-
公开(公告)号:CN113111731B
公开(公告)日:2024-07-19
申请号:CN202110311489.4
申请日:2021-03-24
Applicant: 浙江工业大学
IPC: G06F18/214 , G06N3/094 , G06N3/045 , G06N3/0475 , G06N3/0464
Abstract: 本发明公开了一种基于侧信道信息对深度神经网络灰盒攻击的方法,包括:(S1):在嵌入式智能设备上运行各种常见的深度学习模型,同时采集设备运行时的各种功耗数据;(S2):基于侧信道攻击来识别目标模型的基本网络结构;(S3):利用识别出的网络结构生成等价模型;(S4):使用训练的等价模型生成对抗样本。本发明还包括一种基于测信道信息的深度神经网络黑盒对抗样本生成系统,由数据采集模块、识别深度学习模型模块、等价模型生成模块和对抗样本生成模块组成;本发明可以根据功耗轨迹使用适当的机器学习算法识别出模型结构,然后利用识别出的模型结构训练出和目标模型有相同决策边界的等价模型,最后利用等价模型生成对抗样本对目标模型进行攻击。
-
公开(公告)号:CN111921387B
公开(公告)日:2022-03-29
申请号:CN202010684455.5
申请日:2020-07-16
Applicant: 浙江工业大学
IPC: B01D69/12 , B01D61/02 , B01D61/14 , B01D65/10 , C02F1/44 , C02F101/34 , C02F101/38
Abstract: 本发明公开了一种聚多巴胺修饰咪唑基纳米粒子复合纳滤膜的制备方法,以芳香族多元胺单体分子,醛类化合物,二羰基化合物为反应原料,在酸性水溶液中缩聚形成咪唑基纳米粒子,再向其碱性水分散液中添加多巴胺,通过氧化聚合得到聚多巴胺修饰咪唑基纳米粒子,最后在多孔超滤膜上通过表面涂覆—界面交联法制备复合纳滤膜。本发明所制备的聚多巴胺修饰咪唑基纳米粒子复合纳滤膜兼具有高渗透选择性和强抗污染稳定性,具有良好的工业化应用前景。
-
公开(公告)号:CN113676311A
公开(公告)日:2021-11-19
申请号:CN202110755806.1
申请日:2021-07-05
Applicant: 浙江工业大学
Abstract: 一种基于侧信道信息获取深度学习模型结构的方法,包括:(S1):搭建采集嵌入式智能设备运行时的功率信息的实验平台;(S2):在嵌入式智能设备上分别单独运行卷积层、池化层、激活函数层和全连接层,同时实时的采集功耗信息;(S3):对采集的功率信息进行处理;(S4):基于卷积神经网络,搭建模型结构分类器,对采集到的数据进行训练;(S5):使用生成的深度学习模型结构分类器对模型进行分析,以混淆矩阵的方式呈现测试结果。本发明还包括一种基于侧信道信息获取深度学习模型结构的系统。本发明可以根据功耗轨迹使用适当的卷积神经网络识别出模型的具体结构。
-
公开(公告)号:CN113361564A
公开(公告)日:2021-09-07
申请号:CN202110503467.8
申请日:2021-05-10
Applicant: 浙江工业大学
Abstract: 基于深度残差网络的中药饮片识别方法,包括:S1:数据采集:采集常见的中药饮片图片;S2:数据处理:对采集的原图进行处理;S3:模型训练:用训练集训练网络模型;S4:数据识别:用中药饮片分类网络对中药饮片进行识别。本发明还包括实施上述基于深度残差网络的中药饮片识别方法的系统,包括依次连接的数据获取模块,数据处理模块,网络训练模块和数据识别模块。本发明在深度残差网络的基础上结合通道注意力机制来识别中药饮片,注意力机制的引入能够捕捉相似饮片的细微差异特征,提高识别准确率,降低了人力和时间成本,为非中医药学专业人士分辨生活中的中药饮片提供了思路。
-
公开(公告)号:CN112800881A
公开(公告)日:2021-05-14
申请号:CN202110053803.3
申请日:2021-01-15
Applicant: 浙江工业大学
Abstract: 一种基于相位相关的场景偏移检测方法,包括:1)正常运行的监控摄像头中获取一张图片,令其为基准图像g(x,y),并对其进行傅里叶变换得到G(u,v),保存结果;2)在一定间隔时间后,再次获取监控摄像头中待测图片f(x,y),同样也进行傅里叶变化得到F(u,v),并给出与基准图像对应关系;3)根据基准图像与待测图像在频域中的对应关系,计算两幅图之间的交叉功率谱P(u,v);4)对两幅图像的交叉功率谱P(u,v)进行傅里叶逆变换得到相位相关函数p(x,y),对其进行求解即可得到基准图像g(x,y)与待测图片f(x,y)的偏移程度(Δx,Δy);5)将偏移程度与设定阈值比较,若超过阈值则进行告警,反正则跳转至步骤S2。本发明还提供了一种基于相位相关的场景偏移检测系统。
-
公开(公告)号:CN111921383A
公开(公告)日:2020-11-13
申请号:CN202010684466.3
申请日:2020-07-16
Applicant: 浙江工业大学
IPC: B01D65/10 , B01D69/12 , B01D67/00 , C02F1/44 , C02F101/34 , C02F101/38
Abstract: 本发明公开了一种基于三嗪类多孔有机纳米粒子组装膜的制备方法,以三嗪类衍生物、1,2-二羰基化合物和醛类化合物为反应单体,在醋酸水溶液中通过Debus-Radziszewski反应制备三嗪类多孔有机纳米粒子;再将其与阳离子聚电解质混合配制成分散液,在多孔支撑膜表面通过加压沉积过滤—化学交联法制备基于三嗪类多孔有机纳米粒子组装膜。本发明所制备的基于三嗪类多孔有机纳米粒子组装膜兼具高效染料脱盐性能和良好稳定性,可应用于染料提纯和废水处理等应用领域。
-
公开(公告)号:CN113361565A
公开(公告)日:2021-09-07
申请号:CN202110526682.X
申请日:2021-05-14
Applicant: 浙江工业大学
Abstract: 一种针对激光雷达的对抗样本生成方法,包括以下步骤:1)在点云图中找出需要被攻击的目标以及目标的脆弱区域;2)在步骤1的目标区域生成对抗性的独立点;3)对步骤2生成的对抗性的独立点基于扰动指标进行优化;4)在步骤3的基础上基于对抗点产生对抗性团簇;5)对步骤4产生的对抗性团簇基于扰动指标进行优化,最终生成对抗样本。本发明还提供实施一种针对激光雷达的对抗样本生成的方法的系统,由目标检测以及筛选模块、对抗点生成模块、对抗点优化模块、对抗点团簇生成模块、对抗团簇优化模块连接而成。本发明生成的激光雷达点云对抗样本对抗性高,相对原始数据的损失小能更好保留原始数据的基本特征。
-
公开(公告)号:CN113223081A
公开(公告)日:2021-08-06
申请号:CN202110333628.3
申请日:2021-03-29
Applicant: 浙江工业大学
Abstract: 一种基于背景建模与深度学习的高空抛物检测方法,包括:S1)获取监控摄像头前S帧图像用于建立初始混合高斯背景模型B;S2)从监控视频流中读取最新图像帧与背景模型B进行匹配,确定前景与背景,并更新背景模型B;S3)对前景部分的像素区域通过CNN进行特征提取记录,并剔除错误前景区域;S4)重复S2与S3步骤,将不同时刻运动物体进行特征匹配,形成匹配集合Z;S5)当S4中匹配结束后,对匹配集合Z通过LSTM进行时序分析,确定真正的高空抛物事件,进行记录并及时告警。本发明还提供实施一种基于背景建模与深度学习的高空抛物检测方法的系统。本发明能快速在实地布署进行高空抛物检测,且能检测到最小尺寸为2像素点的物体。
-
公开(公告)号:CN113111731A
公开(公告)日:2021-07-13
申请号:CN202110311489.4
申请日:2021-03-24
Applicant: 浙江工业大学
Abstract: 本发明公开了一种基于侧信道信息对深度神经网络灰盒攻击的方法,包括:(S1):在嵌入式智能设备上运行各种常见的深度学习模型,同时采集设备运行时的各种功耗数据;(S2):基于侧信道攻击来识别目标模型的基本网络结构;(S3):利用识别出的网络结构生成等价模型;(S4):使用训练的等价模型生成对抗样本。本发明还包括一种基于测信道信息的深度神经网络黑盒对抗样本生成系统,由数据采集模块、识别深度学习模型模块、等价模型生成模块和对抗样本生成模块组成;本发明可以根据功耗轨迹使用适当的机器学习算法识别出模型结构,然后利用识别出的模型结构训练出和目标模型有相同决策边界的等价模型,最后利用等价模型生成对抗样本对目标模型进行攻击。
-
公开(公告)号:CN113111204A
公开(公告)日:2021-07-13
申请号:CN202110284003.2
申请日:2021-03-17
Applicant: 浙江工业大学
IPC: G06F16/53 , G06F16/51 , G06F16/55 , G06F16/951 , G06N3/04
Abstract: 一种基于形态判别网络的中药饮片图像数据清洗方法,包括:S1:在常见的图像搜索引擎中,获取常见的中药饮片及其负样本图像数据,按形态分类保存;S2:筛选中药饮片数据,删去不符合要求的图片;S3:使用图像旋转和镜像等操作对各类别图像数据进行扩充,并在负样本数据中添加随机噪声生成的图片;S4:使用形态分类数据训练形态判别网络;S5:从互联网按照中药饮片名称逐类获取中药饮片数据;S6:利用形态判别器对获取的中药饮片图像数据进行清洗。本发明还包括实施发明方法的系统。本发明大大降低了清洗中药饮片图像数据所花费的人力成本和时间成本,而且拥有较好的数据清洗效果。
-
-
-
-
-
-
-
-
-