-
公开(公告)号：CN116050518A
公开(公告)日：2023-05-02
申请号：CN202211426092.0
申请日：2022-11-14
Applicant: 广州大学
Abstract: 本发明涉及知识图谱嵌入数据投毒领域，且公开了一种知识图谱嵌入模型数据投毒效果评估方法，在MRR的基础上兼顾了数据投毒的毒化性和隐蔽性，可以更好地衡量不同数据投毒攻击对于知识图谱的影响程度，可以更好地衡量对知识图谱嵌入数据投毒的效果；本发明提出的指标使得不同的数据投毒攻击在同一个模型上可以互相比较，通过调整参数a，指标可以偏向毒化性或者隐蔽性。
-
公开(公告)号：CN111507093A
公开(公告)日：2020-08-07
申请号：CN202010263721.7
申请日：2020-04-03
Applicant: 广州大学
IPC: G06F40/232 , G06F40/247 , G06F40/194 , G06K9/62
Abstract: 本发明公开了一种基于相似字典的文本攻击方法，步骤包括：获取作为神经网络输入数据的原始文本；确定在所述原始文本中需要修改的单词；在字典中选出与所述需要修改的单词相似的替代单词；在所述原始文本中将所述需要修改的单词修改成替代单词，以生成对抗样本文本。本发明提供了一种基于相似字典的文本攻击方法、装置及存储介质，在不影响人阅读的前提下，通过添加较小的对抗扰动，影响神经网络模型的输出结果。
-
公开(公告)号：CN114091448B
公开(公告)日：2024-09-10
申请号：CN202111237436.9
申请日：2021-10-22
Applicant: 广州大学
IPC: G06F40/289 , G06F40/253 , G06F18/214 , G06N3/0464 , G06N3/094
Abstract: 本发明公开了文本对抗样本生成方法、系统、计算机设备和存储介质。所述方法包括：对获取的数据集中的单词进行tf‑idf得分计算，得到所述数据集的词性词典和不同标签对应的攻击词集；从所述数据集中选择与原始样本的标签相对应的攻击词集，并从中选择攻击得分最高的单词作为攻击词；根据预设的句子模板，选择所述攻击词的词性对应的句法规则，从所述词性词典中选择规则对应的单词，与所述攻击词共同构成符合所述句法规则的句子；根据预设的添加条件，将所述句子添加到所述原始样本中，得到新样本；根据预设的迭代条件对所述新样本进行多轮迭代计算，得到对抗样本。本发明能够避免拼写和语法错误，具有低修改率和高攻击性，提高了攻击效率。
-
公开(公告)号：CN117952205B
公开(公告)日：2024-06-18
申请号：CN202410346521.6
申请日：2024-03-26
Applicant: 电子科技大学(深圳)高等研究院 , 电子科技大学 , 广州大学
IPC: G06N5/022 , G06N5/04 , G06F18/214
Abstract: 本发明提供了一种针对知识图谱嵌入模型的后门攻击方法、系统及介质，该方法包括：基于目标KGE模型的应用场景，训练一个相同场景的受控KGE模型；基于攻击目标和已对齐实体对，推理目标KGE模型中的攻击路径；利用后门攻击方法攻击受控KGE模型，影响并更改受控KGE模型中已对齐实体#imgabs0#的向量表示；利用受控KGE模型和目标KGE模型之间已对齐的实体对，将攻击影响从受控KGE模型的实体#imgabs1#传递到目标KGE模型的实体#imgabs2#，改变目标KGE模型中已对齐实体#imgabs3#的向量表示；基于#imgabs4#的已更改向量，通过攻击路径，改变目标KGE模型中攻击目标实体#imgabs5#的向量表示，实现后门攻击。本发明无需操控目标KGE模型的全部训练数据即可实现攻击目的，具有更强的实用性，可适用于真实场景。
-
公开(公告)号：CN117952205A
公开(公告)日：2024-04-30
申请号：CN202410346521.6
申请日：2024-03-26
Applicant: 电子科技大学(深圳)高等研究院 , 电子科技大学 , 广州大学
IPC: G06N5/022 , G06N5/04 , G06F18/214
Abstract: 本发明提供了一种针对知识图谱嵌入模型的后门攻击方法、系统及介质，该方法包括：基于目标KGE模型的应用场景，训练一个相同场景的受控KGE模型；基于攻击目标和已对齐实体对，推理目标KGE模型中的攻击路径；利用后门攻击方法攻击受控KGE模型，影响并更改受控KGE模型中已对齐实体#imgabs0#的向量表示；利用受控KGE模型和目标KGE模型之间已对齐的实体对，将攻击影响从受控KGE模型的实体#imgabs1#传递到目标KGE模型的实体#imgabs2#，改变目标KGE模型中已对齐实体#imgabs3#的向量表示；基于#imgabs4#的已更改向量，通过攻击路径，改变目标KGE模型中攻击目标实体#imgabs5#的向量表示，实现后门攻击。本发明无需操控目标KGE模型的全部训练数据即可实现攻击目的，具有更强的实用性，可适用于真实场景。
-
Patent Agency Ranking
公开(公告)号：CN114298010B
公开(公告)日：2024-11-08
申请号：CN202111499830.X
申请日：2021-12-09
Applicant: 广州大学
IPC: G06F40/211 , G06F40/30 , G06N3/0464 , G06N3/049 , G06N3/08
Abstract: 本发明公开了一种融合双语言模型和句子检测的文本生成方法，该方法步骤包括：语言模型M1和语言模型M2同步扩展关键词前后的单词；语言模型M1正向预测下一字符得到新文本S1，语言模型M2反向预测下一个字符得到新文本S2，拼接新文本S1和新文本S2得到句子；句子满足输出条件则输出句子，否则作为新的输入；基于规约的句法分析方法对句子进行结构分析，句子能规约至文法起始符则符合句法规则；使用N‑Gram统计模型对符合句法规则的候选句子计算语言得分，若候选句子的语言得分超过设定阈值则作为最终文本输出。本发明可应用于句子构造、文章生成等创造性的文本生成任务中，有效解决以往生成技术中句子丰富度低、可读性差的问题。
-
公开(公告)号：CN118764234A
公开(公告)日：2024-10-11
申请号：CN202410821024.7
申请日：2024-06-24
Applicant: 广州大学
IPC: H04L9/40
Abstract: 本说明书实施例提供了一种面向暗网网络靶场的应用场景自动构建方法及系统，其中，方法包括：将目标场景分解为多个子场景，构建对应的任务程序脚本，添加至API接口库，用户节点从API接口库中获取任务程序脚本；用户节点向目录服务器查询中间节点的安全策略，选择满足执行任务程序脚本的中间节点，通过暗网网络向选择的中间节点发送任务程序脚本以及权限清单；中间节点接收任务程序脚本和权限清单，分配容器执行环境，执行任务程序脚本，将得到的多个子场景组合得到最终应用场景。本发明使用户能够按需定义应用场景，实现用户对于复杂应用场景的业务编程，从而支撑暗网各类对抗演练、新技术新场景验证。
-
公开(公告)号：CN115774788B
公开(公告)日：2024-04-23
申请号：CN202211455237.X
申请日：2022-11-21
Applicant: 电子科技大学 , 电子科技大学(深圳)高等研究院 , 广州大学
Abstract: 本发明公开了一种用于知识图谱嵌入模型的负采样方法，包括以下步骤：S1：初始化n个包含N个负样本的存储空间；S2：根据给定的正样本三元组，基于实体集合ε中全部实体生成负样本集合，通过均匀采样，从负样本集合中采样得到2*N1个负样本；S3：将步骤S2得到的若干个负样本添加至所储空间；S4：对存储空间中的负样本进行重要性评估；S5：对存储空间中所有负样本的重要性进行排序，保留重要性分数高的N3个样本；S6：从保留的负样本中均匀采样N个负样本组成HNS；S7：重复步骤S2‑S6n次；S8：对模型进行迭代训练。本发明提供的技术方案占用资源少，运行效率高，广泛适用于各种知识图谱模型。
-
公开(公告)号：CN115496059A
公开(公告)日：2022-12-20
申请号：CN202210918041.3
申请日：2022-08-01
Applicant: 广州大学
IPC: G06F40/242 , G06F40/40
Abstract: 本发明涉及无监督词翻译技术领域，公开了一种基于轴心词加权检索标准的双语词汇映射学习方法，包括以下步骤：初始化t＝0，设置迭代次数T，设置超参数μ和k，设置成绩数组R＝{}，对于所有来自词典Lx和Ly的候选词对lx和ly，根据词典获得对应的词向量x和y。该基于轴心词加权检索标准的双语词汇映射学习方法，将加权移动平均的思路结合到对齐的迭代过程中，使得优化的效果更加稳定。相比现有双语词典检索技术，本发明生成的双语词典以及优化后的多语言词向量更适用于特定领域的下游任务，同时，本发明结合了加权移动平均思路，有利于缓解新旧词典差别太大导致剧烈波动的问题。
-
公开(公告)号：CN115270822A
公开(公告)日：2022-11-01
申请号：CN202210664732.5
申请日：2022-06-14
Applicant: 广州大学
IPC: G06F40/58
Abstract: 本发明涉及机器翻译技术领域，公开了一种结合依存句法的无监督机器翻译提升方法，句法编码解码阶段；结合依存句法规则的去噪阶段；词法以及句法的回译阶段，提出了一种基于一定的依存句法规范下的加噪方法，对比当前的加噪方法，更好地维持了语句的句法性。该结合依存句法的无监督机器翻译提升方法，学习到语句内部的依存句法结构，提升训练时间效率，仅需要少量的手工标注，即可通过约束加噪中的增加、删除以及替换过程使得句子依旧符合一定的句法规范，采用独立的词法编码器、词法解码器与句法解码器的模型设计方案；提出了结合依存句法结构进行回译的优化方法，通过在回译过程中加入了依存句法上的回译损失，维持一定的句法准确性。
-
-
-
-
-
-
-
-
-
Search Results
30
records
(took 0.02 seconds)
