-
公开(公告)号：CN117953347A
公开(公告)日：2024-04-30
申请号：CN202410130721.8
申请日：2024-01-30
Applicant: 西安邮电大学
IPC: G06V10/82 , G06V10/774 , G06V10/764 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种基于特征约束的深度神经网络对抗防御方法，属于机器学习和深度学习安全技术领域，以解决迭代的白盒攻击对深度神经网络模型的安全威胁。本发明使用引导互补熵构建模型分类目标函数，初始化深度神经网络以确定模型分类边界；增加深层特征约束，将样本特征到类中心向量的距离作为特征约束目标函数，增大类间距离，使中间特征空间中的任何两个类之间的重叠最小。本发明提供了一种高效的对抗防御方法，提升了深度神经网络分类模型的鲁棒性。
-
公开(公告)号：CN112269906B
公开(公告)日：2023-04-14
申请号：CN202011098344.2
申请日：2020-10-14
Applicant: 西安邮电大学 , 陕西省科技资源统筹中心
IPC: G06F16/906 , G06F16/951 , G06F16/953 , G06N3/0464 , G06N3/08
Abstract: 本申请属于计算机技术领域，具体涉及一种网页正文的自动抽取方法及装置。其中的方法包括：通过关键字搜索得到目标网站，从目标网站抓取网页数据，并对抓取的网页进行截图，得到网页图像数据；通过预先训练的卷积神经网络将网页分为文章网页和列表网页，并将网页数据解析为DOM树；对文章网页，比较同一父元素中两个子元素文本长度之差与全部子元素文本长度的标准差，基于比较结果从网页数据中抽取网页正文；对列表网页，将深度级别、属性相同的元素作为一个衡量单元，从平均文本长度最长的衡量单元对应的元素抽取网页正文。本申请中的方法可以准确识别网页页面中的正文内容，实现高效、快速的网页正文抽取，从而使系统具有较高的稳定性和鲁棒性。
-
公开(公告)号：CN112269906A
公开(公告)日：2021-01-26
申请号：CN202011098344.2
申请日：2020-10-14
Applicant: 西安邮电大学 , 陕西省科技资源统筹中心
IPC: G06F16/906 , G06F16/951 , G06F16/953 , G06N3/04 , G06N3/08
Abstract: 本申请属于计算机技术领域，具体涉及一种网页正文的自动抽取方法及装置。其中的方法包括：通过关键字搜索得到目标网站，从目标网站抓取网页数据，并对抓取的网页进行截图，得到网页图像数据；通过预先训练的卷积神经网络将网页分为文章网页和列表网页，并将网页数据解析为DOM树；对文章网页，比较同一父元素中两个子元素文本长度之差与全部子元素文本长度的标准差，基于比较结果从网页数据中抽取网页正文；对列表网页，将深度级别、属性相同的元素作为一个衡量单元，从平均文本长度最长的衡量单元对应的元素抽取网页正文。本申请中的方法可以准确识别网页页面中的正文内容，实现高效、快速的网页正文抽取，从而使系统具有较高的稳定性和鲁棒性。
-
公开(公告)号：CN117372739A
公开(公告)日：2024-01-09
申请号：CN202310340619.6
申请日：2023-03-31
Applicant: 西安邮电大学
IPC: G06V10/764 , G06V10/56 , G06N3/094 , G06V10/82
Abstract: 本发明涉及一种基于感知色距和扰动重要性的稀疏对抗样本生成方法，属于机器学习和深度学习安全技术领域，解决使用全局扰动生成的对抗样本可感知性太强的不足。本发明首先引入了感知颜色距离损失和分类损失的联合优化，并利用自适应参数调节算法调节感知颜色距离损失和分类损失的权重，基于损失函数梯度值迭代的更新扰动来生成初始对抗扰动。接着，基于扰动重要性优化初始对抗扰动来提高对抗样本的真实性和稀疏性。本发明提供了一种高效的对抗样本生成方法，在图像分类领域中，针对Inception‑v3模型在CIFAR‑10数据集上的非目标攻击可以达到100％的攻击成功率，并且不可感知性更强。
-
公开(公告)号：CN119204159A
公开(公告)日：2024-12-27
申请号：CN202411247807.5
申请日：2024-09-06
Applicant: 西安邮电大学
IPC: G06N3/094 , G06N3/0455 , G06N3/0464 , G06N3/0475 , G06N3/0895
Abstract: 本发明涉及一种基于攻击空间GAN的深度神经网络对抗攻击方法，属于机器学习和深度学习安全技术领域，以解决单步攻击和迭代攻击方法生成的对抗样本缺乏攻击有效性和隐蔽性的问题，本发明使用基于Transformer改进的Restormer模型作为生成器生成扰动，同时利用其生成器中编码器在latent层生成的特征图谱，通过卷积层和ReLU层进行处理后，生成攻击空间，将扰动和攻击空间叠加得到对抗样本；通过引入结构相似度损失函数和特征损失函数，并进行生成器和鉴别器之间的博弈训练，使训练后的生成器能够生成有效的对抗样本，本发明提供了一种高效的对抗攻击方法，产生能够误导目标学习模型的对抗样本，增强深度神经网络模型的鲁棒性测试。
-
Patent Agency Ranking
公开(公告)号：CN118468981A
公开(公告)日：2024-08-09
申请号：CN202410601533.9
申请日：2024-05-15
Applicant: 西安邮电大学
IPC: G06N3/094 , G06N3/045 , G06N3/0475 , G06F18/214 , G06N3/084 , G06N3/0464
Abstract: 本发明涉及基于自适应攻击强度的深度神经网络对抗训练方法，属于人工智能安全领域，解决了传统对抗训练方法导致模型对对抗攻击方法泛化能力较弱的问题。本发明首先根据对抗扰动动态选择方法生成对抗样本；然后，将干净样本和对抗样本整合为训练数据集,深度神经网络模型预测训练数据集中样本标签，构建交叉熵损失函数；最后，通过反向传播算法不断更新模型参数直至损失函数的损失值收敛至阈值以内。本发明方法有效地扩展了深度学习模型在特征空间中的学习范围，提供一种提高深度神经网络模型对对抗攻击泛化能力的方法。
-
公开(公告)号：CN118551822A
公开(公告)日：2024-08-27
申请号：CN202410623152.0
申请日：2024-05-20
Applicant: 西安邮电大学
IPC: G06N3/086 , G06N3/0464 , G06V10/774 , G06V10/776 , G06V10/82
Abstract: 本发明公开了一种基于多目标优化的深度神经网络测试样本选择方法，属于人工智能测试领域，具体涉及从深度神经网络图像分类数据集中优先选择具有高故障检测能力的测试样本集合，其特征是首先随机初始化测试个体种群，然后基于测试个体的不确定性分数和几何多样性分数引导多目标优化搜索，通过选择、交叉、变异等策略迭代选择出具有高故障检测能力的测试样本集合。主要解决目前深度神经网络测试中测试样本故障行为重复，且由于人工标记测试样本导致测试成本昂贵的问题，从而在有限测试资源下，揭示深度神经网络模型中最大数量的不同故障测试样本，增强深度神经网模型的预测准确性。
-
公开(公告)号：CN117152550A
公开(公告)日：2023-12-01
申请号：CN202310354927.4
申请日：2023-04-04
Applicant: 西安邮电大学
IPC: G06V10/774 , G06V10/762 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种面向自动驾驶系统的神经元覆盖引导式测试方法，属于人工智能测试领域，具体涉及到自动驾驶系统测试中大规模高质量的测试样本严重稀缺的问题，其特征是根据图像斑点信息对自动驾驶系统采集的原始测试样本聚类，筛选出等量种子样本，然后以最大化神经元覆盖率和使得系统预测不一致为目标，将在原始测试用例上的修改转化为一个优化问题，并采用梯度上升法求解，自动生成出容易使系统输出错误且神经元覆盖率高的测试用例集，最后重新输入至自动驾驶模型中训练，主要解决目前自动驾驶系统中测试用例不足，且存在神经元覆盖率低、耗时长等问题，从而挖掘出更多自动驾驶软件不合理的系统缺陷，减少测试损耗，增强系统模型的预测准确率。
-
公开(公告)号：CN113743081B
公开(公告)日：2023-08-01
申请号：CN202111034232.5
申请日：2021-09-03
Applicant: 西安邮电大学 , 西安中霖信息科技有限公司
IPC: G06F40/194 , G06F40/126 , G06N3/0464 , G06N3/0442 , G06N3/082
Abstract: 本公开实施例涉及一种技术服务信息的推荐方法，该方法包括：针对技术服务需求信息，采用Bert预训练模型处理获得第一类句向量；针对技术服务自荐信息，确定技术服务自荐信息中每一属性数据内每一子项的概要信息，获取每一概要信息对应的第二类句向量；针对第一类句向量和每一个第二类句向量，采用训练的文本相似度得分模型进行计算，获取相似度得分并采用剪枝策略进行剪枝处理，获得各属性数据的得分矩阵，并采用熵值法计算各属性数据所占权重的权重矩阵；以获取与所述技术服务需求信息匹配的F项技术服务自荐信息。本方法能够对企业研发需求进行实时推荐，及时、准确地获取最为匹配的目标科研团队。
-
公开(公告)号：CN113743081A
公开(公告)日：2021-12-03
申请号：CN202111034232.5
申请日：2021-09-03
Applicant: 西安邮电大学 , 西安中霖信息科技有限公司
IPC: G06F40/194 , G06F40/126 , G06N3/04 , G06N3/08
Abstract: 本公开实施例涉及一种技术服务信息的推荐方法，该方法包括：针对技术服务需求信息，采用Bert预训练模型处理获得第一类句向量；针对技术服务自荐信息，确定技术服务自荐信息中每一属性数据内每一子项的概要信息，获取每一概要信息对应的第二类句向量；针对第一类句向量和每一个第二类句向量，采用训练的文本相似度得分模型进行计算，获取相似度得分并采用剪枝策略进行剪枝处理，获得各属性数据的得分矩阵，并采用熵值法计算各属性数据所占权重的权重矩阵；以获取与所述技术服务需求信息匹配的F项技术服务自荐信息。本方法能够对企业研发需求进行实时推荐，及时、准确地获取最为匹配的目标科研团队。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.026 seconds)
