“陈晋音”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果364个，建议您升级VIP下载更多相关专利

[发明专利]面向深度强化学习的策略保护防御方法-CN202110651675.2有效
发明人： 陈晋音;章燕;王雪柯;胡书隆 -专利权人：浙江工业大学
申请日： 2021-06-11 - 公布日： 2022-10-14 - 主分类号： G06F21/55 文献下载
摘要：本发明公开了一种面向深度强化学习的策略保护防御方法，包括以下步骤：1)搭建深度强化学习的目标智能体自动驾驶模拟环境，基于强化学习中的深度Q网络预训练目标智能体以优化深度Q网络的参数；2)根据优化后的深度Q网络的策略πt生成T个时刻目标智能体驾驶序列状态动作对和奖励值作为专家数据；3)根据专家数据模仿学习生成模仿策略πIL；4)目标智能体在模仿策略πIL的基础上对自身的策略进行调整学习，通过对深度Q网络进行微调并修改目标函数，使得在保证目标智能体策略πt可以获得较高的期望奖励值的同时，保证根据模仿策略πIL得到的期望奖励值较低，以达到策略保护的目的。
面向深度强化学习策略保护防御方法

[发明专利]基于双向特征嵌入的深度学习模型去偏方法-CN202110777117.0有效
发明人： 陈晋音;陈一鸣;陈奕芃 -专利权人：浙江工业大学
申请日： 2021-07-09 - 公布日： 2022-10-14 - 主分类号： G06N3/08 文献下载
摘要：本发明公开了一种基于双向特征嵌入的深度学习模型去偏方法，包括：获得第一特权组样本集和第一非特权组样本集；构建双特征嵌入样本集；搭建收入预测模型，所述深度学习模型包括6层全连接网络；利用双特征嵌入样本集，在训练时，以收入判断任务的损失loss_m1，和去社会偏见损失loss_m2组成的总损失loss为最终损失；每训练一阶段，将收入预测模型输出的收入判断结果和对应的敏感性样本集通过mean difference进行测算，当mean difference计算结果满足阈值，则获得最终收入预测模型。该收入预测模型能够准确且不带有偏见的预测收入。
基于双向特征嵌入深度学习模型偏方

[发明专利]基于分布式类脑图的深度学习计算框架缺陷溯源方法-CN202210933327.9在审
发明人： 陈晋音;陈若曦;金海波;郑海斌;郑雅羽 -专利权人：浙江工业大学
申请日： 2022-08-04 - 公布日： 2022-10-11 - 主分类号： G06N3/04 文献下载
摘要：本发明公开了一种基于分布式类脑图的深度学习计算框架缺陷溯源方法，对待测的深度学习框架训练的卷积神经网络m0构建对应的分布式类脑图Gori；从卷积神经网络m0的每一层中提取关键神经元，得到关键神经元集合；并将关键神经元集合映射到分布式类脑图Gori上，去掉到分布式类脑图Gori中除关键神经元集合的节点和其连边，得到主元模块区Gpath；定义图指标；对主元模块区Gpath进行a次生长，得到a个次元模块区；获得重构模型；定位卷积神经网络m0的缺陷层；若卷积神经网络m0存在缺陷层，待测的深度学习框架的调用算子存在输出不一致的缺陷。该方法具有良好的适用性，能够有效发现计算框架中的潜在缺陷，并对其进行准确定位。
基于分布式类脑图深度学习计算框架缺陷溯源方法

[发明专利]一种面向语音识别系统的音乐嵌入攻击防御方法-CN202010062197.7有效
发明人： 陈晋音;郑喆;叶林辉 -专利权人：浙江工业大学
申请日： 2020-01-20 - 公布日： 2022-10-11 - 主分类号： G10L15/06 文献下载
摘要：面向语音识别系统的音乐嵌入攻击防御方法，包括：(1)数据集准备及预处理；(2)训练语音识别模型；(3)预训练生成对抗网络；(4)重训练生成对抗网络；(5)生成对抗样本；(6)对抗训练。本发明通过生成对抗网络生成音乐音频，并且使用语音识别模型得到对抗音频的转录结果，利用转录结果与目标短语之间的损失以及判别器的判别结果设置目标函数来优化生成器，使得生成的对抗音频能够不被人耳所识别且转录为目标短语；通过对抗训练提高语音识别系统防御对抗样本攻击的能力。
一种面向语音识别系统音乐嵌入攻击防御方法

[发明专利]一种基于生成式对抗网络的信号识别攻击的防御方法-CN201911394307.3有效
发明人： 陈晋音;朱伟鹏;郑海斌;成凯回 -专利权人：浙江工业大学
申请日： 2019-12-30 - 公布日： 2022-10-04 - 主分类号： H04W12/122 文献下载
摘要：一种基于生成式对抗网络攻击的防御方法，包括：1)利用长短时记忆网络(LSTM)，搭建合适的生成式对抗网络结构GAN；2)对结构中的判别模型进行预训练；3)根据生成器G的损失函数，以迭代次数为限制，收敛损失函数为目的，训练生成器G；4)根据生成器D的损失函数，以迭代次数为限制，收敛损失函数为目的，训练生成器D；5)重复以上步骤(3)～步骤(4)，轮流优化生成式对抗网络中的生成器和判别器，以迭代次数为上限，得到较好的网络结构，完成最优对抗样本的生成；6)观察对抗样本的指标，并生成大量不同类型信号的对抗样本；7)通过将一些筛选后的对抗样本，加入到模型训练阶段，以达到对信号边界摸索攻击的防御效果。
一种基于生成对抗网络信号识别攻击防御方法

[发明专利]一种基于颜色空间分量的对抗样本图像生成方法和系统-CN202210737699.4在审
发明人：杨星;纪守领;邱鹏宇;陈晋音;梁振宇;张旭鸿;朱东涛;许颢砾 -专利权人：中国人民解放军国防科技大学
申请日： 2022-06-28 - 公布日： 2022-09-30 - 主分类号： G06V10/56 文献下载
摘要：本发明给出了一种基于颜色空间分量的对抗样本图像生成方法和系统，属于图像安全技术领域。该对抗样本图像生成方法包括：确定待对抗图像中待对抗的位置像素块；设置与所述位置像素块的颜色空间分量相同、大小相同的对抗扰动块；对所述对抗扰动块在所述颜色空间上进行采样，以形成多个对抗样本图像；将所述多个对抗样本图像输入到目标检测模型中进行目标预测，得到每个对抗样本图像对应的预测值；根据所述多个对抗样本图像对应的预测值，对所述对抗样本图像进行迭代优化处理。本发明能够保证对抗样本图像在颜色空间分量变化过程中的鲁棒性。
一种基于颜色空间分量对抗样本图像生成方法系统

[发明专利]一种基于掩膜遮蔽的深度学习模型去偏方法及装置-CN202210176362.0在审
发明人： 陈晋音;李秦峰;郑海斌;郑雅羽;宣琦 -专利权人：浙江工业大学
申请日： 2022-02-25 - 公布日： 2022-09-30 - 主分类号： G06V40/10 文献下载
摘要：本发明公开了一种基于掩膜遮蔽的深度学习模型去偏方法及装置，首先选取原始数据集，并进行数据预处理；再基于差异影响、人口统计平等、机会平等定义偏见指标函数；然后构建并训练掩膜遮蔽框架模型：再利用构建的掩膜遮蔽框架模型，对预处理后的原始数据集进行数据增强；最后构建深度学习模型，利用数据增强后的数据集，根据定义的偏见指标函数对深度学习模型进行训练，完成去偏。并可利用偏见指标函数对深度学习模型的偏见程度进行检测。
一种基于遮蔽深度学习模型偏方装置

[发明专利]基于对比学习的联邦学习个性化方法-CN202210956833.X在审
发明人： 陈晋音;刘涛;李荣昌;李明俊;宣琦 -专利权人：浙江工业大学
申请日： 2022-08-10 - 公布日： 2022-09-27 - 主分类号： G06N20/00 文献下载
摘要：本发明公开了一种基于对比学习的联邦学习个性化方法，通过权衡在整个数据集上训练的全局模型，与在本地子集上训练的本地模型，来实现个性化。通过当前本地模型学习到的表征与全局模型学习到的表征的一致性损失，来修正本地更新，进而实现联邦学习的个性化。将同时计算全局模型的表征、本地数据训练得到模型的表征，以及当前模型训练的本地模型的表征，然后通过个性化参数，规范这三个表征之间的距离，即在模型层面实现对比学习，以此来修正全局模型适应不同客户端上的任务。本发明能够适应客户端不同的任务，达到联邦学习个性化定制的要求。
基于对比学习联邦个性化方法

[发明专利]一种基于偏见神经元的数据去偏方法和装置-CN202210685939.0在审
发明人： 陈晋音;陈一鸣;陈奕芃;郑海斌;赵云波 -专利权人：浙江工业大学
申请日： 2022-06-16 - 公布日： 2022-09-09 - 主分类号： G06N3/06 文献下载
摘要：本发明公开了一种基于偏见神经元的数据去偏方法和装置，首先获取原始数据，并对所述原始数据中的类别属性进行标记，得到标记后的数据集，记作数据集X；再翻转数据集X中的敏感属性构成数据集X′，利用数据集X和数据集X′筛选深度学习模型中的偏见神经元；构建反向数据集；取k的反向数据集中的样本扩充至数据集X中合成增强数据集，随后将增强数据集输入至深度模型θ，并对深度模型θ进行训练，直到深度模型θ的分类精度大于80％，完成去偏。本发明通过利用深度学习模型中的偏见神经元反向生成训练样本，将原始样本数据集扩充增强，得到更加公平的数据集用于深度学习模型的训练，从而达到消除偏见的目的，并且提升深度学习模型决策的公平性。
一种基于偏见神经元数据偏方装置

[发明专利]一种面向个体公平的去偏方法和装置-CN202210687007.X在审
发明人： 陈晋音;陈奕芃;郑海斌;陈一鸣 -专利权人：浙江工业大学
申请日： 2022-06-16 - 公布日： 2022-08-30 - 主分类号： G06K9/62 文献下载
摘要：本发明公开一种面向个体公平的去偏方法和装置，首先构建样本数据集并提取类别标签以及敏感属性标签，组成个体歧视样本对，构建个体公平的去偏系统，所述去偏系统包括特征提取单元、目标分类单元、歧视判别器，利用个体歧视样本对优化个体公平的去偏系统的网络参数，优化结束后组成个体公平的去偏模型，最后利用个体公平的去偏模型进行个体公平的去偏处理。用过引入歧视判别器，对个体歧视现象进行判别并进行消除，从而去偏模型能够达到相似个体有相同或相似的预测结果，不会受到敏感属性的影响。
一种面向个体公平偏方装置

[发明专利]面向深度学习模型的隐蔽中毒攻击防御方法及其装置-CN202110675083.4有效
发明人： 陈晋音;邹健飞;熊晖 -专利权人：浙江工业大学
申请日： 2021-06-17 - 公布日： 2022-08-26 - 主分类号： G06F21/55 文献下载
摘要：本发明公开了一种面向深度学习模型的隐蔽中毒攻击防御方法，包括(1)获取图像数据集与深度学习模型；(2)利用深度学习模型筛选获得干净图像数据集；(3)生成中毒样本，将生成中毒样本的过程隐蔽在图像预处理过程中；(4)将生成的中毒样本输入深度学习模型中使模型中毒，并在测试阶段使模型对于触发样本做出错误判断；(5)将生成的中毒样本标注正确的类标输入深度学习模型中进行强化训练，以修复深度学习模型。本发明还公开了一种面向深度学习模型的隐蔽中毒攻击防御装置，用于实施上述方法。本发明通过生成中毒样本实现对模型的隐蔽中毒攻击，然后将生成的中毒样本用于修复模型，从而提高模型的安全性和鲁棒性。
面向深度学习模型隐蔽中毒攻击防御方法及其装置

[发明专利]一种基于个性化联邦学习的面部识别方法和装置-CN202210629966.6在审
发明人： 陈晋音;李明俊;刘涛;李荣昌 -专利权人：浙江工业大学
申请日： 2022-06-06 - 公布日： 2022-08-09 - 主分类号： G06V40/16 文献下载
摘要：本发明公开了一种基于个性化联邦学习的面部识别方法和装置，获取用户的面部图像数据，将所述面部图像数据输入最佳面部识别模型中，得到面部识别结果；个性化模型对上传的本地模型参数进行余弦相似度计算，对自身的全局模型参数进行更新，并将更新后的全局模型参数下发给相对应的客户端，实现在进行客户端分组的时候，将数据分布极端异常的客户端进行隔离，数据分布具有相似性的客户端会进行协作。该方法对恶意攻击方具有良好的防御作用，利用个性化机制进行训练，逐渐将恶意客户端与正常客户端进行分离，聚合不同的全局模型，减少彼此之间的影响，实现对面部的识别。
一种基于个性化联邦学习面部识别方法装置

[发明专利]基于时序神经通路的语音识别模型中毒检测方法及装置-CN202110650450.5有效
发明人： 陈晋音;叶林辉;金海波;张龙源 -专利权人：浙江工业大学
申请日： 2021-06-11 - 公布日： 2022-08-09 - 主分类号： G06F21/56 文献下载
摘要：本发明公开了一种基于时序神经通路的语音识别模型中毒检测方法及装置，包括：获取基于循环神经网络RNN结构的语音识别模型MR及用于训练该模型的数据集；定义RNN的时序神经通路；从数据集中选择K条数据作为测试音频，构建用于优化测试音频的损失函数loss，使测试音频在输入MR后能够使时序神经通路上的神经元的激活值最大；利用损失函数loss构建近似中毒音频；将近似中毒测试音频输入到MR中，统计MR对该近似中毒测试音频的识别结果与对应原文本的编辑距离；若编辑距离达到一定阈值，就判定该语音识别模型MR是中毒的。本发明的方法可以有效检测语音识别模型是否中毒，弥补深度学习模型测试方法与中毒模型检测方法中存在的缺点。
基于时序神经通路语音识别模型中毒检测方法装置

[发明专利]面向特征嵌入中毒攻击的检测方法、装置和系统-CN202110184570.0有效
发明人： 陈晋音;邹健飞;熊晖 -专利权人：浙江工业大学
申请日： 2021-02-08 - 公布日： 2022-08-05 - 主分类号： G06F21/55 文献下载
摘要：本发明公开了一种面向特征嵌入中毒攻击的检测方法、装置和系统，通过测试样本分别在良性模型和待检测模型每网络层的互信息的分布状态，实现对待检测模型中毒攻击的检测，针对中毒攻击的模型，基于测试样本在模型的特征通道的改变来生成扰动图，基于扰动图的分布特征确定模型中毒目标类，并生成中毒样本。经实验结果表明，该检测方法、装置和系统具有良好的适用性，能够有效的判断模型是否中毒并生成相应的中毒样本，取得较好的检测效果。
面向特征嵌入中毒攻击检测方法装置系统

[发明专利]一种基于神经通路的深度学习的中毒防御方法及装置-CN202110697441.1有效
发明人： 陈晋音;金海波 -专利权人：浙江工业大学
申请日： 2021-06-23 - 公布日： 2022-08-05 - 主分类号： G06F21/55 文献下载
摘要：本发明公开了一种基于神经通路的深度学习的中毒防御方法及装置，其中公开了基于神经通路的深度学习的中毒防御方法，利用中毒模型，通过特征提取层产生导向性样本从而构建深度学习模型的关键神经通路，模拟触发样本的数据流动过程，对激活值异常的神经元通过人工神经元来抑制激活值，增加新的权重使得模型实现自我防御机制。本发明还公开了一种基于神经通路的深度学习的中毒防御装置，包括收集模块，预训练模块，构建通路模块，构建防御机制模块，评估模块。
一种基于神经通路深度学习中毒防御方法装置