公开(公告)号：CN117992872A

公开(公告)日：2024-05-07

申请号：CN202410113960.2

申请日：2024-01-27

Applicant: 北京信息科技大学 ,  中国电子信息产业集团有限公司第六研究所

Inventor： 李军 ,  邵彦华 ,  何永瑾 ,  李卓远 ,  蒋文韬 ,  任亚唯

IPC: G06F18/2415 ,  G06F18/243 ,  G06F18/213 ,  G06F18/25 ,  G06V10/82 ,  G06V10/44 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了一种基于注意力机制多模态虚假信息检测网络，它涉及虚假信息检测技术领域。采用BERT模型加Bi‑GRU模型实现对文本模态的数据信息进行特征提取，再通过Faster‑RCNN对图片模态数据的特征进行提取；通过对比学习预训练对两个不同模态不同维度的特征向量进行特征对齐，之后通过注意力机制建立模间注意力机制和模内注意力机制，捕获语言和视觉领域不同模态之间的特征进行交互，并将这个过程多次迭代，实现多模态的最终表征，得到最终的联合表征模型用于检测虚假信息，最后得到多模态信息的真实性概率。本发明实现对媒体平台和社交软件中虚假信息进行准确检测，对虚假信息及谣言进行及时甄别，保护数据真实性和有效性。

公开(公告)号：CN119762911A

公开(公告)日：2025-04-04

申请号：CN202411828005.3

申请日：2024-12-12

Applicant: 北京信息科技大学

Inventor： 李军 ,  单陈武 ,  任亚唯 ,  申立艳 ,  孙璇

IPC: G06V10/774 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/084

Abstract: 目标检测技术在自动驾驶、视频监控等领域得到了广泛应用。近年来目标检测器面临着日益严峻的对抗攻击威胁，特别是对抗补丁攻击。对抗补丁是针对深度学习模型图像区域，通过干扰模型的正常预测来误导检测结果。传统的对抗补丁多为无语义的随机图案，难以在实际场景中保持隐蔽性，影响了其应用效果。为解决这一问题，本发明提出了一种基于提示词的自然对抗补丁(PNAP)生成方法。该方法通过利用潜在扩散模型(LDM)文生图技术，利用提示词来生成具有语义性和隐蔽性的对抗补丁。通过设计的组合损失函数，优化LDM的潜变量，使生成的补丁在目标检测模型中具有更强的攻击性能。本发明的PNAP生成方法具有显著的实用性，特别是在重要目标反智能防护场景。