-
公开(公告)号：CN115860117B
公开(公告)日：2023-05-09
申请号：CN202310149931.7
申请日：2023-02-22
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06N5/02 , G06F40/30 , G06F18/241 , G06F21/57
Abstract: 公开了一种基于攻防行为的MDATA知识抽取方法及其系统，其基于深度学习的人工智能技术与自然语言处理技术，以在网络攻防演习中记录攻防行为数据，并对攻防双方的攻防数据进行联合分析，去除所有的无效攻击步骤，将所有的有效攻击步骤抽取出来作为MDATA知识以构建网络安全知识库。这样，不仅从全面而丰富的攻防行为数据中提取到攻击者攻击过程中的时空特性，还提高了知识抽取的有效性。
-
公开(公告)号：CN114638195B
公开(公告)日：2022-11-18
申请号：CN202210069337.2
申请日：2022-01-21
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) , 东莞理工学院 , 湖南大学
IPC: G06F40/126 , G06F40/211 , G06F40/284 , G06F16/35 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于多任务学习的立场检测方法。该方法通过将输入文本输入至多任务图网络模型，得到输入文本的立场检测极性和情感分类极性；所述多任务图网络模型为图卷积神经网络模型，多任务图网络模型包括文本输入处理模块、任务交互模块和任务相关注意力模块；文本输入处理模块用于将输入文本处理成多个词向量；任务交互模块用于构建立场相关图和情感相关图，并采用迭代交互异质图更新方法对立场相关图和情感相关图进行更新；任务相关注意力模块用于根据立场相关图的立场特征表示和情感相关图的情感特征表示计算输入文本的检测立场的极性和分类情感的极性。本发明技术方案提高了针对推文文本进行立场检测的准确性。
-
公开(公告)号：CN114723071A
公开(公告)日：2022-07-08
申请号：CN202210450751.8
申请日：2022-04-26
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本发明公开了一种基于客户端分类和信息熵的联邦学习方法及装置，涉及机器学习技术领域，该方法包括：基于客户端在非独立同分布数据场景的偏置程度，将客户端归入第一服务器或第二服务器；在相对应的服务器中训练客户端，得到训练好的客户端模型，并确定客户端模型的本地模型参数，并基于本地模型参数对应的更新第一服务器的第一模型参数和第二服务器的第二模型参数；确定第一服务器和第二服务器满足交互条件，基于第一模型参数和第二模型参数分别对应的权重，更新中央服务器的中央模型参数。本发明可以提升联邦学习的模型准确率，使得联邦学习适用于在不同混合程度的Non‑IID场景。
-
公开(公告)号：CN113553610B
公开(公告)日：2021-12-31
申请号：CN202111103182.1
申请日：2021-09-22
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本发明公开了一种基于同态加密和可信硬件的多方隐私保护机器学习方法，包括：将私钥sk发送给各个数据方和可信硬件R；服务器S整合各个数据方上传的密文数据得到密文数据集；服务器S在密文数据集的基础上，将普通机器学习算法中的线性运算替换为同态加法和同态乘法，在密文状态下进行机器学习建模；服务器S在完成密文下的机器学习建模后，将加密的模型密文下发给各个数据方；各个数据方利用私钥解密模型密文，得到由各个数据方的数据D训练得到的模型。本发明利用全同态加密的性质、以及依靠可信硬件实现的模拟自举和执行激活函数功能，能够获得与对未加密数据进行机器学习训练的模型一致的准确率。
-
公开(公告)号：CN111260039B
公开(公告)日：2020-08-07
申请号：CN202010369831.1
申请日：2020-05-06
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本发明提供了一种基于辅助任务学习的视频游戏决策方法，包括以下步骤：S1、构建神经网格模型；S2、启动多进程视频游戏环境；S3、判断是否运行了指定轮次，如果否，则进入步骤S4，如果是，则进入步骤S6；S4、获取游戏经验，更新经验池；S5、将经验输入到神经网格模型，更新神经网格模型参数，返回步骤S3；S6、保存神经网格模型；S7、在视频游戏里利用神经网格模型决策；S8、结束。本发明的有益效果是：可以更准确地估计三维场景中的状态价值以及引起状态改变的智能体动作。
-
Patent Agency Ranking
公开(公告)号：CN111260039A
公开(公告)日：2020-06-09
申请号：CN202010369831.1
申请日：2020-05-06
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本发明提供了一种基于辅助任务学习的视频游戏决策方法，包括以下步骤：S1、构建神经网格模型；S2、启动多进程视频游戏环境；S3、判断是否运行了指定轮次，如果否，则进入步骤S4，如果是，则进入步骤S6；S4、获取游戏经验，更新经验池；S5、将经验输入到神经网格模型，更新神经网格模型参数，返回步骤S3；S6、保存神经网格模型；S7、在视频游戏里利用神经网格模型决策；S8、结束。本发明的有益效果是：可以更准确地估计三维场景中的状态价值以及引起状态改变的智能体动作。
-
公开(公告)号：CN119854038A
公开(公告)日：2025-04-18
申请号：CN202510322616.9
申请日：2025-03-19
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本申请提供一种用于认证加密与解密数据的方法及相关设备。该方法包括：获取原始数据包，所述原始数据包是利用XDP技术在链路层捕获的；对所述原始数据包的有效载荷进行加密，以得到第一数据包；生成消息摘要并对所述消息摘要进行签名，以生成消息认证码；将所述消息认证码和所述第一数据包进行封装，以得到第二数据包；对所述第二数据包的真实性进行验证；响应于所述第二数据包验证通过，将所述第二数据包写入解密线程队列进行解密，以得到所述原始数据包。通过上述方法实现了终端与业务系统之间数据传输的认证加密，使得终端与业务系统之间的数据传输更加安全。
-
公开(公告)号：CN119557785A
公开(公告)日：2025-03-04
申请号：CN202411601665.8
申请日：2024-11-11
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06F18/2431 , G06F18/21 , G06F18/25 , G06F18/213 , G06N5/04 , G06N3/045
Abstract: 本发明涉及人工智能技术领域，具体涉及一种多模态情感分类模型训练方法及多模态情感分类方法。方法包括：获取包含多模态样本的训练样本；采用预设神经网络提取多模态样本的多模态特征；采用可学习掩码对多模态特征过滤，得到多模态因果特征；采用多模态特征的情感分类损失和多模态因果特征的情感分类损失计算因果效应；采用由因果效应和可学习参数确定的调度权重和情感分类损失确定联合损失；采用联合优化对预设神经网络、预设分类器以及联合损失中的参数进行参数优化，并基于参数优化后的预设神经网络、可学习掩码和预设分类器构建多模态情感分类模型。该方法实现了基于因果关系的多模态特征学习，缓解了虚假关联问题，提高了情感分类的性能。
-
公开(公告)号：CN117909912B
公开(公告)日：2024-07-02
申请号：CN202410312729.6
申请日：2024-03-19
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06F18/2433 , G06F18/213 , G06F18/243 , G06F18/214
Abstract: 本发明涉及计算机与人工智能技术领域，特别涉及一种两阶段异常用户行为分析的检测方法及系统。其方法包括步骤：S1.数据特征处理：在获取用户行为信息及用户身份信息后将数据进行特征处理；S2.建立基准模型：分析用户行为的时间分布情况，选取部分特征数据建立基准模型，利用基准模型进行粗粒度的用户行为检测，找出存在异常用户；S3.细粒度检测：对基准模型找出的存在异常用户进行细粒度的第二阶段检测。本发明在第一阶段的基准模型实现行为级异常的检测，并能按时间顺序依次检测每周用户的行为情况，在第二阶段进行细粒度的用户级异常的检测，找出异常行为与用户的对应关系，更准确、更高比例地找出异常行为和用户并减少误报。
-
公开(公告)号：CN117909912A
公开(公告)日：2024-04-19
申请号：CN202410312729.6
申请日：2024-03-19
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06F18/2433 , G06F18/213 , G06F18/243 , G06F18/214
Abstract: 本发明涉及计算机与人工智能技术领域，特别涉及一种两阶段异常用户行为分析的检测方法及系统。其方法包括步骤：S1.数据特征处理：在获取用户行为信息及用户身份信息后将数据进行特征处理；S2.建立基准模型：分析用户行为的时间分布情况，选取部分特征数据建立基准模型，利用基准模型进行粗粒度的用户行为检测，找出存在异常用户；S3.细粒度检测：对基准模型找出的存在异常用户进行细粒度的第二阶段检测。本发明在第一阶段的基准模型实现行为级异常的检测，并能按时间顺序依次检测每周用户的行为情况，在第二阶段进行细粒度的用户级异常的检测，找出异常行为与用户的对应关系，更准确、更高比例地找出异常行为和用户并减少误报。
-
-
-
-
-
-
-
-
-
Search Results
157
records
(took 0.051 seconds)
