公开(公告)号：CN117633688A

公开(公告)日：2024-03-01

申请号：CN202311635028.8

申请日：2023-12-01

Applicant: 南京邮电大学

Inventor： 季一木 ,  李海天 ,  李玲娟 ,  刘尚东 ,  徐驰 ,  万玲莉 ,  李昆珈

IPC: G06F18/2433 ,  G06F18/2411 ,  G06F18/23213 ,  G06F18/10 ,  G06F18/213 ,  G06F18/25 ,  G06F18/214 ,  G06N3/0442 ,  G06N3/08

Abstract: 本发明属于电力数据异常检测技术领域，公开了一种基于岭回归‑k均值聚类‑LOF‑LSTM融合算法的大规模电力数据异常检测方法，具体为：在电力数据异常检测之前，通过OVO SVMs模型研究原始大规模电力数据均值和方差特征，对原始电力数据划分为线性趋势型、平稳型、周期型和随机型四种类型，针对不同类型，构建岭回归、k‑means、LOF和LSTM融合算法进行异常检测。本发明能够实现对大规模电力数据的快速划分，并且可以有效避免单一异常检测算法无法检测出所有电力数据问题，提高了大规模电力数据异常检测的精度和效率。

公开(公告)号：CN118885583A

公开(公告)日：2024-11-01

申请号：CN202410885414.0

申请日：2024-07-03

Applicant: 南京邮电大学

Inventor： 刘尚东 ,  万玲莉 ,  季一木 ,  徐驰 ,  李昆珈 ,  李海天

IPC: G06F16/332 ,  G06V10/24 ,  G06V10/75 ,  G06N3/0455

Abstract: 一种基于图像和文本离散化表示与字典对齐的视觉问答方法，首先，在预训练阶段，利用双流编码器分别对输入的图像和文本进行特征提取，然后在词汇空间中创建标记级语言建模对。接着，通过最大池化操作和归一化操作，推导出字典重要性分布，进而生成连续词袋密集瓶颈，并利用弱化的掩码文本编码器从中重建掩码文本。其次，通过大规模负样本量的稀疏词汇空间中，对图像和文本重要性得分进行对齐，从而提高图文特征匹配的性能。本方法能够高效地实现图文对齐任务，减小不同模态间的语义鸿沟，提高多模态特征融合的精度和效率。

公开(公告)号：CN117522667A

公开(公告)日：2024-02-06

申请号：CN202311619459.5

申请日：2023-11-29

Applicant: 南京邮电大学

Inventor： 季一木 ,  李昆珈 ,  刘尚东 ,  徐驰 ,  张欣同 ,  万玲莉 ,  李海天

IPC: G06T1/00 ,  G06T9/00 ,  G06N3/0455 ,  G06N3/084

Abstract: 本发明属于大语言模型的安全技术领域，公开了一种物理环境下基于优化的多模态LLM对抗攻击方法，包括：选取图像数据集，对图像进行特征提取及可视化工作，并将随机旋转后的补丁贴到干净图像生成对抗样本，针对对抗样本区域添加正态分布增强和动量增强梯度；将计算对抗样本和目标图片的相似度并循环迭代更新补丁，将循环后的补丁贴在干净图像上面生成对抗样本，计算生成的对抗样本与预定义的目标文本之间的CLIP评分。本发明选择在图像中选取一块与补丁大小相符的区域进行扰动，从而在物理环境中实现明显的攻击效果，这一特性赋予大型语言模型更强的鲁棒性，使得对抗性研究变得更为具有深刻的研究价值。

公开(公告)号：CN116992237A

公开(公告)日：2023-11-03

申请号：CN202311022017.2

申请日：2023-08-14

Applicant: 南京邮电大学

Inventor： 季一木 ,  张世伟 ,  刘尚东 ,  潘金芳 ,  吴宝泰 ,  徐驰 ,  万玲莉 ,  李海天 ,  李昆珈

IPC: G06F18/20 ,  G06F18/214 ,  G06F18/2433 ,  G06F18/213

Abstract: 本发明提供一种基于因子分解的无监督异常检测模型选择方法，通过获得多种类型的原始训练数据集；使用原始训练数据集训练FMOD模型，挖掘数据之间的交叉特征，得到训练后的FMOD模型；当新的数据集输入时，提取新的数据集的特征，生成特征向量；输入到FMOD模型中预测，获得新的数据集在每个异常检测模型上的预测精度，生成异常检测模型推荐列表；该方法，能够充分利用因子分解的方式挖掘数据的高阶特征，能够提高模型的泛化能力和表达能力，有利于在数据特征未知的情况下为数据推荐合适的异常检测模型。