基于群体智能的图像识别后门防御方法、装置及介质

    公开(公告)号:CN114048474B

    公开(公告)日:2025-03-28

    申请号:CN202111303400.6

    申请日:2021-11-05

    Applicant: 中南大学

    Abstract: 本发明公开了一种基于群体智能的图像识别后门防御方法、装置及介质,基于分布式集群中多个神经网络图像识别模型的关联关系并按照连接密集程度排名,将连接密集的神经网络模型选为种子神经网络模型;针对每两个种子神经网络模型,利用注意力蒸馏表征对该两个种子神经网络模型执行蒸馏操作,提炼对种子神经网络模型后门攻击无效的注意力激活图Al;通过设计鲁棒蒸馏损失函数L衡量两个种子神经网络模型的激活注意力图Al的欧式距离和余弦距离,种子神经网络模型基于L计算梯度值并进行反向传播,更新种子神经网络模型参数。本发明提出的群体智能图像识别后门防御算法在图像识别后门防御任务下的性能和效率达到了目前最优水平。

    一种数据资产图谱化简方法

    公开(公告)号:CN115329142B

    公开(公告)日:2025-03-18

    申请号:CN202210889377.1

    申请日:2022-07-27

    Applicant: 中南大学

    Abstract: 本发明保护一种数据资产图谱化简方法,对数据资产图谱提取核节点集合与非核节点集合,构建普通节点分组集合;进行粗过滤和遍历划分筛选出同类型的子图;子图塌陷成子图节点并进行同源判断,插入虚拟节点与同源的子图节点连接,通过SDNE图嵌入模型处理得到节点嵌入向量;利用DBSCAN聚类算法进行聚类,对聚类结果进行异质判断,划分同类节点和噪音节点;计算所有聚类结果的采样率,在所有聚类结果中随机采样,删除采样节点和关联的连边,得到化简后的数据资产图谱。本发明有效减少图谱视觉密集区域下的冗余结构,在不影响图谱整体拓扑特性的同时突出图谱主要结构特征,明显提高对图谱的探索分析过程,有助于重要数据资产结构的识别和探索。

    一种针对数字货币的异常交易行为检测方法、装置、设备及介质

    公开(公告)号:CN113011888B

    公开(公告)日:2024-04-02

    申请号:CN202110262931.9

    申请日:2021-03-11

    Applicant: 中南大学

    Abstract: 本发明公开了一种针对数字货币的异常交易行为检测方法、装置、设备及介质,方法为:获取数字货币交易所中每个用户的交易数据;将检测时间段划分为若干分段,将单个用户在各时间分段的交易记录组合,均作为该用户的交易行为;从多个维度对交易行为进行特征描述,作为交易行为的特征向量;所有用户所有交易行为的特征向量构成数据集;使用局部异常因子算法计算数据集中每个数据点的离群因子值;对数据集聚类,并对各数据点根据其所在簇大小调整其离群因子值;根据调整后的离群因子值确定该数据点对应交易行为分析单元的异常交易可疑值,进而确定该用户的异常交易可疑性。本发明提高异常交易行为检测的准确度,对有异常交易嫌疑的账户自动化检测。

    基于合作博弈论的卷积神经网络神经元可解释性评估方法

    公开(公告)号:CN117236393A

    公开(公告)日:2023-12-15

    申请号:CN202311076052.2

    申请日:2023-08-24

    Applicant: 中南大学

    Abstract: 本发明提供了一种基于合作博弈论的卷积神经网络神经元可解释性评估方法,通过量化单个神经元的可解释性度和单层神经元的可解释性度量实现对卷积神经网络神经元可解释性评估。首先使用反向导向传播算法实现单个神经元的特征可视化,得到单个神经元的GBP图像;根据合作博弈论理论计算单个像素对预测输入图像属于某一类别的贡献度,从而得到SHAP图像。通过计算GBP图像和SHAP图像的相似度得到单个神经元的可解释性度量值,对单层内所有神经元的可解释性度量值求平均得到单层神经元可解释性度量值。本发明的指标提供了符合人类直觉的神经元可解释性度量方式,且计算高效。

    基于图模型的模拟对战群体进攻态势识别方法

    公开(公告)号:CN116975564A

    公开(公告)日:2023-10-31

    申请号:CN202310931236.6

    申请日:2023-07-27

    Applicant: 中南大学

    Abstract: 本发明公开了一种基于图模型的模拟对战群体进攻态势识别方法,可以根据群体内各个单元的移动轨迹,识别出群体对其打击目标的进攻态势;具体步骤为:S1、利用贝塞尔曲线对各单元的轨迹进行拟合,将拟合曲线末端切线方向作为移动方向,并设计了一种量化优先程度算法,实现进攻目标以及进攻方位的识别;S2、建立群体中各单元之间的进攻、角度、距离和同源关系,将其抽象为点边拓扑结构;S3、定义几种典型进攻态势的图元结构,利用Ullmann算法对其进行匹配,实现特定态势的识别。本发明实现了对模拟对战群体进攻态势的新颖、高效而直观的识别,提高了指挥人员感知战场态势的效率。

    战役级群体移动态势的箭头绘制方法

    公开(公告)号:CN116863035A

    公开(公告)日:2023-10-10

    申请号:CN202310862251.X

    申请日:2023-07-13

    Applicant: 中南大学

    Abstract: 本发明公开了一种战役级群体移动态势的箭头绘制方法,包括以下步骤:S1:建立群体目标移动轨迹,根据每个群体目标的移动轨迹建立一条代表整个群体的群体目标移动轨迹;S2:箭头类型判断;S3:确定箭头主控制点和从控制点;S4:渲染控制点并绘制箭头。本发明解决了现有技术中采用人工选择控制点,耗时费力,且无法及时反应战役实时态势的问题,另外,还解决了现有技术直接利用原始轨迹产生的控制点可能会有重叠而导致箭头严重变形的问题。

    面向不均衡社交网络的图采样方法

    公开(公告)号:CN116595267A

    公开(公告)日:2023-08-15

    申请号:CN202310635601.9

    申请日:2023-05-31

    Applicant: 中南大学

    Abstract: 本发明公开了一种面向不均衡社交网络的图采样方法,包括以下步骤:步骤S1、候选种子节点识别:从初始不均衡社交网络图中识别出候选种子节点;步骤S2、种子节点筛选:删除候选种子节点中的社区内中心节点,保留桥梁节点;步骤S3、种子节点精选:通过优化函数对步骤S2得到的桥梁节点进行精选,得到图采样起点节点;步骤S4、通过度引导的随机游走采样方法从图采样起点节点开始进行图采样,得到采样后的不均衡社交网络图。本发明解决了现有图采样方法在针对不均衡社交网络进行图采样后容易出现社区结构丢失、社区结构关联关系破坏以及社区结构规模分布失真,导致分析人员无法快速准确的在不均衡社交网络等问题。

    一种动态函数调用的可视化方法
    18.
    发明公开

    公开(公告)号:CN115952230A

    公开(公告)日:2023-04-11

    申请号:CN202211258789.1

    申请日:2022-10-14

    Applicant: 中南大学

    Abstract: 本发明公开的一种动态函数调用的可视化方法,属于信息可视化技术领域,具体为获取动态函数调用数据;将原始数据转换为带索引信息的层次结构数据;基于广度优先遍历算法确定函数节点布局及设置调用连边属性;绘制层次化的函数调用概览;将函数调用的索引区间映射到节点高度上;绘制细粒度的函数调用。本发明提出了一种紧凑化和左对齐的层次化函数节点布局方法,提供了函数调用中二元、层次信息的概览;并在函数节点上进行了图元设计,简洁美观地展示了细粒度的函数调用时序信息,方便分析人员快速定位多次发生的调用、高效识别连续或周期调用模式。可以帮助他们精简工作流程,节约工作时间。

    一种数据资产图谱化简方法

    公开(公告)号:CN115329142A

    公开(公告)日:2022-11-11

    申请号:CN202210889377.1

    申请日:2022-07-27

    Applicant: 中南大学

    Abstract: 本发明保护一种数据资产图谱化简方法,对数据资产图谱提取核节点集合与非核节点集合,构建普通节点分组集合;进行粗过滤和遍历划分筛选出同类型的子图;子图塌陷成子图节点并进行同源判断,插入虚拟节点与同源的子图节点连接,通过SDNE图嵌入模型处理得到节点嵌入向量;利用DBSCAN聚类算法进行聚类,对聚类结果进行异质判断,划分同类节点和噪音节点;计算所有聚类结果的采样率,在所有聚类结果中随机采样,删除采样节点和关联的连边,得到化简后的数据资产图谱。本发明有效减少图谱视觉密集区域下的冗余结构,在不影响图谱整体拓扑特性的同时突出图谱主要结构特征,明显提高对图谱的探索分析过程,有助于重要数据资产结构的识别和探索。

Patent Agency Ranking