-
公开(公告)号：CN119271904A
公开(公告)日：2025-01-07
申请号：CN202411301425.6
申请日：2024-09-18
Applicant: 哈尔滨工程大学
IPC: G06F16/9536 , G06Q50/00 , G06N5/02 , G06N5/04 , G06N3/042
Abstract: 本发明公开了一种基于反事实推理的社交网络知识感知推荐方法、程序、系统及存储介质。本发明所述的系统包括反事实数据生成装置、数据筛选装置、奖赏反馈装置、推荐装置。所述的方法将反事实推理引入到基于知识图谱的知识感知推荐系统中，利用知识图谱中的项目特征信息生成更多元化的反事实数据，将反事实推理从顺序推荐任务推广到更广泛的应用场景中，通过减轻知识感知推荐系统中虚假相关性的影响，同时作为一种数据增强方法缓解数据稀疏问题，使模型达到更优的效果，可广泛应用于社交网络场景下数据推荐等应用领域。
-
公开(公告)号：CN118568361A
公开(公告)日：2024-08-30
申请号：CN202410508782.3
申请日：2024-04-26
Applicant: 哈尔滨工程大学
IPC: G06F16/9536 , G06Q50/00 , G06N3/0455 , G06N3/08
Abstract: 本发公开了一种基于属性补全的社交网络社区搜索方法、系统及存储介质。本发明针对顶点属性信息缺失问题，通过考虑顶点多类型对属性补全的影响以及借助元路径引导的随机游走获取优质高阶邻居提升属性补全的性能；在此基础上，根据上述属性补全方法，通过属性约束描述个性化搜索需求，通过关系约束描述不同类型顶点之间的细粒度连接需求，设计并实现了多种属性关系社区搜索算法。本发明考虑属性补全的社区搜索能够提高社区搜索的性能，考虑属性约束社区搜索既能够完成个性化的搜索需求又能提高社区成员的属性相似度，可部署在各服务器机房后端，可广泛应用于社交网络场景下网络舆论监管等应用领域。
-
公开(公告)号：CN118349749A
公开(公告)日：2024-07-16
申请号：CN202410508802.7
申请日：2024-04-26
Applicant: 哈尔滨工程大学
IPC: G06F16/9536 , G06Q50/00 , G06F18/24 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明属于社交网络技术领域，具体涉及一种面向社交网络兴趣推荐的联邦学习数据中毒检测系统、方法、程序、设备及存储介质。本发明通过基于深度自编码器的检测模型，使用深度自编码器的降维功能解决联邦学习中对数据中毒攻击的检测和防御问题，可以将客户端更新的高维模型参数降维，并突出恶意客户端的模型更新特征，通过检测并剔除恶意的攻击者，保护联邦学习中全局模型的安全。本发明设计了基于深度自编码器的联邦学习数据中毒检测模型，用于客户端中毒模型的检测和剔除，可部署在互联网服务提供商机房处，可广泛应用于用户侧互联网流量测量与分析等应用领域。
-
公开(公告)号：CN118332200A
公开(公告)日：2024-07-12
申请号：CN202410508783.8
申请日：2024-04-26
Applicant: 哈尔滨工程大学
IPC: G06F16/9536 , G06F16/901 , G06Q50/00
Abstract: 本发明提供的是一种基于k‑truss嵌套索引的社区搜索方法、系统及存储介质。本发明所述的系统包括数据采集装置、索引构造装置、单节点搜索装置、个性化社区搜索装置。所述的方法采用k‑truss社区模型作为社区的结构约束条件。CSKNI方法能够高效率地在普通网络与符号网络上完成索引构建，并利用索引进行社区搜索，获得指定的连通k‑truss社区或具有基本内聚特征的社区。同时，本研究针对网络数据中边与节点的增加、删除情况，设计了相应的索引维护算法，保证索引可以高效正确地应对数据变化，以满足社区搜索的正确性和实时性。本发明可部署在各服务器机房后端，可广泛应用于社交网络场景下社区搜索等应用领域。
-
公开(公告)号：CN119271905A
公开(公告)日：2025-01-07
申请号：CN202411301431.1
申请日：2024-09-18
Applicant: 哈尔滨工程大学
IPC: G06F16/9536 , G06Q50/00
Abstract: 本发明提供的是一种嵌入偏好增强的社区搜索方法、系统、程序及存储介质。本发明所述的系统包括社交网络节点嵌入装置、社区搜索装置、随机游走序列获取装置、系统控制装置。所述的方法动态通过嵌入学习和社区搜索相结合，利用Check2Vec模型学习节点嵌入，提高了对签入信息的建模能力，并在社区搜索中综合考虑节点属性和签入信息，以获取更准确的用户‑位置二分社区。本发明的优点在于：具有多模态信息整合、适用于多数据域、灵活调节性等优点，为提高社区搜索效果和个性化程度提供了有力手段。
-
Patent Agency Ranking
公开(公告)号：CN119227749A
公开(公告)日：2024-12-31
申请号：CN202411384514.1
申请日：2024-09-30
Applicant: 哈尔滨工程大学
IPC: G06N3/0475 , G06N3/094 , G06N3/098 , G06F21/56 , G06V10/82
Abstract: 本发明属于工业互联网安全技术领域，具体涉及基于标签和特征协同扰动的联邦学习数据中毒攻击方法、程序、设备及存储介质。本发明提供了能同时实现攻击有效性和隐蔽性的联邦学习数据中毒攻击，该攻击在条件生成对抗网络训练过程中对真实数据标签进行翻转来使生成器生成中毒数据；此外，还通过控制条件生成对抗网络的训练轮次来使生成的中毒数据中包含有毒噪声，在破坏标签与数据对应关系的同时扰乱数据的特征分布，生成的中毒数据中同时包含了标签噪声和特征噪声。本发明能够绕过常见的防御方法并大幅降低工业缺陷识别的有效性。
-
公开(公告)号：CN119172133A
公开(公告)日：2024-12-20
申请号：CN202411253887.5
申请日：2024-09-06
Applicant: 哈尔滨工程大学
IPC: H04L9/40 , G06F16/215
Abstract: 本申请公开的加密网站流量抗噪识别方法、系统、设备、介质及产品，涉及数字信息传输领域。该方法包括：获取用户访问网站时产生的加密流量，并按照设定规则将加密流量保存成包含多个数据包的PCAP文件；对PCAP文件中的数据包进行清洗，得到清洗后的加密流量；基于数据包的五元组信息对清洗后的加密流量进行数据流重组，得到多条数据流；分别对每条数据流中的每一数据包进行网站特征提取，得到网站指纹提取结果；基于网站指纹提取结果生成图结构数据；对图结构数据进行图分类任务，并根据分类结果完成对用户访问站点的预测。能够在有背景噪声的前提，有效实施网站流量的识别。本申请能够在有背景噪声的前提，有效实施网站流量的识别。
-
公开(公告)号：CN118433120A
公开(公告)日：2024-08-02
申请号：CN202410508801.2
申请日：2024-04-26
Applicant: 哈尔滨工程大学
IPC: H04L47/2441 , G06F18/2433 , G06F18/27 , G06F18/15 , G06N5/01 , G06N3/0442 , H04L41/16
Abstract: 本发明属于网络安全技术领域，具体涉及一种面向Tor网络的基于分割点划分和分段检测的多网页流量识别系统、方法、程序、设备及存储介质。本发明通过定位多页面流量的交叉点拆分出干净的单页流量，并通过设置多个分类器对单页面流量的多个区段进行独立识别，实现多网页流量的高效识别。本发明可以识别多页面混合流量中的非重叠部分，并能够基于非重叠的不完整干净流量识别出其原本所属的网页。本发明通过提高分割点的识别准确率增强了Tor复杂背景流量下的网页识别能力，对于缺失头部和尾部的流量均具有较高的识别准确率，可应用于流量测量、应用性能评估及恶意流量检测等领域。
-
公开(公告)号：CN118433119A
公开(公告)日：2024-08-02
申请号：CN202410508794.6
申请日：2024-04-26
Applicant: 哈尔滨工程大学
IPC: H04L47/2441 , H04L41/16 , G06F18/2415 , G06F18/2431 , G06N3/045 , G06N3/0442 , G06N3/0464 , G06N3/084
Abstract: 本发明属于网络流量分类技术领域，具体涉及一种基于卷积神经网络的单向流量分类系统、方法、程序、设备及存储介质。本发明在多威胁模型适应性、基于深度学习的流量分类、模型训练和修正算法以及广泛适用性等方面，通过考虑本地攻击者和远程攻击者的位置差异和数据包收集能力，使得该方法更具适应性。采用卷积神经网络技术，构建基于Softmax的移动应用程序流量分类模型，实现对应用程序流量的有效分类，模型训练和修正算法提高了模型的鲁棒性和准确性。
-
公开(公告)号：CN118349633A
公开(公告)日：2024-07-16
申请号：CN202410508789.5
申请日：2024-04-26
Applicant: 哈尔滨工程大学
IPC: G06F16/33 , G06F16/35 , G06F40/30 , G06F40/289 , G06F18/24 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明提供的是一种多约束引导的中文谣言对抗样本生成方法、系统及存储介质。本发明通过通过对中文文本的视觉相似度和语义相似度进行约束从而获得具有良好可读性的对抗样本。本发明在对深度神经网络的攻击中不但拥有极高的攻击成功率，且保留了对抗样本的语义信息，保证了对抗样本阅读的流畅性。约束对抗样本的语义相似度可以保证人类在阅读对抗样本时能获取到原始样本的语义信息。约束对抗样本的视觉相似度，可以降低人们在快速阅读中发现原始样本被篡改的几率。这些都是在对抗样本生成时不能被忽略的关键要素。本发明生成的对抗样本在定向和非定向攻击中均有较高的攻击成功率，广泛应用于自然语言处理、文本分类、文本审查、文本翻译等领域。
-
-
-
-
-
-
-
-
-
Search Results
38
records
(took 0.086 seconds)
