-
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。
-
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。
-
Patent Agency Ranking
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。
-
公开(公告)号：CN117573975A
公开(公告)日：2024-02-20
申请号：CN202311548012.3
申请日：2023-11-17
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) , 鹏城实验室
IPC: G06F16/9535 , G06N3/0455 , G06N3/042 , G06N3/048 , G06N3/098
Abstract: 本发明提供了一种联邦跨领域的信息推荐方法、装置、终端设备及介质，所述信息推荐方法从服务器获取预先训练好的跨域序列推荐模型，并且通过用户的交互信息，确定对用户的推荐建议。该模型由服务器将多个本地模型聚合得到，每个本地模型对应一个客户端，并且每个本地模型在对应的客户端本地训练得到，这样，对于客户端来说，不需要将本地的数据上传到服务器，也可以通过服务器训练得到跨域序列推荐模型，然后从服务器获取该模型并进行应用，确保了客户端数据拥有方的数据隐私，此外相比现有的定制化推荐模型，跨域序列推荐模型通过多个本地模型聚合得到并且各本地模型分别由对应客户端本地训练得到，可以有效提高跨域序列推荐模型的性能和质量。
-
公开(公告)号：CN117040767B
公开(公告)日：2024-01-23
申请号：CN202311303994.X
申请日：2023-10-10
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) , 北京邮电大学
Abstract: 本申请提供一种基于PUF的细粒度多端身份认证方法以及相关设备。在申请中，网关节点不再向用户发行智能卡，从而避免基于智能卡或者移动设备的离线口令猜测攻击，智能卡丢失攻击的问题。同时，模运算的周期性直接导致攻击者无法有效猜测出用户的口令，保护口令安全。网关节点利用SM4加密算法加密了用户细粒度认证的相关参数，保障用户只能在自己的权限范围内与特定通信实体进行认证，运用物理不可克隆函数（Physically Unclonable function，简称PUF）保护用户的口令安全。进一步地，在用户端向网关节点进行验证，设计了访问时间阈值及控制条件，以限制用户端验证过程的时效，确保在有效授权时间内，进行多端身份认证，有效保障
-
公开(公告)号：CN116738443B
公开(公告)日：2023-12-26
申请号：CN202311003502.5
申请日：2023-08-10
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: G06F21/57 , G06F18/214
Abstract: 本发明公开了一种基于多示例感知的软件漏洞检测方法及相关设备，所述方法包括：获取包级代码片段，使用预训练模型对所述包级代码片段进行训练，得到表征向量；将表征向量分别映射到不同的线性空间中，得到包级代码片段的注意力表征向量；将第一标志向量与表征向量结合，得到包级代码片段中的每个函数代码片段的第二表征向量，将每个函数代码片段的第二表征向量拼接，再进行卷积和拆分操作，得到函数级第二标志向量和目标表征向量，并通过最大池化层计算得到文件级标志向量，根据函数级第二标志向量和文件级标志向量检测漏洞。本发明捕捉示例本身的局部信息和不同示例之间的全局信息，同时检测判断文件级代码和函数级代码是否包含漏洞。
-
-
-
-
-
-
-
-
-
Search Results
157
records
(took 0.029 seconds)
