面向深度强化学习的训练数据集版权审计方法及装置

    公开(公告)号:CN116956237A

    公开(公告)日:2023-10-27

    申请号:CN202310977534.9

    申请日:2023-08-04

    Applicant: 浙江大学

    Abstract: 本发明公开了一种面向深度强化学习的训练数据集版权审计方法及装置。本发明基于时间差分学习方式训练评论家模型并作为审计基准。其次,本发明使用不同的模型参数初始化一批深度强化学习模型,并在数据集上训练这些模型形成影子模型集合。接着,本发明将数据集的状态信号分别输入到影子模型和待审计模型,并收集影子模型和待审计模型输出的动作信号。接着,本发明分别将影子模型和待审计模型的状态‑动作信号输入到评论家模型,并记录评论家模型输出的累计奖励信号。最后,本发明基于影子模型和待审计模型的累计奖励信号并借助假设检验方法得出最终的版权审计结果。

    大规模云网络环境下的时序指标异常智能监控系统

    公开(公告)号:CN115454778B

    公开(公告)日:2023-08-08

    申请号:CN202211188672.0

    申请日:2022-09-27

    Applicant: 浙江大学

    Abstract: 本发明公开了一种大规模云网络环境下的时序指标异常智能监控系统,包括数据预处理模块、智能基线及预测值获取模块、异常告警模块等。数据预处理模块从云网络各网元节点采集时序指标数据;智能基线及预测值获取模块采用基于机器学习的方法获取时序指标数据的基线,根据基线获取每个时序指标数据的预测值,预测值在经过缩放后存入数据库;异常告警模块将实时流量时序指标数据与时序指标数据预测值进行比较,当预测值与实时值连续多次差距超过设定阈值时,触发告警。相比现有技术,本发明解决了云网络时序指标模型种类较多,难以用固定阈值监控的问题,保证以较低误报率和漏报率检测云网络时序指标异常。

    一种基于动态图辅助的神经微分模型的人群活动预测方法

    公开(公告)号:CN116467635A

    公开(公告)日:2023-07-21

    申请号:CN202310227491.2

    申请日:2023-03-10

    Applicant: 浙江大学

    Abstract: 本发明公开一种基于动态图辅助的神经微分模型的人群活动预测方法,所述方法包括:读取清洗历史人群活动数据,并收集整理相应事件的指标数据;将历史人群活动数据和相应事件的指标数据归一化,得到标准数据集,并将标准数据集划分为训练集与验证集,分别用于模型训练和参数选择;根据训练集训练模型,以得到初始预测模型;根据验证集对初始预测模型进行调参,通过多次验证从而确定模型的网络权重参数,选择在验证集上表现最好的模型作为最终预测模型;通过最终预测模型输出未来人群活动轨迹。本方法通过控制模块生成动态图结构从而将事件对人群活动的扰动引入到模型中,使得模型具有更强的鲁棒性,在有重大事件影响的场景下,仍具有较好预测效果。

    基于多源群智感知数据的城市交通速度估计方法

    公开(公告)号:CN116340879A

    公开(公告)日:2023-06-27

    申请号:CN202310221863.0

    申请日:2023-03-09

    Applicant: 浙江大学

    Abstract: 本发明公开了一种基于多源群智感知数据的城市交通速度估计方法,该方法基于智能手机收集的路侧行人数据和路上导航数据,经过缺失数据填充、自视图速度聚合和多视图速度同和等步骤得到最终的估计速度。本细粒度大规模城市交通速度估计方法能够实现所有类型的道路速度估计,包含了郊区路段与小路,而不是只关注市中心主路。本发明基于数据驱动,无需在道路上安装额外装置,成本低,普适性较强,与现有技术相比,具有更强的实用性、理论性与应用性,对改善交通管理和规划具有重要意义。

    一种面向图数据的差分隐私保护发布方法及系统

    公开(公告)号:CN115114664B

    公开(公告)日:2023-05-23

    申请号:CN202210782301.9

    申请日:2022-06-24

    Applicant: 浙江大学

    Abstract: 本发明公开了一种面向图数据的差分隐私保护发布方法及系统,本发明首先读取原始图数据,记录节点和连边情况;然后采用满足差分隐私的社区检测方法,对所有的节点进行社区划分,从而避免了直接对表示图的邻接矩阵加噪所带来的过量噪声;针对同一社区内和不同社区间的不同特征,分别提取不同粒度的信息并加噪,有效减少了图编码过程的信息损失;最后针对社区内和社区间提取的不同信息采用不同的重构方法,尽可能的保留图的原始特征;此外,在处理过程中,对添加拉普拉斯噪声后的结果采用了后置处理方法,将不符合实际的数据转变为符合真实图特征的结果。

    基于硬件特性的非线性注入攻击检测方法与装置

    公开(公告)号:CN115862670A

    公开(公告)日:2023-03-28

    申请号:CN202211399084.1

    申请日:2022-11-09

    Abstract: 本发明公开了一种基于硬件特性的非线性注入攻击检测方法与装置,其中,检测方法包括以下步骤:(1)对采集的待测音频做语音活动检测,并将待测音频按语音部分进行切分,剔除无语音部分后得到多个语音片段;(2)对于每一个语音片段,同时进行欠采样音频检测与异常白噪声检测;若存在与常规语音部分相似的欠采样音频和/或存在与语音能量高度相关的近似白噪声,则判定该语音片段由非线性注入,并对用户发出警告。本发明中,检测方法可以直接部署于智能设备上,检测装置可以部署于智能设备附近,均可独立完成检测工作,可以为语音助手用户提供便捷、普适、无法规避的非线性注入攻击检测方案。

    一种基于人类语音结构的语音干扰噪声设计方法

    公开(公告)号:CN115841821A

    公开(公告)日:2023-03-24

    申请号:CN202211427811.0

    申请日:2022-11-15

    Abstract: 本发明公开了一种基于人类语音结构的语音干扰噪声设计方法,包括如下步骤:(1)获取大量包含不同说话人、不同说话内容的语音数据,进行声纹信息提取后构建初始语音数据集;(2)对于每个用户,获取少量的用户语音数据,进行声纹信息提取后在初始语音数据集中匹配最为接近的语音数据;(3)对匹配得到的语音数据进行数据增广;(4)利用音素切割算法对增广后的语音数据进行切分,构成元音数据集和辅音数据集;(5)基于元音数据集和辅音数据集构建三段噪声序列,叠加后得到干扰噪声;(6)持续生成随机干扰噪声并播放,持续的干扰噪声注入录音中实现连续干扰。利用本发明,可以使干扰噪声无法从语音中去除,从而避免用户隐私信息的泄漏。

Patent Agency Ranking