-
公开(公告)号：CN113505267A
公开(公告)日：2021-10-15
申请号：CN202110677802.6
申请日：2021-06-18
Applicant: 中国科学院信息工程研究所
IPC: G06F16/75 , G06N3/08 , H04N5/278 , H04N21/4402 , H04N21/488
Abstract: 本发明公开了一种自回归弹幕生成方法和系统。本方法为：1)选取一训练数据集对模型进行训练，所述模型包括双向编码器、自回归解码器和分类器；该训练数据集中的每条样本包括视频片段的图像截图，该视频片段的参考弹幕，该参考弹幕周围且发送时间在参考弹幕之前的一系列上下文弹幕，以及该视频片段所属视频的视频类别；2)对于当前播放的目标视频，当用户从该目标视频中选取一目标位置并输入弹幕文本时，将当前输入的弹幕文本作为参考弹幕，利用训练后的自回归解码器模块从该参考弹幕的首个词开始，依次将每个词作为生成目标弹幕的提示词，最终生成该目标位置的弹幕文本。本发明大大改善了目前网站中的候选弹幕质量。
-
公开(公告)号：CN112685272A
公开(公告)日：2021-04-20
申请号：CN202011590113.3
申请日：2020-12-29
Applicant: 中国科学院信息工程研究所
Abstract: 本发明公开了一种具备可解释性的用户行为异常检测方法，其步骤包括：1)使用特征提取模块收集目标网络中用户的特征信息；2)图矩阵模块根据各用户的特征信息构建邻接矩阵；其中所述图矩阵模块根据用户特征信息确定用户之间是否存在直接联系，根据用户之间的相似度确定用户之间的联系；3)利用邻接矩阵训练图神经网络，得到分类模型；4)利用图解释模块以设定优化目标函数对该分类模型进行训练，得到图掩膜M和特征选择器F；5)将一待检测用户的特征输入训练后的分类模型，得到分类结果，如果该用户为异常节点，则利用M从分类模型中得到该异常节点的关联节点、利用F得到分类模型各节点的特征中与异常节点最相关的关联特征。
-
公开(公告)号：CN119337399A
公开(公告)日：2025-01-21
申请号：CN202411351455.8
申请日：2024-09-26
Applicant: 中国科学院信息工程研究所
IPC: G06F21/60 , G06F21/62 , G06F21/55 , G06F16/901 , G06F40/295 , G06F40/289 , G06F40/268 , G06N5/025 , G06F16/9032
Abstract: 本发明公开了一种基于图结构的大规模数据细粒度授权方法及装置，属于访问控制领域。本发明为解决大数据环境下授权管理粗糙的问题，采用了数据预处理、用户自适应访问控制列表构建、政策访问控制列表生成、策略图构建及授权查询的主要步骤。本发明达到了通过图结构实现灵活且精细的权限管理，能够动态适应权限需求变化，提供高效、可扩展的访问控制，同时便于维护复杂的权限关系，提升了大规模数据场景下的管理精度和效率。
-
公开(公告)号：CN112035755B
公开(公告)日：2023-04-07
申请号：CN202010674632.1
申请日：2020-07-14
Applicant: 中国科学院信息工程研究所
IPC: G06F16/9536 , G06N3/08
Abstract: 本发明提供一种以用户为中心的差分隐私个性化推荐方法及系统：生成m个哈希函数，并发送至任一用户侧，用户侧通过用户与本地物品集合的历史交互记录，构造一n维的第一用户表示向量；接收用户侧发送的m维第二用户表示向量，所述第二用户表示向量依据m个哈希函数由第一用户表示向量转换；计算若干待预测物品的待预测物品表示向量，将所述第二表示向量与一待预测物品表示向量逐组地输入一神经协同过滤学生模型，得到该用户对各待预测物品的评分，并根据所述评分进行物品推荐。本发明避免服务方或可信第三方在集中对原始数据进行隐私化处理时的隐私泄露隐患，能够为未出现在训练集中的用户提供推荐，使用户避免向服务方发送唯一标识来获取推荐。
-
公开(公告)号：CN112035755A
公开(公告)日：2020-12-04
申请号：CN202010674632.1
申请日：2020-07-14
Applicant: 中国科学院信息工程研究所
IPC: G06F16/9536 , G06N3/08
Abstract: 本发明提供一种以用户为中心的差分隐私个性化推荐方法及系统：生成m个哈希函数，并发送至任一用户侧，用户侧通过用户与本地物品集合的历史交互记录，构造一n维的第一用户表示向量；接收用户侧发送的m维第二用户表示向量，所述第二用户表示向量依据m个哈希函数由第一用户表示向量转换；计算若干待预测物品的待预测物品表示向量，将所述第二表示向量与一待预测物品表示向量逐组地输入一神经协同过滤学生模型，得到该用户对各待预测物品的评分，并根据所述评分进行物品推荐。本发明避免服务方或可信第三方在集中对原始数据进行隐私化处理时的隐私泄露隐患，能够为未出现在训练集中的用户提供推荐，使用户避免向服务方发送唯一标识来获取推荐。
-
Patent Agency Ranking
公开(公告)号：CN109921892A
公开(公告)日：2019-06-21
申请号：CN201910035749.2
申请日：2019-01-15
Applicant: 中国科学院信息工程研究所
IPC: H04L9/00
Abstract: 本发明涉及一种基于测试向量的多维度侧信道泄露评估方法和系统。该方法包括：制定数据集大小、采集和评估能量波形、采集和评估电磁波形以及采集和评估加密时间数据四个阶段。本发明通过改进和拓展测试向量评估方法并制定更合理的安全阈值，实现了对能量、电磁和时间的多维度侧信道泄露的评估。而且，本发明大大降低了实施侧信道评估的技术门槛和评估时间，相比于传统的侧信道评估方法，可以更简单快速的得到评估结果。
-
公开(公告)号：CN103593627B
公开(公告)日：2016-08-17
申请号：CN201310547995.9
申请日：2013-11-06
Applicant: 中国科学院信息工程研究所
CPC classification number: H04L9/003 , G06F21/755 , G09C5/00 , H04L2209/12
Abstract: 本发明公开了一种双层复合寄存器系统及抵抗能量分析攻击的方法，通过控制单元在一个时钟周期内的前半个周期中，控制取值互补的工作寄存器和补偿寄存器工作，输出寄存器和输出补偿寄存器复位，在后半个周期中控制取值互补的输出寄存器和输出补偿寄存器工作，工作寄存器和补偿寄存器复位，由此使系统工作时的汉明距离值以及汉明重量值恒定，在满足系统抵抗能量分析攻击的同时，把输出一组数据的周期压缩为一个时钟周期，从而提高整个芯片硬件设备的吞吐率；而且，本发明所述方案中的双层复合寄存器系统所使用的元件符合标准的电路元件库要求，可以正常地与芯片硬件设备电路接合，具有很好的兼容性。
-
公开(公告)号：CN103593627A
公开(公告)日：2014-02-19
申请号：CN201310547995.9
申请日：2013-11-06
Applicant: 中国科学院信息工程研究所
CPC classification number: H04L9/003 , G06F21/755 , G09C5/00 , H04L2209/12 , G06F21/75
Abstract: 本发明公开了一种双层复合寄存器系统及抵抗能量分析攻击的方法，通过控制单元在一个时钟周期内的前半个周期中，控制取值互补的工作寄存器和补偿寄存器工作，输出寄存器和输出补偿寄存器复位，在后半个周期中控制取值互补的输出寄存器和输出补偿寄存器工作，工作寄存器和补偿寄存器复位，由此使系统工作时的汉明距离值以及汉明重量值恒定，在满足系统抵抗能量分析攻击的同时，把输出一组数据的周期压缩为一个时钟周期，从而提高整个芯片硬件设备的吞吐率；而且，本发明所述方案中的双层复合寄存器系统所使用的元件符合标准的电路元件库要求，可以正常地与芯片硬件设备电路接合，具有很好的兼容性。
-
公开(公告)号：CN115908905A
公开(公告)日：2023-04-04
申请号：CN202211381589.5
申请日：2022-11-04
Applicant: 中国科学院信息工程研究所
IPC: G06V10/764 , G06F17/16 , G06N3/0464 , G06N3/08 , G06V10/774 , G06V10/77 , G06V10/82
Abstract: 本发明公开了一种基于零样本学习的图像分类方法，其步骤包括：获取包含多种已知类别图像的图像集，每一类别对应多张图像；对每一图像标注对应的类别标签，以及获取每一图像的特征向量，根据各类别标签标注得到对应类别的属性向量，得到一图像样本数据集；获得所述图像样本数据集中每一类别的原始语义向量；基于图理论根据各类别的属性向量、词向量构建关联图，获得每一类别的新模态语义向量；利用图像样本数据集训练基础零样本学习模型，所述基础零样本学习模型根据各图像的各模态语义向量及图像的特征向量，得到每一类别的语义向量；对于一待识别图像，根据该待识别图像的特征向量与各类别的语义向量的相似度确定该待识别图像的类别。
-
公开(公告)号：CN112804080A
公开(公告)日：2021-05-14
申请号：CN202011549292.6
申请日：2020-12-24
Applicant: 中国科学院信息工程研究所
IPC: H04L12/24 , H04L29/06 , G06F16/9535 , G06N20/00
Abstract: 本发明公开了一种访问控制初始化智能推荐方法。本方法包括：1)将访问控制系统中的属性特征按照特征类型划分为连续型特征和离散型特征；2)对系统中同一条交互记录中的属性特征进行处理，生成对应交互记录的最终特征向量；其中针对每一个连续型特征，将其归一化后作为最终特征向量中的一维；针对每一个离散型特征，将其编码索引标识添加到最终特征向量中；3)利用各最终特征向量训练模型；4)当用户U登录该访问控制系统时，获取用户U的初始属性；5)将该初始属性和该访问控制系统的每一资源属性组合成一序列，生成该序列对应的最终特征向量并将其输入训练后的模型进行预测，得到n个候选资源并对其进行筛选，推荐给用户U。
-
-
-
-
-
-
-
-
-
Search Results
26
records
(took 0.025 seconds)
