-
公开(公告)号：CN117593311A
公开(公告)日：2024-02-23
申请号：CN202410081459.2
申请日：2024-01-19
Applicant: 浙江大学
IPC: G06T7/00 , G06N3/0475 , G06N3/045 , G06N3/094 , G06N3/096 , G06N3/0455
Abstract: 本发明公开了一种基于对抗生成网络的深度合成图像检测增强方法及装置，属于图像检测技术领域，包括以下步骤：收集深度合成图像数据集 ；根据数据集训练真伪检测模型；训练对抗生成网络以提高真伪检测模型对深度合成数据的检测性能；根据真伪检测模型构建包含梯度信息在内新数据集；根据新数据集对第三方真伪检测模型进行重新训练；深度合成服务方使用对抗生成网络对深度合成图片进行增强，使得第三方真伪检测模型以高检测率检测深度合成图片。本发明采用上述的一种基于对抗生成网络的深度合成图像检测增强方法及装置，可以提高对深度合成图片的检测率。
-
公开(公告)号：CN117554716A
公开(公告)日：2024-02-13
申请号：CN202311301832.2
申请日：2023-10-07
Applicant: 浙江大学杭州国际科创中心
Abstract: 本申请涉及一种电子设备检测方法、装置、计算机设备和存储介质。所述方法包括：获取待检测的多个频域信息；基于待检测的多个频域信息，筛选符合电磁泄漏信号的频域特征的电磁泄漏频点；对电磁泄漏频点进行时域采集以及幅度解调，得到待定信号；确定待定信号的波形，若待定信号的波形为预设波形，则将待定信号对应的电磁泄漏频点确定为目标电子设备的频点。采用本申请的方法，可以提高电子设备检测的准确性，和电子设备检测方法的实用性。
-
公开(公告)号：CN116312548A
公开(公告)日：2023-06-23
申请号：CN202310123820.9
申请日：2023-02-16
Applicant: 浙江大学杭州国际科创中心
Abstract: 本发明公开了一种对说话人识别系统对抗样本的通用检测系统，包括包括多通道音频干扰模块，用于对输入的原始音频进行音频干扰，生成与原始音频对应的音频变种集合；说话人系统识别模块，用于将生成的音频变种集合输入至说话人识别系统中，提取音频变种集合对应的得分序列和判别结果序列；稳定性特征提取模块，用于对获得的得分序列和判别结果序列进行统计数特征提取，并将提取获得的特征值与得分序列进行联接，获得稳定性表示特征；单类别判别模块，根据稳定性表示特征，对输入的原始音频是否为对抗样本进行判断。本发明还公开了一种通用检测方法。本发明提供的系统可以可自适应多种情况下的对抗样本攻击检测，从而强化语音识别的安全性。
-
公开(公告)号：CN116013318A
公开(公告)日：2023-04-25
申请号：CN202211595730.1
申请日：2022-12-13
Applicant: 浙江大学
Abstract: 本发明公开了一种针对声纹识别防御模块的对抗样本构造方法，包括获得初始对抗扰动、原始音频和声学掩蔽音集，从声学掩蔽音集中选择一个能使听感失真度降到最低的声学掩蔽音，并和获得的初始对抗扰动与原始音频结合计算出对抗样本等步骤；本发明创新性地提出一种针对声纹识别系统防御模块的对抗样本构造方法，利用精心制作的声学掩蔽音，使人类听感失真度降到最低，并将其叠加到经过初始化的对抗扰动上，用以进行扰动掩蔽。并同时考虑多种具有代表性的防御模块，并使用集成学习方法将其与可学系的自适应权重相融合。最终生成同时满足攻击有效性、人类不可感知性、自适应性的对抗样本。
-
公开(公告)号：CN113362840B
公开(公告)日：2022-03-29
申请号：CN202110615983.X
申请日：2021-06-02
Applicant: 浙江大学
IPC: G10L21/0208 , G10L21/0216 , G10L21/0232 , G10L25/18 , G10L25/27
Abstract: 本发明公开了一种基于内建传感欠采样数据的通用语音信息恢复装置及方法，装置包括信号预处理模块、基频估计模块、频谱重建模块和频谱语音转换模块，信号预处理模块、基频估计模块、频谱重建模块和频谱语音转换模块依次连接，不仅能够恢复带宽极窄且严重混叠的传感器数据中的语音信息，还解决了基于学习的模型迁移性比较差的问题。手机内建传感器在不同的场景下采集的数据有不同的特点，本发明从传感器数据的内在特征与语音信号的特点出发，无需使用数据集进行模型训练，直接构造了一个语音信息恢复系统，且能够适应用户、环境和设备的变化，有效地从手机内建传感器中恢复出隐匿的语音信号。
-
Patent Agency Ranking
公开(公告)号：CN119625437A
公开(公告)日：2025-03-14
申请号：CN202510148813.3
申请日：2025-02-11
Applicant: 浙江大学
IPC: G06V10/764 , G06V10/82 , G06N5/04
Abstract: 本发明提供了一种图像敏感元素的审查系统、方法、计算机设备及介质，属于图像敏感元素审查技术领域。该系统包括图像预处理模块、初步判断模块、提取三元组模块、多头扩充模块和筛查去噪模块。图像预处理模块对图像进行预处理操作，得到待测图像。初步判断模块利用多模态大语言模型对待测图像和敏感词的相关度进行初步判断。提取三元组模块提取待测图像中的三元组信息，多头扩充模块对三元组中的每个单一词进行多头扩充，结合敏感词表寻找相关敏感词。筛查去噪模块对敏感词进行筛查去噪，判断敏感词是否真正出现在待测图像中，据此判定待测图像的安全性。本发明提高了图像敏感元素审查的准确性。
-
公开(公告)号：CN118918452A
公开(公告)日：2024-11-08
申请号：CN202410927791.6
申请日：2024-07-11
Applicant: 浙江大学计算机创新技术研究院
IPC: G06V20/00 , G06V10/44 , G06V10/774 , G06V10/82 , G06N3/0455 , G06V20/62
Abstract: 本发明公开了一种基于图像重构的图像篡改检测方法。本发明利用重建网络建模真实图像的分布，具体是在解码器上应用度量学习，使真实图像的特征在特征空间中相互接近，而真实图像特征和篡改图像特征之间远离，学习到的特征更容易用来检测未知的篡改痕迹；再利用多尺度图推理模块进一步挖掘具有区分能力的表示；最后利用重构引导注意力模块关注可能的伪造区域，确保了学习到的图像分布差异，可以将具有未知篡改模式的篡改图像更容易被识别出来。
-
公开(公告)号：CN117892340A
公开(公告)日：2024-04-16
申请号：CN202311835568.0
申请日：2023-12-27
Applicant: 浙江大学杭州国际科创中心
Abstract: 本发明公开一种基于特征一致性的联邦学习攻击检测方法、系统及装置，方法包括：基于提取符号向量、排序向量、分类器向量及特征提取器向量；进行局部一致性检测，得到局部异常分数，判断与预设局部一致性分数阈值的关系，得到客户端局部检测结果；进行任务一致性检测，得到任务相似性分数，判断与预设任务一致性条件的关系，得到客户端任务检测结果；获取特征提取器向量的数据一致性，判断数据域距离与预设数据一致性条件的关系，得到客户端数据检测结果；剔除恶意客户端，通过良性客户端对客户端梯度更新进行分析处理。本发明方法对梯度更新特征进行分析，解决了现有联邦学习攻击检测方法中检测种类单一且联邦学习所得全局模型准确性降低的问题。
-
公开(公告)号：CN116935887A
公开(公告)日：2023-10-24
申请号：CN202310772789.1
申请日：2023-06-28
Applicant: 浙江大学杭州国际科创中心
IPC: G10L25/30 , G10L25/51 , G10L15/02 , G10L15/06 , G10L15/183 , G10L21/0264 , G10L21/0208
Abstract: 本发明公开了一种基于时空特征注意力模型的伪造音频检测方法及装置，包括以下步骤：(1)构建一个基于时空特征注意力的检测模型；(2)基于已有的只包含平稳音频的英文公开数据集，对检测模型进行预训练；(3)混合中文音频数据集和英文音频数据集，同时引入不同音频信号失真手段，得到跨语言模态的复杂音频数据集；(4)对复杂音频数据集进行数据增强；(5)利用数据增强后的复杂音频数据集对预训练后的检测模型进行重新训练，通过将检测模型的能力迁移训练到复杂音频，得到最终检测模型；(6)将待检测的音频输入到最终检测模型，得到是否为伪造音频的检测结果。本发明能够在跨语言模态和存在信道扰动的情况下将伪造音频精准检测。
-
公开(公告)号：CN116110417A
公开(公告)日：2023-05-12
申请号：CN202211595644.0
申请日：2022-12-13
Applicant: 浙江大学
Abstract: 本发明公开了一种面向超声波声纹防伪的数据增强方法及装置，通过手机麦克风与扬声器采集混合了超声波信号和语音信号的原始音频样本，并获得一个原始采集设备的脉冲响应(ImpulseResponse)以及至少一个目标设备脉冲响应等步骤。本发明的数据增强方法结合了维纳反卷积技术，在利用目标设备脉冲响应进行卷积增强前，减弱了原始采集设备频率响应特性和环境噪声的干扰，使得增强后的音频样本更加接近通过目标设备实际采集的音频样本，可作为一种有效的模拟数据来进行模型训练，通过原始采集设备和目标设备的脉冲响应数据，将原始设备采集的数据集增强为目标设备采集的数据集，进而能使算法适应目标设备的频率响应特性，提升防伪效果。
-
-
-
-
-
-
-
-
-
Search Results
60
records
(took 0.045 seconds)
