-
公开(公告)号：CN119540036A
公开(公告)日：2025-02-28
申请号：CN202411698536.5
申请日：2024-11-25
Applicant: 中国电信股份有限公司技术创新中心 , 中国电信股份有限公司
Inventor： 于志刚
IPC: G06T3/04 , G06V40/16 , G06V10/82 , G06F21/62 , G06N3/045 , G06N3/0455 , G06N3/0464 , G06N3/0475 , G06N3/084 , G06N3/094 , G06N3/096
Abstract: 本公开提供了一种图像处理方法、装置、电子设备及存储介质，涉及计算机技术领域。该方法包括：获取待处理的源域图像，源域图像为包含人脸的图像；通过训练后的生成器将源域图像转换为第一对抗域图像；通过训练后的正则化模块将第一对抗域图像转换为非对抗域图像；通过非对抗域图像对源域图像进行覆盖，得到处理后的图像。本公开可以通过训练后的生成器将源域图像转换至第一对抗域，从而得到了待处理的源域图像对应的对抗性示例，从而实现对人脸图像进行保护，然后再通过训练后的正则化模块可以在确保图像保护效果的同时保证视觉效果，因此本公开实施例可以确保图像处理对人脸保护的可靠性，并提高用户体验。
-
公开(公告)号：CN119206827A
公开(公告)日：2024-12-27
申请号：CN202411281408.0
申请日：2024-09-12
Applicant: 中国电信股份有限公司技术创新中心 , 中国电信股份有限公司
Inventor： 于志刚
Abstract: 本公开提供了一种图像处理方法、装置及相关设备，涉及图像处理技术领域，该方法包括：获取目标对象待处理的面部图像；根据目标对象待处理的面部图像，确定面部图像对应的语义编码信息；根据面部图像对应的语义编码信息，确定面部图像的对抗语义编码信息；根据面部图像对应的语义编码信息与目标对象待处理的面部图像，生成目标对象的面部噪声编码图像；根据面部图像的对抗语义编码信息以及目标对象的面部噪声编码图像，生成目标对象的面部处理图像。本公开能够更好地保留输入图像视觉身份特征，生成更加自然有效的面部处理图像，更好的实现目标对象的面部信息保护。
-
公开(公告)号：CN116629380A
公开(公告)日：2023-08-22
申请号：CN202310596124.X
申请日：2023-05-24
Applicant: 中国电信股份有限公司北京研究院 , 中国电信股份有限公司
Inventor： 于志刚
Abstract: 本公开提供了一种联邦学习参与方节点筛选方法及装置、存储介质及电子设备，涉及数据安全技术领域。该方法包括：接收多个参与方节点上传的对同一模型的更新参数；获取多个参与方节点上传的对模型的参数更新历史数据；基于参数更新历史数据，进行预测，得到多个参与方节点对模型的更新参数预测值；比对更新参数和更新参数预测值，确定每个参与方节点的异常检测值；进行筛选，得到多个参与方节点中的目标参与方节点。本公开能够将相似度高的正常参与方节点集群和相似度低的异常参与方节点集群区分，从而将异常参与方节点去除，筛选得到目标参与方节点。且在大量异常参与方节点存在时，也不受干扰，仍能够准确筛选，从而大大提高联邦学习的安全性。
-
公开(公告)号：CN115526339B
公开(公告)日：2024-05-17
申请号：CN202211370809.4
申请日：2022-11-03
Applicant: 中国电信股份有限公司
Abstract: 本公开提供了一种联邦学习方法、装置、电子设备及计算机可读存储介质，涉及机器学习技术领域。该方法包括：获取串联顺序，串联顺序用于指示任一边缘节点对应的下一个节点；接收任一边缘节点的上一个节点发送的第一模型；根据第一模型进行本地训练，得到第二模型；聚合第二模型和第一模型，得到第三模型；向下一个节点发送第三模型，以便于下一个节点根据第三模型进行本轮联邦学习。向下一个节点发送第二模型和第一模型聚合后的第三模型的方式，可以避免边缘节点经过训练后得到的第二模型的模型参数泄露，实现了在无需为训练样本或模型参数添加噪声的情况下，降低边缘节点数据样本泄露的风险。
-
公开(公告)号：CN115272534B
公开(公告)日：2024-02-02
申请号：CN202210910622.2
申请日：2022-07-29
Applicant: 中国电信股份有限公司
Inventor： 于志刚
IPC: G06T11/60 , G06F21/62 , G06N3/045 , G06N3/0475 , G06N3/084
Abstract: 本公开提供了一种人脸图像保护方法、保护装置、电子设备和可读存储介质，涉及网络安全技术领域。其中，人脸图像保护方法包括：获取实时视频帧；检测所述实时视频帧中的人脸图像，并提取所述人脸图像中的人脸关键点；基于所述人脸关键点的特征生成适配的保护图案；将所述保护图案覆盖在所述人脸关键点所处的区域，得到隐私保护图像。通过本公开的技术方案，在保证对人脸图像保护的安全性、更难逆向破解的同时，使保护图案起到对人脸图像的装饰作用，以使得到的隐私保护图像具有一定的美观度而更容易被用户接受。
-
Patent Agency Ranking
公开(公告)号：CN113743153A
公开(公告)日：2021-12-03
申请号：CN202010462705.0
申请日：2020-05-27
Applicant: 中国电信股份有限公司
Inventor： 于志刚
Abstract: 本公开涉及宠物鼻纹识别方法及系统。根据本公开的一个实施例，提供了一种宠物鼻纹识别方法，包括将宠物的鼻纹图像输入到卷积神经网络中，卷积神经网络包括特征提取层和全连接层，全连接层连接在特征提取层之后，特征提取层包括串联连接的多个特征提取模块，多个特征提取模块中的每个特征提取模块包括池化层和多个卷积层，多个特征提取模块中的至少一个特征提取模块的多个卷积层中的至少一个卷积层的输入包括前一卷积层的输出以及该前一卷积层之前的卷积层的输出，以及所述卷积神经网络是使用来自不同宠物的多个鼻纹图像训练过的；基于卷积神经网络的输出，确定与宠物的鼻纹图像对应的宠物身份。
-
公开(公告)号：CN115600499A
公开(公告)日：2023-01-13
申请号：CN202211338969.0
申请日：2022-10-28
Applicant: 中国电信股份有限公司(CN)
Inventor： 于志刚
IPC: G06F30/27 , G06F119/02
Abstract: 本公开提供了一种混合联邦学习方法、装置、电子设备及存储介质，涉及机器学习技术领域。该方法包括：获取中心节点所在参与组中第一边缘节点的质量分，质量分基于第一边缘节点在历史参与混合联邦学习中得到的参与得分确定，参与得分基于第一边缘节点参与混合联邦学习得到的质量参数确定；根据第一边缘节点的质量分，从第一边缘节点中确定参与本轮混合联邦学习的第二边缘节点；根据第二边缘节点进行本轮混合联邦学习。此种方式，可以使得参与混合联邦学习的节点是质量分满足要求的边缘节点，避免了质量分不满足要求的边缘节点参与组内混合联邦学习而导致混合联邦学习效率较低的问题，提高了混合联邦学习的效率。
-
公开(公告)号：CN115526339A
公开(公告)日：2022-12-27
申请号：CN202211370809.4
申请日：2022-11-03
Applicant: 中国电信股份有限公司
Abstract: 本公开提供了一种联邦学习方法、装置、电子设备及计算机可读存储介质，涉及机器学习技术领域。该方法包括：获取串联顺序，串联顺序用于指示任一边缘节点对应的下一个节点；接收任一边缘节点的上一个节点发送的第一模型；根据第一模型进行本地训练，得到第二模型；聚合第二模型和第一模型，得到第三模型；向下一个节点发送第三模型，以便于下一个节点根据第三模型进行本轮联邦学习。向下一个节点发送第二模型和第一模型聚合后的第三模型的方式，可以避免边缘节点经过训练后得到的第二模型的模型参数泄露，实现了在无需为训练样本或模型参数添加噪声的情况下，降低边缘节点数据样本泄露的风险。
-
公开(公告)号：CN112560880A
公开(公告)日：2021-03-26
申请号：CN201910908047.0
申请日：2019-09-25
Applicant: 中国电信股份有限公司
Abstract: 本公开提供了一种目标分类方法、目标分类装置及计算机可读存储介质，涉及人工智能技术领域。其中的目标分类方法包括：将训练图像输入神经网络，得到训练图像的特征向量；将与训练图像具有相同标签的正样本图像输入神经网络，得到正样本图像的特征向量；将与训练图像具有不同标签的负样本图像输入神经网络，得到负样本图像的特征向量；调整神经网络的参数以减小神经网络的损失函数值；损失函数值与第一距离呈正相关且与第二距离呈负相关，第一距离为负样本图像的特征向量与训练图像的特征向量之间的距离，第二距离为正样本图像的特征向量与训练图像的特征向量之间的距离；利用神经网络对目标图像进行分类。本公开能够更加准确的对目标进行识别和分类。
-
公开(公告)号：CN114241569B
公开(公告)日：2024-01-02
申请号：CN202111571253.0
申请日：2021-12-21
Applicant: 中国电信股份有限公司
IPC: G06V40/16 , G06N3/0475 , G06N3/084 , G06N3/094
Abstract: 本公开提供人脸识别攻击样本的生成方法、模型训练方法及相关设备。该方法包括：对生成对抗网络模型进行隐性向量初始化和噪声输入，生成虚拟的初始人脸图像。基于参考人脸图像和初始人脸图像的相似度对模型参数进行优化，得到优化的隐性向量和噪声。基于优化的隐性向量和噪声生成训练人脸图像。通过人脸识别模型计算训练人脸图像与目标人脸图像的分类损失，并计算训练人脸图像与参考人脸图像的相似度损失，通过反向传播算法更新对抗网络模型的模型参数，直到更新后的对抗网络模型生成的人脸图像被人脸识别模型误判为目标人脸图像。该方法可以生成更逼真的人脸图像，并能使模型发生误判，生成方法简单，扰动较小，提升了攻击样本的隐蔽性和稳定性。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.028 seconds)
