-
公开(公告)号：CN112650767A
公开(公告)日：2021-04-13
申请号：CN202011378190.2
申请日：2020-11-30
Applicant: 中国科学院信息工程研究所
IPC: G06F16/242 , G06F16/25 , G06F16/9532
Abstract: 本发明提供一种数据过滤前置的数据交换方法及系统，包括：接收外网服务器发送的客户端数据查询请求，其中所述客户端数据查询请求根据设定过滤规则生成；解析客户端数据查询请求，将得到的任务发送至元数据库，以得到内部数据；转换接收的内部数据，将得到的外部数据经外网服务器返回至相应客户端。本发明因为数据过滤由数据交换系统内部进行，所以客户端只能接到符合过滤规则的数据，从而保障数据安全，降低了客户端的资源消耗。
-
公开(公告)号：CN112597479A
公开(公告)日：2021-04-02
申请号：CN202011388503.2
申请日：2020-12-01
Applicant: 中国科学院信息工程研究所
IPC: G06F21/46
Abstract: 本发明涉及一种基于GPU的针对口令密码的混合破解模式优化方法和装置。该方法的步骤包括：设置包含掩码、字典、规则的混合破解模式；基于GPU，按照混合破解模式中的不同破解模式生成口令集；基于GPU，根据生成的口令集执行密文破解任务并获得破解结果。本发明采用高性能计算的方式：CPU+GPU协同计算，在速度上较串行版本有大提升；本发明支持7种破解模式，为了丰富候选口令形式，提高破解率，提出字典+掩码+规则混合破解模式。本发明在GPU架构上，设计并实现了基于混合破解模式的针对口令加密算法的解密过程，提高了解密任务的运行效率，对于解密应用性能和密码算法研究具有重要意义。
-
公开(公告)号：CN112507347A
公开(公告)日：2021-03-16
申请号：CN202011161521.7
申请日：2020-10-27
Applicant: 中国科学院信息工程研究所
IPC: G06F21/60
Abstract: 本发明公开了一种面向分布式密码破解框架的破解作业描述信息生成方法，其步骤包括：1)分布式密码破解框架根据待处理的密码破解需求对设定的破解作业类进行实例化，生成一破解作业对象；2)根据该破解对象对设定的破解信息类进行实例化生成相应的破解信息对象，并赋给该破解作业对象中的破解信息字段；3)根据设定的破解策略类对该破解作业对象配置的破解策略进行实例化，为每一所述破解策略生成一相应的破解策略对象并添加该破解作业对象的破解策略集字段中；然后累加各所述破解策略对象的破解空间长度，将破解空间长度总和赋给该破解作业对象的破解空间长度字段；将更新后的破解作业对象作为该密码破解需求的破解作业描述信息。
-
公开(公告)号：CN112380835A
公开(公告)日：2021-02-19
申请号：CN202011078614.3
申请日：2020-10-10
Applicant: 中国科学院信息工程研究所
IPC: G06F40/205 , G06F40/295 , G06F40/30 , G06N3/04
Abstract: 本发明提供一种融合实体和句子推理信息的问题答案提取方法及电子装置，包括：将一问题与若干目标文档拼接，输入预训练语言模型，得到问题表示Q与文档上下文表示C；获取融合文档信息的问题表示Q0与融合问题信息的文档表示C0；依据问题表示Q(t‑1)与文档表示Ct‑1，获取实体图节点集合E(t‑1)与句子图节点集合 并采用图注意力网络对实体图与句子图更新，获取问题表示Q(t)与文档表示Ct；对实体图节点集合E(t)与句子图节点集合 融合并与文档表示Ct交互；依据推理更新后上下文表示C′(t)，获取问题答案预测结果。本发明提出引入句子节点的图神经网络，通过门机制将实体表示与句子表示融合，利用句子级别推理信息弥补实体推理信息的缺失，提升推理阅读理解任务的性能。
-
公开(公告)号：CN112380326A
公开(公告)日：2021-02-19
申请号：CN202011079727.5
申请日：2020-10-10
Applicant: 中国科学院信息工程研究所
IPC: G06F16/332 , G06F16/36 , G06N3/04
Abstract: 本发明提供一种基于多层感知的问题答案抽取方法，其步骤包括：将一问题与若干目标文档拼接，输入到预训练语言模型中，得到问题的表示Q与目标文档的上下文表示P，将表示Q与上下文表示P交互，得到文档相关的问题表示u与融合问题信息的文档表示h；对问题表示u进行多层感知分类，获取问题的推理类型，并根据推理类型、问题表示u、文档表示h及通过表示Q生成的子问题ct，得到所述问题在目标文档中的答案注意力分布，其中t为生成子问题的次数；依据答案注意力分布，获取该问题的答案预测结果。本发明以子问题拆分的形式递进回答问题，引入推理类别分类器控制拆分，对问题的回答进行共享，提升推理阅读理解效果。
-
Patent Agency Ranking
公开(公告)号：CN112347097A
公开(公告)日：2021-02-09
申请号：CN202011011197.0
申请日：2020-09-23
Applicant: 中国科学院信息工程研究所
IPC: G06F16/22 , G06F16/242 , G06F16/27
Abstract: 本发明提供的支持多版本Hive表分区的数据加载、查询方法及电子装置，包括获取每条数据的分区字段；根据分区字段与各分区字段值列表的匹配关系，将每条数据写入相应的Hive表分区内；若存入哈希分区或自动间隔分区时，分区字段不能与现有的值列表匹配，创建新的哈希分区或自动间隔分区并生成新版本；若数据存入列表分区或区间分区时，列表分区规则或区间分区规则发生改动并生成相应新版本时，写入相应的列表分区或区间分区。本发明能够面对海量数据的存储和查询提供更加高效的复杂分区机制，在保持历史数据分区规则不变的同时，以多版本技术支持对增量数据分区规则在线调整，避免无意义扫描和计算，节省大量时间，极大提高系统的可维护性和查询效率。
-
公开(公告)号：CN112199532A
公开(公告)日：2021-01-08
申请号：CN202010906456.X
申请日：2020-09-01
Applicant: 中国科学院信息工程研究所
IPC: G06F16/532 , G06F16/55 , G06F16/583 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种基于哈希编码和图注意力机制的零样本图像检索方法及装置。该方法包括：构建哈希网络和关系网络；基于软边距的分类损失对哈希网络和关系网络进行训练；将数据库中的每一张图像输入到训练完成的哈希网络中，得到对应的图像哈希码；将待查询图像输入到训练完成的哈希网络中生成哈希码，计算其与数据库中每一张图像的哈希码之间的距离，并根据距离返回满足要求的查询结果。本发明能够同时考虑语义和视觉信息，充分挖掘类别之间的相似关系，从而更好地实现知识迁移，同时基于软边距的分类损失进行哈希学习能够在一定程度上避免对可见类别过拟合学习，提升模型对未见类别的泛化能力，进而提高零样本图像检索的效果。
-
公开(公告)号：CN112163494A
公开(公告)日：2021-01-01
申请号：CN202010995989.X
申请日：2020-09-21
Applicant: 中国科学院信息工程研究所
Abstract: 本发明提供一种视频虚假人脸检测方法及电子装置，包括：对对待检测视频进行人脸定位，得到人脸序列；对人脸序列进行预处理，得到指定大小和长度的视频采样帧序列；将视频采样帧序列输入训练好的三维可视域扩展卷积神经网络，判断待检测视频中的人脸是否为虚假人脸；其中，通过在三维卷积神经网络中每一由若干相连卷积层与一最大池化层组成的模块后面，增加一层或多层的可视域扩展模块，得到三维可视域扩展卷积神经网络；所述可视域扩展模块包括分别连接可视域扩展模块输入的若干支路和连接支路输出的Filter Concat层。本发明融合了视频的时空特征，并引入了三维可视域扩展模块，对视频进行不同尺度的特征提取，增加模型的鲁棒性并提升了模型性能。
-
公开(公告)号：CN109829499B
公开(公告)日：2020-10-27
申请号：CN201910097903.9
申请日：2019-01-31
Applicant: 中国科学院信息工程研究所
Abstract: 本发明涉及一种基于同一特征空间的图文数据融合情感分类方法和装置。该方法的步骤包括：1)使用自动编码机提取多模态数据中图片的压缩特征表达；2)使用CNN‑DCNN网络提取多模态数据中文字的压缩特征表达；3)将步骤1)、2)得到的图片特征和文本特征映射到同一个特征向量空间，得到图文整体特征；4)通过分类器对步骤3)得到的图文整体特征进行分类，得到情感分类结果。本发明将图、文特征映射到同一个空间下，再对整体信息进行情感分类，可以同时捕捉到微博等多模态数据的图、文数据之间语义相关性和情感相关性。
-
公开(公告)号：CN111091157A
公开(公告)日：2020-05-01
申请号：CN201911348018.X
申请日：2019-12-24
Applicant: 中国科学院信息工程研究所
Abstract: 本发明提出一种基于完形填空任务的视频自监督学习方法，属于数字化视频自监督领域，通过切分视频段，对选取视频段进行空间或/和时间的变换操作，再放回原视频中提取特征，进行变换操作的分类识别，由此实现自监督学习，通过这种完形填空的方式，在不需要人工标注数据的同时，引导网络学习丰富的视频特征，同时基于完形填空的特性，可以针对不同的特征融合多个自监督任务，增加了泛化性。
-
-
-
-
-
-
-
-
-
Search Results
227
records
(took 0.087 seconds)
