公开(公告)号：CN119942494A

公开(公告)日：2025-05-06

申请号：CN202411986792.4

申请日：2024-12-31

Applicant: 南京邮电大学

Inventor： 陈伟 ,  张乐天 ,  张怡婷 ,  吴礼发

IPC: G06V20/58 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0475 ,  G06N3/088 ,  G06N3/094

Abstract: 本发明公开了人工智能安全领域一种面向交通标志牌的对抗样本异常检测方法、终端及介质，所述方法包括：将正常样本输入已训练的目标分类模型；从目标分类模型的输出中筛选正确分类的正常样本，对其施加对抗扰动以生成新样本；将正常样本与生成的新样本混合形成测试集，并将测试集中的每个样本输入利用正常样本训练好的自动编码器模型，得到输入样本与重建图像之间的差异图；将差异图输入利用正常样本训练好的异常检测模型，计算输入样本的能量值，并将该能量值与正常样本的能量阈值进行比较，若能量值大于能量阈值，则判定该样本为对抗样本。本发明能够更高效、更精准地发现对抗样本，进一步提升了对抗样本检测的性能和适应性。

公开(公告)号：CN117972651A

公开(公告)日：2024-05-03

申请号：CN202410168001.0

申请日：2024-02-06

Applicant: 南京邮电大学

Inventor： 陈伟 ,  武于新 ,  张怡婷

IPC: G06F21/12 ,  G06V10/774 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/084 ,  G06N3/094

Abstract: 本发明属于机器学习安全技术领域，公开了一种基于输入输出不对等的图像分类模型防窃取方法，该方法包括如下步骤：1使用数据增强技术扩充私有模型训练数据集；2使用带有增强图像的数据集训练私有模型，并部署私有模型；3接收用户输入的图像；4使用规则判断是否存在被窃取风险，如果存在进入步骤5，否则进入步骤6；5使用数据增强技术处理用户输入的图像，避免恶意用户使用特定图像进行模型窃取；6使用私有模型预测图像的类别，并输出预测结果信息。本发明提高了私有模型的鲁棒性和可用性，主动防御攻击者窃取私有模型的预测信息，实现输入图像和输出信息的不对等，本发明仅对可疑的图像进行大量的处理流程，降低了防窃取的处理代价。

公开(公告)号：CN108804651A

公开(公告)日：2018-11-13

申请号：CN201810578405.1

申请日：2018-06-07

Applicant: 南京邮电大学

Inventor： 薛丽 ,  陈志 ,  张怡婷 ,  岳文静 ,  金广华 ,  郑瑶嘉 ,  张姝彦

IPC: G06F17/30 ,  G06F17/27

CPC classification number: G06F17/277

Abstract: 本发明公开了一种基于强化贝叶斯分类的社交行为检测方法具体为：步骤1)收集中文社交网站言论的文本训练样本集,包括攻击性言论文本及赞赏性言论文本等类别文本,建立社交网站言论的文本训练样本集；步骤2)根据停用词词库对中文社交网站言论的文本训练样本集进行中文分词得到某个中文训练集的词序列vi，i∈{1,2,3,…f}，f为训练样本总数；步骤3)通过TF‑IDF中文分词算法对中文社交网站言论的文本训练样本集中不同行为类别文本的进行特征提取；步骤4)输入特征词序列，使用贝叶斯模型进行学习识别；步骤5)通过强化贝叶斯分类器对分类器进行强化。本发明方法能够更加精确和高效的对人物社交行为进行检测，具有较好的应用前景。

公开(公告)号：CN108804651B

公开(公告)日：2022-08-19

申请号：CN201810578405.1

申请日：2018-06-07

Applicant: 南京邮电大学

Inventor： 薛丽 ,  陈志 ,  张怡婷 ,  岳文静 ,  金广华 ,  郑瑶嘉 ,  张姝彦

IPC: G06F16/35 ,  G06F40/284

Abstract: 本发明公开了一种基于强化贝叶斯分类的社交行为检测方法具体为：步骤1)收集中文社交网站言论的文本训练样本集,包括攻击性言论文本及赞赏性言论文本等类别文本,建立社交网站言论的文本训练样本集；步骤2)根据停用词词库对中文社交网站言论的文本训练样本集进行中文分词得到某个中文训练集的词序列vi，i∈{1,2,3,...f}，f为训练样本总数；步骤3)通过TF‑IDF中文分词算法对中文社交网站言论的文本训练样本集中不同行为类别文本的进行特征提取；步骤4)输入特征词序列，使用贝叶斯模型进行学习识别；步骤5)通过强化贝叶斯分类器对分类器进行强化。本发明方法能够更加精确和高效的对人物社交行为进行检测，具有较好的应用前景。

公开(公告)号：CN103164742B

公开(公告)日：2016-02-17

申请号：CN201310113116.1

申请日：2013-04-02

Applicant: 南京邮电大学

Inventor： 程春玲 ,  李阳 ,  张登银 ,  张怡婷 ,  万腾

IPC: G06N3/08

Abstract: 本发明公开了一种基于粒子群优化神经网络的服务器性能预测方法，属于计算机性能管理技术领域。本发明基于改进的Elman神经网络对云计算下的服务器进行性能预测。首先，根据样本数据的相关性确定Elman神经网络输入层节点数目，然后，通过基于粒子群分布的PSO算法对Elman神经网络进行训练。在基于粒子分布的PSO算法中引入粒子聚集度的概念，在聚集度较高时打散粒子群，保持粒子群的多样性，提高算法的寻优能力。本发明提出的预测模型在短期预测和长期预测中均保持了较好的精度，且提高了神经网络的训练速度。

公开(公告)号：CN119396835A

公开(公告)日：2025-02-07

申请号：CN202411542870.1

申请日：2024-10-31

Applicant: 南京邮电大学

Inventor： 韩京宇 ,  陈进 ,  晏鑫鑫 ,  张怡婷

IPC: G06F16/22 ,  G06F16/29 ,  G06F16/2458

Abstract: 本发明属于计算机应用领域，公开了一种有向路网上误差受限的希尔伯特树学习索引构建方法，该方法将时空样本投影到位置‑时间网格中，基于希尔伯特曲线对网格的单元格进行排序，然后将排序后的样本划分为逻辑块存储到磁盘中，同时建立一个根据希尔伯特曲线序号划分节点的二叉树，表征希尔伯特序号与逻辑块的映射关系，保证叶子节点的映射误差小于规定误差。本发明根据希尔伯特曲线划分二维空间，保证了位置‑时间网格内的轨迹数据分布均匀，通过误差有界保证查询数据的全召回，从而提升倾斜数据上的查询性能。

公开(公告)号：CN117579363A

公开(公告)日：2024-02-20

申请号：CN202311616417.6

申请日：2023-11-30

Applicant: 南京邮电大学

Inventor： 陈伟 ,  李青芸 ,  徐小棠 ,  高子昂 ,  张怡婷

IPC: H04L9/40

Abstract: 本发明属于网络信息安全领域，具体地说，是一种遗忘事件中基于类激活特征的后门攻击方法，包括：获取图像数据、通过遗忘事件选取后门数据与干净数据、训练自编码器为后门数据生成触发器、使用类激活算法为触发器选取后门位置、添加感知损失训练后门模型、使用后门模型进行后门攻击；该方法克服了现有后门攻击中的触发器易于发现，攻击成功率低等问题，使用该攻击方法可以提高攻击效率，加强后门隐蔽性。

公开(公告)号：CN103164742A

公开(公告)日：2013-06-19

申请号：CN201310113116.1

申请日：2013-04-02

Applicant: 南京邮电大学

Inventor： 程春玲 ,  李阳 ,  张登银 ,  张怡婷 ,  万腾

IPC: G06N3/08

Abstract: 本发明公开了一种基于粒子群优化神经网络的服务器性能预测方法，属于计算机性能管理技术领域。本发明基于改进的Elman神经网络对云计算下的服务器进行性能预测。首先，根据样本数据的相关性确定Elman神经网络输入层节点数目，然后，通过基于粒子群分布的PSO算法对Elman神经网络进行训练。在基于粒子分布的PSO算法中引入粒子聚集度的概念，在聚集度较高时打散粒子群，保持粒子群的多样性，提高算法的寻优能力。本发明提出的预测模型在短期预测和长期预测中均保持了较好的精度，且提高了神经网络的训练速度。