公开(公告)号：CN117291600A

公开(公告)日：2023-12-26

申请号：CN202310874347.8

申请日：2023-07-17

Applicant: 北京交通大学 ,  天津大学

Inventor： 段莉 ,  王岚锐 ,  王伟 ,  李超 ,  许光全 ,  金一 ,  刘吉强

IPC: G06Q20/40 ,  G06N3/0464

Abstract: 本发明提供了一种区块链异常交易行为检测方法、装置、设备及介质，包括：获取各个账户的交易信息，账户的类型包括异常账户与正常账户；根据交易信息构建账户局部交易图，账户局部交易图中的节点为账户，边为账户之间的交易；根据交易信息获取账户交易属性特征；基于账户局部交易图与账户交易属性特征对预先构建好的检测模型进行训练，从而获得训练好的检测模型；其中，预先构建好的检测模型为基于PNA卷积层的图神经网络的模型；利用训练好的检测模型对待检测账户进行检测，获得检测结果。本发明能够提升检测鲁棒性，有利于提供更加全面、完整且深层次的图结构特征，有利于挖掘更加细粒度的交易图特征，进而提升模型检测的准确度。

公开(公告)号：CN116962085B

公开(公告)日：2023-12-08

申请号：CN202311213109.9

申请日：2023-09-20

Applicant: 北京交通大学

Inventor： 王伟 ,  陈国荣 ,  吕晓婷 ,  许向蕊 ,  祝咏升 ,  胡福强 ,  刘鹏睿 ,  陈政 ,  韩臻 ,  段莉 ,  李超 ,  金一

IPC: H04L9/40 ,  H04L41/16 ,  G06N3/098

Abstract: 本说明书实施例提供了一种鲁棒的个性化联邦学习方法、装置及系统，方法包括：服务器接收来自多个客户端的模型更新数据，模型更新数据为在客户端上训练的本地模型的参数在训练前后的参数差值；服务器根据模型更新数据，得到各模型更新数据之间的基于α的层位置正则化相似度；服务器针对每一个客户端，根据基于α的层位置正则化相似度，得到模型更新数据的权重；服务器根据模型更新数据的权重和模型更新数据，分别得到各客户端对应的聚合模型更新数据；服务器发送聚合模型更新数据到各客户端。本申请提供的技术方案用以解决在联邦学习中系统中存在恶意攻击者时，通过本地协作训练

公开(公告)号：CN116882517A

公开(公告)日：2023-10-13

申请号：CN202310824375.9

申请日：2023-07-06

Applicant: 北京交通大学

Inventor： 李浥东 ,  陈颢瑜 ,  陈乃月 ,  任申元 ,  金一

IPC: G06N20/00 ,  H04L67/1001 ,  H04L67/1095 ,  G06F18/23

Abstract: 本发明提供一种基于节点冗余度量的联邦公平性数据分配方法及系统，属于机器学习联邦训练技术领域，对节点的本地数据集进行稀疏化特征提取，并根据提取出每个客户端的特征图，计算不同客户端特征图之间的相似性，以量化节点数据集中特征图映射的相似性来评估客户端的数据冗余程度。提出模型冗余信息评估的方法，结合数据冗余评估，综合评估每个客户端在联邦学习中的冗余信息。设计公平修剪聚合方法，综合考虑数据冗余评估和模型冗余评估，从而得出每个客户端的冗余程度，以评估其对联邦学习的实际贡献。在全局聚合过程中，每个客户端的全局聚合权重基于其自身的冗余程度，将更多的权重分配给冗余程度较低的客户端，以提高联邦学习的公平性。

公开(公告)号：CN116824625A

公开(公告)日：2023-09-29

申请号：CN202310616550.5

申请日：2023-05-29

Applicant: 北京交通大学

Inventor： 金一 ,  亓佳 ,  梁腾飞 ,  王旭 ,  李浥东 ,  王涛

IPC: G06V40/10 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/08 ,  G06N3/084

Abstract: 本发明提供了一种基于生成式多模态图像融合的目标重识别方法。该方法包括：利用跨模态图像生成网络生成输入图像的另一模态的图像，得到成对图像，所述输入图像包括可见光图像或者红外图像；构建并训练基于分块的双重多模态特征融合模块，将所述成对图像输入到训练好的双重多模态特征融合模块中，得到所述成对图像的融合特征；基于所述成对图像的融合特征利用余弦距离测量所述成对图像之间的差异特征，对所述差异特征进行补偿。本发明利用了丢失的模态特定特征的信息，利用对比学习来关联输入与输出图像对应位置的信息，保留了行人的身份信息，从而可以有效地对多模态图像进行行人目标重识别。

公开(公告)号：CN116800482A

公开(公告)日：2023-09-22

申请号：CN202310681884.0

申请日：2023-06-09

Applicant: 北京交通大学

Inventor： 段莉 ,  杨柳 ,  王伟 ,  李超 ,  金一 ,  刘吉强 ,  王健 ,  李洋 ,  张君豪 ,  王岚锐

IPC: H04L9/40 ,  H04L9/00 ,  H04L41/16

Abstract: 本发明提供了一种以太坊‑联盟链异构跨链系统的攻击检测与防护方法。该方法包括：对以太坊‑联盟链异构跨链系统中以太坊端的智能合约的源码及操作码进行特征提取，构建含标签的特征数据集和跨链合约漏洞库；以带标签的特征数据集作为输入数据训练跨链智能合约检测模型，将训练好的跨链智能合约检测模型进行封装作为跨链智能合约漏洞检测包；待检测的智能合约通过漏洞检测包之后输出检测结果列表，根据检测结果列表在漏洞库中寻找出相应漏洞的修补措施并给出防护指令。本发明构建未知漏洞判别机制，通过生成模型训练得到未知漏洞特征并由孪生网络评估合约相似性，对含未知漏洞合约启动链闸机制，阻断跨链系统的未知风险。

公开(公告)号：CN116777842A

公开(公告)日：2023-09-19

申请号：CN202310591633.3

申请日：2023-05-24

Applicant: 北京交通大学

Inventor： 金一 ,  鲁浩然 ,  王旭 ,  王涛 ,  李浥东

IPC: G06T7/00 ,  G06T7/73 ,  G06V10/44 ,  G06V10/80 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/084

Abstract: 本发明提供基于深度学习的轻量化纹理表面缺陷检测方法和系统，方法分为训练和测试阶段。训练阶段基于输入训练集的纹理表面图像，并将其通过层层卷积前向传播得到缺陷特征的预测框，得到缺陷特征的预测框，接着计算缺陷特征的预测框和目标图像真实框之间的损失，利用损失进行反向传播，更新模型权重，重复这个过程直到达到设定的迭代轮数epoch。之后是测试阶段，加载测试集的数据，通过训练好的模型输出缺陷图像的类别和定位，并进行评估指标计算，根据指标进行模型性能的判定，如果不能满足预期要求，则重新回到训练环节，进行进一步的调整训练，如果已经达到预期的性能，则保存模型权重，完成整个技术发明的流程，得到最终的解决方案。

公开(公告)号：CN116524534A

公开(公告)日：2023-08-01

申请号：CN202310381255.6

申请日：2023-04-11

Applicant: 北京交通大学

Inventor： 李浥东 ,  李志强 ,  曹原周汉 ,  陈乃月 ,  张慧 ,  金一

IPC: G06V40/10 ,  G06V10/82 ,  G06V10/762 ,  G06N3/0464 ,  G06N3/088

Abstract: 本发明提供一种基于对比学习的无监督行人重识别方法，包括：使用ImageNet预训练的ResNet‑50网络来初始化骨干编码器fθ；利用初始化后的编码器从原始数据集提取特征向量；使用DBSCAN聚类算法进行聚类，并根据每个聚类集群中的向量初始化内存字典；迭代抽取小批量的特征向量结合当前内存字典利用集群对比损失以及离群值损失训练编码器；更新内存字典中相应集群所对应的特征向量；迭代进行从DBSCAN聚类到训练模型编码器之间的步骤，直到模型收敛。本发明提供的方法，通过对比学习迭代提升网络模型的编码能力，使得实际相似的输入图片在高维空间中距离相近，反之差异越大的图片在高维空间中有着越大的距离；具备这样能力的编码器在执行下游任务时，可以快速收敛并且取得更好的性能。

公开(公告)号：CN115907029A

公开(公告)日：2023-04-04

申请号：CN202211391958.9

申请日：2022-11-08

Applicant: 北京交通大学

Inventor： 王伟 ,  刘敬楷 ,  吕晓婷 ,  李超 ,  段莉 ,  金一 ,  李强 ,  刘吉强 ,  刘鹏睿 ,  许向蕊 ,  曹鸿博 ,  李珊

IPC: G06N20/00

Abstract: 本发明提供一种面向联邦学习投毒攻击的防御方法及系统，属于网络安全技术领域，在每轮联邦训练开始阶段将全局模型传输给各个参与方；其中，在第一轮联邦训练时初始化全局模型；利用接收到的参数更新后的全局模型，聚合新的全局模型；其中，参与方基于本地数据和初始化全局模型进行规定轮次的本地训练，进行全局模型参数的更新。本发明计算每一层模型更新的偏差和整体模型更新的偏差，将超过阈值的模型更新偏差的数量作为异常得分，筛选异常得分最小的参与方的模型更新进行聚合，实现了比仅考虑全部参数的距离更细粒度的筛选，筛选结果的数量基于更新参数的异常程度，保证了模型的收敛速度和准确率，同时能有效地应对目标性和非目标性的投毒攻击。

公开(公告)号：CN115240106A

公开(公告)日：2022-10-25

申请号：CN202210815080.0

申请日：2022-07-12

Applicant: 北京交通大学

Inventor： 金一 ,  王佳艺 ,  冯松鹤 ,  郎丛妍 ,  王涛 ,  李浥东

IPC: G06V20/40 ,  G06V10/764 ,  G06V10/80 ,  G06V10/774 ,  G06V10/82 ,  G06V10/74 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供一种任务自适应的小样本行为识别方法及系统，属于计算机视觉技术领域，获取待识别的视频数据；利用预先训练好的识别模型，对获取的所述待识别的视频数据进行处理，得到动作类别结果加入注意力层，提取行为主体在图片帧中的位置信息以及图像内容信息，通过注意力机制对提取的特征特征进行调制，获取同一类动作的类内特征共性以及不同类动作的类间的差异性。本发明提取特征时加入注意力层，产生更具分辨性的特征表示；对同类行为中不同样本进行随机多模态融合，扩充了支持集数据，使得模型对行为主体所在环境的变换鲁棒性更强；通过task级的特征调制，使特征更符合当前任务的需求并聚焦于行为主体，有助于提高分类准确率。

公开(公告)号：CN114595804A

公开(公告)日：2022-06-07

申请号：CN202210158680.4

申请日：2022-02-21

Applicant: 北京交通大学

Inventor： 丁春涛 ,  李浥东 ,  金一 ,  王涛 ,  陈乃月 ,  徐群群 ,  向涛

IPC: G06N3/04 ,  G06N3/08

Abstract: 本发明提供了一种面向强鲁棒性的神经网络模型生成方法。该方法包括：根据随机数种子生成随机数集合；利用随机数集合对每个种子卷积核使用单项式生成函数生成多个新的生成卷积核，将所有的卷积核构成神经网络模型；将神经网络模型部署在终端设备上，终端设备利用所述神经网络模型进行数据处理。本发明提供了一种针对部分破坏数据的面向强鲁棒性的神经网络模型生成方法，解决现有技术中存在的模型鲁棒性低的问题。通过在神经网络模型中引入不可学习参数，减少模型对训练数据的依赖。