-
公开(公告)号：CN115168856B
公开(公告)日：2023-04-21
申请号：CN202210904928.7
申请日：2022-07-29
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院) , 贵州大学
Abstract: 本发明公开了二进制代码相似性检测方法，包括：构建二进制文件数据集，并对二进制文件数据集内的二进制文件进行反编译，得到二进制文件的二进制函数；获取二进制函数的汇编代码对bert模型进行训练，得到insbert模型；利用不同架构下的两个相同的二进制函数构建正样本函数对，利用不同的两个二进制函数构建负样本函数对，利用正样本函数对和负样本函数对对insbert模型进行训练，得到funcbert模型。本发明还提供了物联网固件漏洞检测方法。本发明能够跨指令架构检测二进制代码是否相似，可以用于恶意软件分析、版权纠纷、漏洞检测等领域。
-
公开(公告)号：CN115168856A
公开(公告)日：2022-10-11
申请号：CN202210904928.7
申请日：2022-07-29
Applicant: 山东省计算中心(国家超级计算济南中心) , 贵州大学
Abstract: 本发明公开了二进制代码相似性检测方法，包括：构建二进制文件数据集，并对二进制文件数据集内的二进制文件进行反编译，得到二进制文件的二进制函数；获取二进制函数的汇编代码对bert模型进行训练，得到insbert模型；利用不同架构下的两个相同的二进制函数构建正样本函数对，利用不同的两个二进制函数构建负样本函数对，利用正样本函数对和负样本函数对对insbert模型进行训练，得到funcbert模型。本发明还提供了物联网固件漏洞检测方法。本发明能够跨指令架构检测二进制代码是否相似，可以用于恶意软件分析、版权纠纷、漏洞检测等领域。
-
公开(公告)号：CN120069009A
公开(公告)日：2025-05-30
申请号：CN202510542723.2
申请日：2025-04-28
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明属于分布式机器学习的技术领域，更具体地，涉及一种差分隐私下检测并防御投毒攻击的联邦学习方法及系统。所述方法包括：在客户端定义差分隐私；客户端下载服务端的全局模型，使用本地训练数据集训练本地模型，计算差分隐私噪声并结合自适应加噪决策机制实现本地模型更新；服务端接收来自客户端的本地模型更新，执行基于分段聚类分析的恶意更新检测；服务端为各客户端分配权重并聚合更新得到全局模型；重复以上步骤，直到达到设置的训练轮次，输出最终的全局模型。本发明解决了差分隐私下模型扰动造成的攻击识别困难问题，可精准筛除对全局模型构成威胁的异常客户端，实现隐私性与安全性的协同优化。
-
公开(公告)号：CN120068994A
公开(公告)日：2025-05-30
申请号：CN202510512002.7
申请日：2025-04-23
Applicant: 齐鲁工业大学(山东省科学院) , 山东省计算中心(国家超级计算济南中心)
IPC: G06N3/092 , G06N3/098 , G06N3/048 , G06N3/0464 , G06N3/0499
Abstract: 本发明属于联邦学习领域，具体涉及一种基于双层强化学习的联邦学习设备调度优化方法及装置，其方法包括：获取设备的当前状态特征；将设备分为个组，并通过上层强化学习为每组设备分配参与率；通过下层强化学习选择每组内参与联邦学习的设备；构建设备调度目标函数，并初始化全局模型参数，基于下层强化学习所选择的设备进行联邦学习训练，训练过程中，通过调整每组设备的参与率和优化目标的评分权重最大化设备调度目标函数，以确定设备最优调度策略。本发明利用双层强化学习策略优化联邦学习设备调度，旨在提升全局模型性能、降低设备能耗、并提高设备参与公平性。
-
公开(公告)号：CN120030536A
公开(公告)日：2025-05-23
申请号：CN202510496401.9
申请日：2025-04-21
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: G06F21/55 , G06F18/23213 , G06N20/00 , G06N3/045 , G06N3/096
Abstract: 本发明属于信息安全的技术领域，尤其涉及一种联邦学习防御方法、电子设备及存储介质。本发明是一种适用于非独立同分布数据环境的抵御投毒攻击的防御方法，通过融合历史全局模型构造教师模型，在客户端进行知识蒸馏和个性化训练、联合服务器端使用K‑means聚合方法共同防御模型投毒攻击。通过模拟训练过程中的攻击与防御机制，该方法系统能够识别并剔除恶意客户端，不仅提高了联邦学习框架对模型投毒攻击的防御能力，还显著提升了最终全局模型的性能，保证了联邦学习系统的整体鲁棒性和安全性。
-
Patent Agency Ranking
公开(公告)号：CN119557409B
公开(公告)日：2025-05-09
申请号：CN202510121723.5
申请日：2025-01-26
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院) , 山东山科智能科技有限公司 , 山东浪潮智慧医疗科技有限公司 , 山东健康医疗大数据有限公司
IPC: G06F16/3329
Abstract: 本发明涉及知识问答技术领域，涉及基于多模块协同优化的智能问答方法及系统，方法包括：将待回答的问题，输入到知识问答模型中，知识问答模型输出知识问答结果；模型中的知识范围判断模块判断依靠自身知识能否解决问题，如果不能就进入动态检索模块；动态检索模块根据待回答问题对记忆知识库的内容进行相似性检索，如果检索结果不符合要求，则进入多层次问题改写模块；多层次问题改写模块对待回答的问题进行改写，将改写的问题输入知识筛选模块；知识筛选模块根据改写的问题，输出筛选出的文档，自反思优化模块根据文档和问题生成初步答案，并判断初步答案的是否合理，如果不合理就进行自反思优化，为智能问答技术的发展提供了新的解决方案。
-
公开(公告)号：CN119851693A
公开(公告)日：2025-04-18
申请号：CN202510010866.9
申请日：2025-01-03
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
Abstract: 本发明提出了基于混合池化策略的轻量化伪造语音检测方法及系统，属于语音处理及生物识别技术领域；通过卷积池化操作从原始语音数据中提取时频信息；基于混合池化方法从时频信息中提取高级特征表示，即：采用最大池化法提取低频特征，采用平均池化法提取高频特征；将低频特征和高频特征进行特征拼接以获得高级特征表示；按照频域和时序的方向对高级特征表示进行统计计算以获得高级特征统计结果；基于全连接层对伪造语音进行检测并输出检测结果。本发明能够在避免特征信息损失的基础上，降低伪造语音检测时的计算量及计算复杂性，应对未知攻击能力强；同时，显著提高了对伪造语音进行检测的准确率。
-
公开(公告)号：CN114896403B
公开(公告)日：2025-04-18
申请号：CN202210565193.X
申请日：2022-05-23
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院) , 山东山科智能科技有限公司
IPC: G06F16/353 , G06F40/284 , G06F40/30 , G06F18/214 , G06F18/2415 , G06F18/2431 , G06F18/25 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及数据处理技术领域，公开了基于门控机制的企业二级行业分类方法及系统，包括：获取待分类的企业信息；将待分类的企业信息，输入到训练后的企业二级行业分类模型中，输出企业二级行业分类结果；其中，训练后的企业二级行业分类模型，其工作原理是：获取待分类企业信息的单词特征向量，再从单词特征向量中提取企业信息的上下文向量；然后，将单词特征向量与上下文向量进行拼接；对拼接后的向量分别提取上下文特征和局部显著特征；对提取的两种特征进行加权融合，将融合后的特征进行分类，得到最终分类结果。本发明减少了传统二级行业分类中的人力开支，缩短了企业行业分类的系统执行时间，且分类结果准确、系统安全。
-
公开(公告)号：CN119474622B
公开(公告)日：2025-03-14
申请号：CN202510059378.7
申请日：2025-01-15
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本公开提供了一种面向电磁有限元方程组的并行迭代求解方法及系统，涉及电磁有限元技术领域，包括：构建待求解的电磁有限元方程组#imgabs0#；将电磁有限元方程组划分为多个计算子任务，将子任务的子矩阵块#imgabs1#和子右端项向量#imgabs2#分配给超级计算机中的各进程；利用初始化后的Householder‑GMRES算法，各进程并行进行子任务的计算，得到各进程的局部最优解#imgabs3#；对各进程的局部最优解#imgabs4#进行汇总，得到电磁有限元方程组的最优解#imgabs5#；本发明将电磁有限元、Householder‑GMRES算法、并行计算三者结合起来，利用并行优化技术提高电磁有限元线性方程组求解效率。
-
公开(公告)号：CN119557849A
公开(公告)日：2025-03-04
申请号：CN202411610574.0
申请日：2024-11-12
Applicant: 齐鲁工业大学(山东省科学院) , 山东省计算中心(国家超级计算济南中心)
IPC: G06F18/27 , G06F18/15 , G06N3/0442 , G06N3/045 , G01W1/10 , G01W1/02 , G06F123/02
Abstract: 本发明涉及气象温度预测方法、系统、存储介质及设备，获取历史温度数据和影响温度变化的气象数据并预处理；预处理后的数据分别利用正向和反向的LSTM网络处理，得到时间序列的前向和后向隐藏状态序列，经拼接或逐元素加和得到双向隐藏状态序列；通过权重矩阵，将双向隐藏状态映射到注意力得分，经归一化处理得到每个时间步的注意力权重，并利用得到的注意力权重对双向隐藏状态序列加权求和，利用得到的上下文向量经全连接层处理，生成温度预测值。结合了双向LSTM和注意力机制，不仅增强了模型对复杂温度时间序列数据的处理能力，而且提高了预测的准确性和鲁棒性，从而应对传统方法的不足。
-
-
-
-
-
-
-
-
-
Search Results
289
records
(took 0.062 seconds)
