-
公开(公告)号：CN114037091B
公开(公告)日：2024-05-28
申请号：CN202111332573.0
申请日：2021-11-11
Applicant: 哈尔滨工业大学 , 上海浦东发展银行股份有限公司
IPC: G06N5/043 , G06F18/2415
Abstract: 本申请公开了一种基于专家联合评价的网络安全信息共享系统、方法、电子设备及存储介质，属于网络安全技术领域。解决了现有网络安全信息共享机制成员分析能力差距大、风险研判准确性低的问题，本申请将动态带权专家委员会及主动学习思想引入信息共享及研判过程中，中心节点运用训练好的风险分类器对所有安全信息进行风险类别研判，将研判结果反馈给各节点专家，专家根据研判结果对自身分析过程进行改进，中心节点将所有安全信息及风险分类器输出的风险类别进行数据备份后一同上传至上级数据服务处理中心，大幅度提升了网络安全信息共享机制中风险研判准确性，有助于增强网络安全信息共享机制中成员分析能力。
-
公开(公告)号：CN118820468A
公开(公告)日：2024-10-22
申请号：CN202410845738.1
申请日：2024-06-27
Applicant: 哈尔滨工业大学 , 上海浦东发展银行股份有限公司
IPC: G06F16/35 , G06F21/60 , G06F40/186
Abstract: 一种数据分类分级系统及其数据分类分级方法，属于数据分类技术领域。为改进现有分类分级手段不足的问题，本发明包括应用层、服务层、基础层、数据源层、组件层，所述应用层连接服务层，所述服务层连接基础层，所述基础层分别连接数据源层、组件层，所述服务层包括分类分级引擎、文件识别引擎、系统服务引擎，所述分类分级引擎包括正则匹配模块、大模型智能识别模块，所述文件识别引擎实现对PDF、PPT等文件内容的识别技术，所述系统服务引擎采用Typescript、React、GraphQL和NestJS构建，用于提供系统的核心功能和用户接口。本发明可实现对结构化数据和非结构化数据进行分类分级。
-
Patent Agency Ranking
公开(公告)号：CN114037091A
公开(公告)日：2022-02-11
申请号：CN202111332573.0
申请日：2021-11-11
Applicant: 哈尔滨工业大学 , 上海浦东发展银行股份有限公司
Abstract: 本申请公开了一种基于专家联合评价的网络安全信息共享系统、方法、电子设备及存储介质，属于网络安全技术领域。解决了现有网络安全信息共享机制成员分析能力差距大、风险研判准确性低的问题，本申请将动态带权专家委员会及主动学习思想引入信息共享及研判过程中，中心节点运用训练好的风险分类器对所有安全信息进行风险类别研判，将研判结果反馈给各节点专家，专家根据研判结果对自身分析过程进行改进，中心节点将所有安全信息及风险分类器输出的风险类别进行数据备份后一同上传至上级数据服务处理中心，大幅度提升了网络安全信息共享机制中风险研判准确性，有助于增强网络安全信息共享机制中成员分析能力。
-
公开(公告)号：CN113947212A
公开(公告)日：2022-01-18
申请号：CN202111203824.5
申请日：2021-10-15
Applicant: 哈尔滨工业大学 , 上海浦东发展银行股份有限公司
IPC: G06N20/00 , G06V10/764 , G06K9/62
Abstract: 本申请公开了一种发起方权益保护的联邦提升树模型构建方法、系统、设备及存储介质，属于联邦学习技术领域。解决了在联合训练模型时发起方权益保护的问题。本申请发起方与参与方计算分位区间发送给协调方；协调方计算平均的分位数草图发送给发起方和参与方；发起方和参与方计算局部直方图，并对局部直方图添加噪声，发送给协调方；协调方计算全局直方图，发送给发起方与参与方；发起方和参与方计算分裂点的增益，发送给协调方计算根节点；协调方分裂特征与分裂阈值发送给发起方和参与方；发起方和参与方更新局部直方图；发起方选择多个参与方计算下一层节点，重复以上过程进行训练，得到提升树。本申请保护了数据隐私，实现了联邦学习场景。
-
公开(公告)号：CN113360896B
公开(公告)日：2022-09-20
申请号：CN202110619300.8
申请日：2021-06-03
Applicant: 哈尔滨工业大学 , 上海浦东发展银行股份有限公司
Abstract: 本发明提出了一种横向联邦学习架构下的Free rider攻击检测方法，属于人工智能安全领域。本发明首先，通过模型参数增量处理获取高维样本，对高维样本进行降维处理，抽取三部分特征，将特征合并得到压缩后的样本，在评估网络中计算样本的能量，根据能量判断攻击者，由于Free Rider攻击者生成的模型参数是在原本的全局模型参数的基础上按照训练的轮次加入差分扰动，因此在对其计算本地模型参数增量之后，其增量值等于攻击中加入的差分扰动，估计网络在评估样本的似然性时，其样本能量值的平均值会偏高，因此这样的样本数据会被检测为异常，我们设置阈值判断出Free Rider攻击者。解决了基于横向联邦学习架构下的Free Rider攻击的检测能力差的技术问题。
-
公开(公告)号：CN118820469A
公开(公告)日：2024-10-22
申请号：CN202410845741.3
申请日：2024-06-27
Applicant: 哈尔滨工业大学 , 上海浦东发展银行股份有限公司
IPC: G06F16/35 , G06F40/247
Abstract: 本发明提出一种数据分类分级方法，属于数据分类分级技术领域。包括：步骤一、用户向服务器上传待分类数据，并选择不提供具体数据的字段；步骤二、服得到数据字段和内容，当数据字段不含模板数据时执行步骤三，否则执行步骤四；步骤三、利用识别模型对数据进行字段扫描，若输出的结果与模板中某一数据唯一对应，则根据模板中的对应关系，确定字段等级，否则认为字段不属于模板范围内，执行步骤四；步骤四、利用识别模型对数据进行字段扫描，根据输出结果与模板中数据进行匹配形成正则规则数组，正则规则数组表征匹配结果；步骤五、执行匹配流程，得到分类等级；本发明提出了权重匹配函数。能够更加准确的对数据类型进行分类分级。
-
公开(公告)号：CN113360896A
公开(公告)日：2021-09-07
申请号：CN202110619300.8
申请日：2021-06-03
Applicant: 哈尔滨工业大学 , 上海浦东发展银行股份有限公司
Abstract: 本发明提出了一种横向联邦学习架构下的Free rider攻击检测方法，属于人工智能安全领域。本发明首先，通过模型参数增量处理获取高维样本，对高维样本进行降维处理，抽取三部分特征，将特征合并得到压缩后的样本，在评估网络中计算样本的能量，根据能量判断攻击者，由于Free Rider攻击者生成的模型参数是在原本的全局模型参数的基础上按照训练的轮次加入差分扰动，因此在对其计算本地模型参数增量之后，其增量值等于攻击中加入的差分扰动，估计网络在评估样本的似然性时，其样本能量值的平均值会偏高，因此这样的样本数据会被检测为异常，我们设置阈值判断出Free Rider攻击者。解决了基于横向联邦学习架构下的Free Rider攻击的检测能力差的技术问题。
-
-
-
-
-
-
Search Results
7
records
(took 0.035 seconds)
