-
公开(公告)号:CN119848834A
公开(公告)日:2025-04-18
申请号:CN202411997927.7
申请日:2024-12-31
Applicant: 浙江大学 , 支付宝(杭州)信息技术有限公司
IPC: G06F21/55 , G06F18/20 , G06F18/213 , G06N5/04 , G06N5/025 , G06N3/045 , G06N3/0475 , G06N3/042
Abstract: 本说明书实施例提供了一种数据处理方法、装置及设备,其中,方法包括:接收针对目标用户的风险检测请求;响应于所述风险检测请求,获取包含所述目标用户的操作行为的日志数据;基于所述日志数据中包含的所述目标用户的操作行为,确定目标图结构数据,所述目标图结构数据包含根据所述操作行为确定的目标节点,以及根据所述操作行为之间的逻辑关系确定的节点之间的边;对所述目标图结构数据进行特征提取处理,得到所述目标图结构数据对应的目标图嵌入向量,并对所述日志数据进行关键信息提取处理,得到目标信息;根据大语言模型,基于所述目标图嵌入向量和所述目标信息,确定所述目标用户是否为风险用户。
-
公开(公告)号:CN119625437A
公开(公告)日:2025-03-14
申请号:CN202510148813.3
申请日:2025-02-11
Applicant: 浙江大学
IPC: G06V10/764 , G06V10/82 , G06N5/04
Abstract: 本发明提供了一种图像敏感元素的审查系统、方法、计算机设备及介质,属于图像敏感元素审查技术领域。该系统包括图像预处理模块、初步判断模块、提取三元组模块、多头扩充模块和筛查去噪模块。图像预处理模块对图像进行预处理操作,得到待测图像。初步判断模块利用多模态大语言模型对待测图像和敏感词的相关度进行初步判断。提取三元组模块提取待测图像中的三元组信息,多头扩充模块对三元组中的每个单一词进行多头扩充,结合敏感词表寻找相关敏感词。筛查去噪模块对敏感词进行筛查去噪,判断敏感词是否真正出现在待测图像中,据此判定待测图像的安全性。本发明提高了图像敏感元素审查的准确性。
-
公开(公告)号:CN119558425A
公开(公告)日:2025-03-04
申请号:CN202411547313.9
申请日:2024-10-31
Applicant: 支付宝(杭州)信息技术有限公司 , 浙江大学
IPC: G06N20/00 , G06N3/098 , G06N3/084 , G06F21/62 , G06N3/0464
Abstract: 本说明书一个或多个实施例提供一种保护隐私的机器学习模型训练方法及装置。该方法包括:将原始样本输入底部模型得到第一类中间特征;将第一类中间特征输入特征保护网络,以对第一类中间特征进行变换,得到变换特征;将变换特征输入已训练的逆向模型,以通过逆向模型对变换特征进行还原,得到逆向模型输出的逆向样本;基于逆向样本和原始样本计算中间特征变换带来的样本损失,并以增大样本损失为目标更新特征保护网络;将变换特征发送至服务器端,以供服务器端将变换特征输入顶部模型得到原始样本的预测标签;接收服务器端发送的底部梯度,并基于底部梯度更新底部模型,底部梯度由服务器端基于预测标签和原始样本的样本标签计算得到。
-
公开(公告)号:CN119418706A
公开(公告)日:2025-02-11
申请号:CN202510027166.0
申请日:2025-01-08
Applicant: 浙江大学
Abstract: 本发明公开了一种智能座舱语音交互系统的安全控制方法及装置,该方法包括:获取车辆动态信息和驾驶员动态信息;根据驾驶员动态信息,判断驾驶员是否处于疲劳或睡眠状态,从而实现驾驶员危险状态评估;根据车辆动态信息,检测车辆所处状态及周围是否存在危险情况,从而实现车辆危险状态评估;根据驾驶员及车辆危险状态评估的结果,切换智能座舱语音交互系统至对应的工作模式,其中工作模式包括普通工作模式、安全工作模式及危险环境模式,普通工作模式下车辆接受所有语音命令并执行相应操作,安全工作模式下车辆接受已注册人员的语音命令并执行相应操作,危险环境模式下车辆接受物理按键触发,并配合驾驶员的语音命令执行相应操作。
-
公开(公告)号:CN119254422A
公开(公告)日:2025-01-03
申请号:CN202411312592.0
申请日:2024-09-19
Applicant: 浙江大学 , 支付宝(杭州)信息技术有限公司
Abstract: 本说明书公开了一种数据处理的方法、装置、存储介质及电子设备。获取至少一个参与方传输的用于参与多方安全计算的密文数据。其中,密文数据基于预设的密文量化参数进行了量化处理。量化处理包括将基于第一设定位数的浮点数表示的密文数据转换为基于第二设定位数的整型数表示的密文数据。然后,针对密文数据进行多方安全计算。接着,基于密文量化参数,对多方安全计算的密文计算结果进行反量化处理,并将经过反量化处理的密文计算结果发送给至少一个参与方,以使至少一个参与方对经过反量化处理的密文计算结果进行解密,得到明文计算结果。从而,降低了数据传输时所需的通信资源,可以有效提高多方安全计算的计算效率以及降低成本。
-
公开(公告)号:CN119169441A
公开(公告)日:2024-12-20
申请号:CN202411183344.0
申请日:2024-08-27
Applicant: 浙江大学
IPC: G06V20/00 , G06V10/54 , G06V10/82 , G06V10/80 , G06V10/774 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于无关特征消除和关联特征增强的深度伪造检测方法;包括:首先基于浅层纹理特征和深层语义特征结合,使用双通道的检测骨干网络提取特征;同时,该技术在常规的数据增强的基础上进行修改,提出了一种创新型的无关特征消除的手段,以增强检测器的泛化能力;最后,该技术对输入图像进行基于landmark的分块预处理,并对处理后的图像加入注意力机制模块,进一步增强检测的精度。该方法从多个角度提升检测网络的泛化能力,同时处理模块可以方便地与不同网络结合,最终实现了针对检测网络泛化能力弱这一问题的有效解决方案。
-
公开(公告)号:CN118918452A
公开(公告)日:2024-11-08
申请号:CN202410927791.6
申请日:2024-07-11
Applicant: 浙江大学计算机创新技术研究院
IPC: G06V20/00 , G06V10/44 , G06V10/774 , G06V10/82 , G06N3/0455 , G06V20/62
Abstract: 本发明公开了一种基于图像重构的图像篡改检测方法。本发明利用重建网络建模真实图像的分布,具体是在解码器上应用度量学习,使真实图像的特征在特征空间中相互接近,而真实图像特征和篡改图像特征之间远离,学习到的特征更容易用来检测未知的篡改痕迹;再利用多尺度图推理模块进一步挖掘具有区分能力的表示;最后利用重构引导注意力模块关注可能的伪造区域,确保了学习到的图像分布差异,可以将具有未知篡改模式的篡改图像更容易被识别出来。
-
公开(公告)号:CN118824256A
公开(公告)日:2024-10-22
申请号:CN202411091594.1
申请日:2024-08-09
Applicant: 浙江大学计算机创新技术研究院
Abstract: 本发明公开了一种基于声纹识别系统服务拒绝后门的安全性测试方法和装置。本发明采用多种位置无关的环境音作为触发器,经过环境噪声对数据集做数据增强后,通过构建伪目标说话人的方式毒化数据集,再微调预训练模型以注入后门,微调过程中引入的多任务损失降低了后门植入的成本。受感染的声纹识别系统部署后,在物理空间通过触发器进行后门激活测试,根据已注册的合法用户是否会被系统拒绝从而验证目标声纹识别系统是否存在后门脆弱性。本发明综合考虑了现实条件下的物理有效性,触发可控性和感知隐蔽性,能够完成声纹识别系统的后门脆弱性的前置性验证。
-
公开(公告)号:CN118711598A
公开(公告)日:2024-09-27
申请号:CN202410294609.8
申请日:2024-03-15
Applicant: 浙江大学
IPC: G10L17/26 , G10L21/0208 , G10L25/30 , G10L25/18 , G10L25/24 , G10L17/18 , H04W12/06 , H04W12/122 , H04W12/69
Abstract: 本发明公开了一种基于音频指纹的无人机个体识别及身份认证方法,建立合法无人机音频信息库。对同一型号的多架无人机进行编码登记并录制其飞行悬停时音频,然后将音频信号进行峰值归一化并小波变换对音频信号进行降噪处理。通过FFT将音频信号转化到频域进行分析处理,针对无人机音频特点设计的滤波器组,利用DCT提取41维特征向量作为训练模型的输入,构建基于Bi‑LSTM的分类模型。在进行身份验证时,用手机录制未知身份无人机悬停时声音,然后输入到训练好的模型中,输出的编码序号若与登记注册时一致,通过身份认证,否则判断为非法无人机,拒绝提供服务。通过采集真实无人机音频数据验证了该方法能有效地实现无人机个体识别及身份认证,并具有一定的通用性。
-
公开(公告)号:CN118445845A
公开(公告)日:2024-08-06
申请号:CN202410594687.X
申请日:2024-05-14
Applicant: 浙江大学
IPC: G06F21/62 , G06N20/20 , G06F17/10 , G06F18/24 , G06F18/214
Abstract: 本发明公开了一种非稳态多臂老虎机和概率夏普利值的联邦学习方法,该方法中,服务端根据当前超臂的概率分布,利用非稳态多臂老虎机模型抽取一个超臂;服务端利用截断蒙特卡洛算法,计算所选超臂中所有客户端的概率夏普利值并进行求和与归一化;服务端对受影响的每个超臂更新损失估计,并更新所有超臂的累积损失和概率;所选超臂中的每个客户端进行本地模型训练并将模型参数的变化上传至服务端;服务端基于收到的客户端模型参数的变化,结合所选超臂中所有客户端的概率夏普利值,计算全局模型参数的变化,从而更新全局模型参数并下发至各客户端;重复上述步骤,直至全局模型参数达到预定要求。
-
-
-
-
-
-
-
-
-