-
公开(公告)号：CN117170673A
公开(公告)日：2023-12-05
申请号：CN202310971362.4
申请日：2023-08-03
Applicant: 浙江大学 , 杭州优稳自动化系统有限公司
IPC: G06F8/41 , G06F8/53 , G06F18/22 , G06F18/214
Abstract: 本发明公开了一种面向二进制代码文本注释自动化生成方法及装置。收集并匹配汇编代码、相应的源代码以及相应的注释信息，构建数据集；对汇编函数指令依次进行正则化和一致性操作去重处理，得到只包含函数处理逻辑和功能的汇编函数代码；根据所述汇编函数代码，分别构建汇编代码指令级控制流图和反编译形成的伪代码；构建编码器‑解码器模型，所述编码器‑解码器模型由三个编码器和一个解码器组成，用于生成相应的注释文本；利用所述训练集对所述编码器‑解码器模型进行训练；利用训练好的编码器‑解码器模型对测试集中的汇编函数代码进行处理，生成相应的注释文本。本发明是一项首次在闭源、计算机底层语言场景下实现高维语义信息恢复的技术创新。
-
公开(公告)号：CN119473650A
公开(公告)日：2025-02-18
申请号：CN202411447448.8
申请日：2024-10-16
Applicant: 浙江大学 , 浙江大学软件学院(宁波)管理中心(宁波软件教育中心)
IPC: G06F9/54 , G06F12/02 , G06F16/22 , G06F16/245
Abstract: 本发明公开了一种基于CXL内存架构的多节点高性能数据共享索引方法，本发明中主服务器节点用于构建CXL数据索引区和数据存储区。各服务器节点连接CXL内存设备后，通过NUMA绑定方式将CXL内存设备挂载到服务器节点，并指定共享区域，实现多节点对CXL物理内存数据的共享访问。连接到CXL内存后，主服务器节点构建CXL数据索引区和共享存储区，并通过哈希索引表支持多节点的数据存储和查询。查询请求时，通过哈希函数定位数据在哈希表中的位置，并在数据哈希索引表中进行查询和匹配，最终定位数据所在内存区域。找到数据后，服务器节点将数据从CXL内存加载到本地内存中使用，实现了跨服务器节点的数据共享。
-
公开(公告)号：CN119271489A
公开(公告)日：2025-01-07
申请号：CN202411294446.X
申请日：2024-09-14
Applicant: 浙江大学 , 浙江大学软件学院(宁波)管理中心(宁波软件教育中心)
IPC: G06F11/30
Abstract: 本发明公开了一种库操作系统系统级别事件检测与控制方法，Unikernel作为单核操作系统，传统监控方式需要使用一个线程，会使监控线程和主线程进行资源抢占，极大的影响主程序的执行。而本发明是一种无线程的监控方式，能够在不干扰主线程的情况下，对Unikernel的运行状态进行实时的采集和分析，提高监控的效率和准确性。现有堆栈监控方式不够灵活，如果栈上有重要事件，必须通过不断轮询才能直到它的情况。没有一种自动触发的机制来通知栈上行为，可控性不强。本发明构建了基于事件驱动的堆栈监控方式，能够在栈上发生变化时，自动触发相应的回调函数，实现对栈上事件的及时响应和处理，提高堆栈监控的灵活性和可控性。
-
公开(公告)号：CN118626517A
公开(公告)日：2024-09-10
申请号：CN202410918721.4
申请日：2024-07-10
Applicant: 浙江大学 , 浙江大学软件学院(宁波)管理中心(宁波软件教育中心)
IPC: G06F16/2453 , G06F16/28 , G06F16/242 , G06F16/27
Abstract: 本发明公开了一种基于区块链数据不可篡改特性的高效分类检索结构及其衔接查询方法。本发明中的数据属性按特征进行分类，每个数据是否具有某一个特征用二进制的一个比特标识，其最终索引的数据保持区块链上数据的时序性；检索过程中以位运算和数学运算为主，最终检索得到的结果是满足条件的数据相对于第一个数据的相对偏移量，最后在数据文件中通过计算偏移量移动磁头进行精确I/O。本发明基于区块链上数据不可篡改的独特特性，能以常数数量级进行维护，具有极高的可扩展性；检索单个数据的复杂度也能降为常数数量级。同时提出了衔接查询，可以极大地减少检索开销，解决了现有区块链检索结构随着区块链上数据规模增大而导致的性能下降问题。
-
公开(公告)号：CN118094563A
公开(公告)日：2024-05-28
申请号：CN202410326466.4
申请日：2024-03-21
Applicant: 浙江大学 , 浙江大学软件学院(宁波)管理中心(宁波软件教育中心)
Abstract: 本发明提出了一种基于大语言模型和版本提交过滤的开源软件漏洞补丁检测方法及装置。首先，从漏洞数据库和开源代码仓库收集开源软件漏洞信息及代码仓库信息，之后得到代码仓库修复版本上一版本到修复版本的所有代码提交，用以在更小的候选提交集合中找到正确补丁提交，再按照预定规则筛选版本代码提交集得到候选代码提交集，根据漏洞信息和候选提交信息，构建自洽性思维链生成提示词，调用大语言模型，得到关于漏洞补丁的输出序列和对应的推理路径，最后基于多数投票的原则得到漏洞代码补丁提交集。基于安全可靠的本发明在泛化能力、准确性、成本、效率、延迟性等方面优于现有方法，且在不同规模和领域的项目上表现稳定。
-
Patent Agency Ranking
公开(公告)号：CN119473952A
公开(公告)日：2025-02-18
申请号：CN202411447447.3
申请日：2024-10-16
Applicant: 浙江大学 , 浙江大学软件学院(宁波)管理中心(宁波软件教育中心)
Abstract: 本发明公开了一种基于CXL内存架构的两级数据池数据加载方法，本发明将CXL内存作为冷数据池存储使用频率较低的数据，服务器节点的DRAM内存作为热数据池存储使用频率较高的数据。当一个CXL内存上的数据多次被使用时，数据监控器将通过延迟缓存策略判断是否能将其转移为热数据，并将其缓存。本发明还采用了自适应的缓存策略将热数据通过热数据池在服务器保留一定时间，提升应用性能。热数据池动态的学习缓存策略。每次添加热数据或驱逐热数据时，都将根据LRU‑S、LFU‑S和FIFO专家权重来选择缓存策略。同时热数据池包含历史列表，允许缓存策略的驱逐决策后悔行为，并对错误决策进行惩罚。
-
公开(公告)号：CN118316623A
公开(公告)日：2024-07-09
申请号：CN202410496169.4
申请日：2024-04-24
Applicant: 浙江大学软件学院(宁波)管理中心(宁波软件教育中心) , 浙江大学
Abstract: 本发明公开了一种AIGC模型联邦学习训练的全阶段可信保障方法。本发明以区块链作为技术和Nostr协议为基础，设计基于Nostr协议的多方数据验证机制保障数据准备阶段可信，设计链上和链下相结合的验证策略保证适配器更新可信，设计链上选举，链下合并模型，链上验证策略保证模型合并可信，旨在保证以大语言模型为代表的AIGC模型联邦学习训练的全流程可信。
-
公开(公告)号：CN117763588A
公开(公告)日：2024-03-26
申请号：CN202311810834.4
申请日：2023-12-26
Applicant: 浙江大学
IPC: G06F21/60 , G06F18/214 , G06N3/084 , G06Q50/18
Abstract: 本发明公开了一种基于授权机制的本地化大模型保护方法及其系统，属于深度学习模型知识产权保护领域。本发明对待保护大模型的真实模型参数进行混淆，只有正确的授权才可以让混淆后的参数正常的运行，即使攻击者拿到混淆后的模型架构和参数也无法正常使用模型，做到了对于模型的主动保护。并且授权所需参数将随着模型参数的更新而调整，利用可信执行环境实现了反向传播过程中授权参数梯度的隐藏，确保了微调过程的有效保护。本发明对于微调过程中模型的保护不涉及参数通信或加密，并且产生的额外开销和模型的参数更新规模以及微调方式无关，这确保了本发明能过够支持全参微调，最终能够实现有效且轻量的本地化大模型全生命周期保护。
-
公开(公告)号：CN117636440A
公开(公告)日：2024-03-01
申请号：CN202311700805.2
申请日：2023-12-12
Applicant: 浙江大学 , 支付宝(杭州)信息技术有限公司
IPC: G06V40/16
Abstract: 本发明提出一种在物理域上针对黑盒人脸识别系统的对抗样本生成方法，应用于人工智能安全领域。所述生成方法包括：1)获得源人脸图像Xatk和目标人脸图像Xtar；2)构建对抗掩膜；3)生成数字域对抗样本Xadv，4)基于计算得到的组合损失函数使用优化器Adam优化对抗性扰动块；5)在物理域打印对抗性扰动块，裁剪后佩戴到攻击者人物模型上，拍摄后得到物理域对抗样本。本发明有效地增强了对抗样本的物理可实现性，有利于提升物理域对抗攻击成功率和活体检测通过率，从而用来对人脸识别系统进行健壮性评估或对抗训练。
-
公开(公告)号：CN117496118A
公开(公告)日：2024-02-02
申请号：CN202311374926.2
申请日：2023-10-23
Applicant: 浙江大学
IPC: G06V10/25 , G06V10/764 , G06V10/82
Abstract: 本发明公开了一种目标检测模型的窃取脆弱性分析方法和系统，属于模型窃取和人工智能知识产权保护分析领域。包括：获取相应任务场景和预测类别的无标注样本集；基于不确定度的主动学习方法，从无标注样本集中筛选查询数据集并迭代训练替代模型；基于互联网样本的数据集增强，更新查询数据集；基于目标检测的多尺度一致性，优化更新后的查询数据集中的标注；基于优化标注后的查询数据集训练替代模型；根据替代模型和目标模型的性能分析结果判断目标模型的窃取脆弱性。本发明填补了现有研究中针对目标检测深度学习模型的模型窃取威胁分析的空缺。
-
-
-
-
-
-
-
-
-
Search Results
74
records
(took 0.032 seconds)
