解算的多人非完备信息机器博弈方法、装置、系统及存储介质，该多人非完备信息机器博弈方法包括：步骤1：首先根据卡牌抽象算法进行实时的卡牌抽象；步骤2：如果S不是智能体采取动作的博弈局面，则需要更新各个玩家的策略σ；步骤3：等待当前博弈局面需要采取动作的玩家采取某一动作后，游戏往下进行，如果S是轮到智能体采取动作的博弈局面则同样先更新玩家手牌分布，建立子博弈树后计算当前博弈局面的策略σ，然后智能体根据σ采取一个动作a后游戏继续向下进行。本发明的有益效果是：本发明相比之前的算法灵活性适用性更强，适用于现实世界的博弈场景，可以根据针对不同的现实博弈局面计算相应的策略。
-
公开(公告)号：CN110399920A
公开(公告)日：2019-11-01
申请号：CN201910676439.9
申请日：2019-07-25
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本发明提供了一种基于深度强化学习的非完备信息博弈方法、装置、系统及存储介质，该方法包括：探索利用机制改进策略梯度算法的步骤、深度强化学习网络中加入记忆单元的步骤、自我驱动机制对奖励值进行优化的步骤。本发明的有益效果是：本发明通过基线函数解决策略梯度算法经常出现的高方差问题，对于强化学习采样和优化过程时间复杂度高的问题，采取并行机制提高模型求解效率，通过自驱动机制，在弥补环境奖励值稀疏的同时，帮助智能体更有效地对环境进行探索。
-
公开(公告)号：CN110321479A
公开(公告)日：2019-10-11
申请号：CN201910447142.5
申请日：2019-05-27
Applicant: 哈尔滨工业大学(深圳)
IPC: G06F16/9535 , G06F21/62
Abstract: 一种隐私保护移动服务推荐方法及客户端、推荐系统，其中隐私保护移动服务推荐方法包括以下步骤：获取用户的样本数据，样本数据为用户的个人信息的省却信息、虚假信息、粗粒度信息或细粒度信息；根据样本数据从一网络服务提供商接收第一服务推荐列表；根据用户的细粒度信息从第一服务推荐列表中筛选且生成第二服务推荐列表；将第二服务推荐列表展示给用户。由于将第一服务推荐列表下载到本地客户端来辅助生成符合用户需求的第二服务推荐列表，使得在保证用户个人信息不受网络服务提供商侵犯的前提下，实现了为用户提供准确推荐服务的功能，能够维持移动服务推荐精度与保护用户隐私之间的平衡，利于用户更好地管理好个人信息。
-
公开(公告)号：CN115175527B
公开(公告)日：2024-12-20
申请号：CN202210837979.2
申请日：2022-07-16
Applicant: 哈尔滨工业大学(深圳)
IPC: H05K7/20
Abstract: 本发明涉及集成电子器件散热技术领域，更具体的说是一种陶瓷基均热板及其制造方法。该均热板包括陶瓷蒸发端，金属冷凝端与充液管。蒸发端上分布有微柱，并用槽道结构将其在圆周方向均匀分隔开，冷凝端上有相比微柱尺寸和间距更大的微柱通道。制造时，蒸发端陶瓷材料上的吸液芯结构可通过激光烧蚀的方法进行加工，冷凝端吸液芯结构可通过微铣削方法加工得到，最后将蒸发端，冷凝端，充液管一同密封，再经过抽真空，灌注，封口等工序，可加工出该均热板。所述均热板蒸发端具有梯度微柱结构，可提供良好毛细力驱使工质快速回流。所述蒸发端允许芯片直接布置于其上，省去了中间的绝缘层。故该均热板拥有更小的热阻，可以解决大功率下的散热难题。
-
公开(公告)号：CN113965359B
公开(公告)日：2023-08-04
申请号：CN202111152694.7
申请日：2021-09-29
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本发明公开了一种面向联邦学习数据投毒攻击的防御方法及装置，方法包括：每个客户端使用本地数据训练模型参数；每个客户端将本地模型参数上传给服务器，服务器接收到所有的模型参数；服务器从中计算出一个用于比较的参考基准u，则对于任意的两个局部模型wa和wb，计算它们相对于参考基准u的相似度；采用内部投票的方法判断一个局部模型是否为恶意；根据每个局部模型所得的票数，计算每个局部模型的可信度；基于可信度的模型加权聚合，得到最终的全局模型，基于最终的全局模型实现数据投毒攻击的防御。本发明中，恶意客户端的模型会被赋予较低权重，在加权聚合时削弱它对全局模型的影响，从而实现针对数据投毒攻击的防御。
-
-
-
-
-
-
-
-
-
Search Results
121
records
(took 0.037 seconds)
