“蔺琛皓”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25个，建议您升级VIP下载更多相关专利

[发明专利]深度伪造检测模型的评测方法、系统及设备-CN202110963494.3有效
发明人： 蔺琛皓;邓静怡;沈超;胡鹏斌;王骞;李琦 -专利权人：西安交通大学
申请日： 2021-08-20 - 公布日： 2023-09-19 - 主分类号： G06V40/40 文献下载
摘要：本发明属于图像处理领域，公开了一种深度伪造检测模型的评测方法、系统及设备，包括以下步骤：根据待评测深度伪造检测模型的训练方法，通过预设的各类型的深度伪造数据集，分别训练待评测深度伪造检测模型，得到各训练好的深度伪造检测模型；通过预设的多样化困难样本集，测试各训练好的深度伪造检测模型，获取训练好的深度伪造检测模型在同分布数据下的准确性指标值、在非同分布数据下的泛化性指标值、健壮性指标值以及实用性指标值并按照预设权重进行加权叠加，得到待评测深度伪造检测模型的评测结果。建立了准确、公平、全面的评测方法，所得到的评测结果更加符合深度伪造检测模型的实际情况。
深度伪造检测模型评测方法系统设备

[发明专利]黑盒智能语音识别系统对抗样本生成方法及相关装置-CN202310187328.8在审
发明人：沈超;吴星辉;蔺琛皓;王骞;李琦 -专利权人：西安交通大学
申请日： 2023-03-01 - 公布日： 2023-06-27 - 主分类号： G10L15/02 文献下载
摘要：本发明属于深度学习领域，公开了一种黑盒智能语音识别系统对抗样本生成方法及相关装置，包括根据语音对抗扰动得到语音对抗样本；对目标指令音频文件和语音对抗样本均进行MFCC特征提取，得到目标语音特征矩阵和对抗语音特征矩阵，计算目标语音特征矩阵和对抗语音特征矩阵之间的L2距离作为声学特征损失函数值，计算语音对抗扰动的L2范数作为扰动损失函数值；根据声学特征损失函数值和扰动损失函数值构建对抗扰动优化损失函数，以同时最小化声学特征损失函数值和扰动损失函数值为目标更新语音对抗扰动，通过迭代上述步骤得到最终的语音对抗样本。不需要具备关于目标语音识别系统的任何先验知识，攻击成功率高且可迁移性强。
黑盒智能语音识别系统对抗样本生成方法相关装置

[发明专利]深度伪造换脸图像生成方法、系统、设备及存储介质-CN202211559712.8在审
发明人： 蔺琛皓;胡鹏斌;沈超 -专利权人：西安交通大学
申请日： 2022-12-06 - 公布日： 2023-05-09 - 主分类号： G06V40/16 文献下载
摘要：本发明属于图像处理领域，公开了一种深度伪造换脸图像生成方法、系统、设备及存储介质，包括：获取源人脸图像和目标人脸图像；调用预设的人脸编码器，得到源人脸图像的风格空间下的潜向量；以及目标人脸图像的风格空间下的潜向量、姿态空间下的潜向量及人脸区域掩码图像；调用预设的潜向量选择器得到初步交换潜向量；调用预设的人脸属性稳定器得到交换潜向量；调用预设的人脸生成器得到初步换脸图像；最后根据初步换脸图像、目标人脸图像及目标人脸图像的人脸区域掩码图像调用预设的面部融合器进行融合得到换脸图像。有效提升了换脸图像的图像质量，缩小与真实图像之间的差距。
深度伪造图像生成方法系统设备存储介质

[发明专利]深度学习模型对抗样本生成方法、系统、设备及存储介质-CN202110049467.5有效
发明人： 蔺琛皓;朱炯历;沈超;管晓宏 -专利权人：西安交通大学
申请日： 2021-01-14 - 公布日： 2023-05-02 - 主分类号： G06F18/214 文献下载
摘要：本发明属于深度学习模型领域，公开了一种深度学习模型对抗样本生成方法、系统、设备及存储介质，包括获取原始图像基于目标深度学习模型的敏感矩阵，获取若干范数组及各范数组对应的扰动图，根据各范数组对应的扰动图得到对抗零范数及对抗无穷范数，根据对抗无穷范数构建预设数量对抗扰动矩阵，通过进化算法迭代优化对抗扰动矩阵，当当前迭代优化后的对抗扰动矩阵中，至少存在一个目标对抗扰动矩阵时，将原始图像通过目标对抗扰动矩阵扰动，得到对抗样本并输出。通过获取敏感矩阵，基于敏感矩阵实现扰动，使扰动的像素点的分布变得稀疏，从人眼观察的角度，使得扰动更不易被察觉，从量化的角度，使得对抗样本的二范数得到了较大的下降。
深度学习模型对抗样本生成方法系统设备存储介质

[发明专利]决策系统的公平性修复方法、系统、设备及存储介质-CN202111095511.2有效
发明人：沈超;郜炫齐;蔺琛皓;王骞;李琦 -专利权人：西安交通大学
申请日： 2021-09-17 - 公布日： 2023-04-14 - 主分类号： G06N20/00 文献下载
摘要：本发明属于机器学习领域，公开了一种决策系统的公平性修复方法、系统、设备及存储介质，包括获取决策系统的机器学习模型以及若干决策样本，根据各决策样本下决策系统的机器学习模型的激活路径统计，将决策样本分为特殊激活样本和正常决策样本，当决策样本为正常决策样本时，基于机器学习模型的原始训练方式训练机器学习模型；当决策样本为特殊激活样本时，基于Dropout训练方式训练机器学习模型；遍历完成后，得到优化机器学习模型；采用优化机器学习模型替代决策系统的机器学习模型，得到修复的决策系统。可以检测和修复潜在的评分决策机器学习系统的公平性问题。经过修复的决策系统公平性表现有了明显提高，不再表现出对敏感属性的明显歧视性。
决策系统公平性修复方法设备存储介质

[发明专利]深度度量学习图像检索系统优化方法、系统、设备及介质-CN202211449688.2在审
发明人： 蔺琛皓;田奇伟;沈超;李前 -专利权人：西安交通大学
申请日： 2022-11-18 - 公布日： 2023-04-07 - 主分类号： G06F16/583 文献下载
摘要：本发明属于深度学习模型领域，公开了一种深度度量学习图像检索系统优化方法、系统、设备及介质，包括获取当前训练所用图片三元组批次，根据预设条件判断本批次图片所采用的扰动方式，根据预设扰动方式生成针对本批三元组对应的对抗扰动，即候选扰动和锚点扰动，前者包含可变向对抗攻击和崩塌关联自适应距离，后者包括距离比重对抗攻击损失函数和排名关系正则项，随后根据现有轮数调整对抗扰动的强度，形成对抗三元组，使用扰动方式对应的损失函数训练深度度量学习模型，一方面解决模型崩塌问题，使得模型良性样本召回率大幅上升，另一方面解决对抗攻击强度不足问题，使得模型鲁棒性得以提高。
深度度量学习图像检索系统优化方法系统设备介质

[发明专利]机器学习框架漏洞检测方法、系统、设备及可读存储介质-CN202010996845.6有效
发明人：沈超;张笑宇;蔺琛皓;管晓宏 -专利权人：西安交通大学
申请日： 2020-09-21 - 公布日： 2023-04-07 - 主分类号： G06F21/57 文献下载
摘要：本发明属于机器学习领域，公开了一种机器学习框架漏洞检测方法、系统、设备及可读存储介质，包括以下步骤：根据预设API的参数配置要求，随机生成预设API的若干单层模型；将每个单层模型分别在若干机器学习框架中实现，得到不同机器学习框架对同一单层模型的实现结果；根据不同机器学习框架对同一单层模型的实现结果的差异，确定各机器学习框架是否存在框架漏洞及框架漏洞类型。该检测方法无需提前生成可以暴露机器学习框架漏洞的模型，本质上是对每个API的不同参数配置以及不同输入进行贪婪搜索，这样的特性决定了该机器学习框架漏洞检测方法实现简单，复杂度低，且对机器学习框架API的覆盖率高，可以有效减少检测问题时的计算资源开销。
机器学习框架漏洞检测方法系统设备可读存储介质

[发明专利]跨场景及设备的击键行为认证方法、系统、设备及介质-CN202110490596.8有效
发明人：沈超;贺静怡;蔺琛皓 -专利权人：西安交通大学
申请日： 2021-05-06 - 公布日： 2023-03-21 - 主分类号： G06F21/44 文献下载
摘要：本发明属于生物特征认证领域，公开了一种跨场景及设备的击键行为认证方法、系统、设备及介质，包括以下步骤：获取待认证击键数据；提取待认证击键数据的击键特征，得到击键向量；将击键向量输入预设的跨场景及设备击键认证模型，得到击键认证结果。基于跨场景及设备击键认证模型，实现用户只需在一个注册设备上提供足量击键数据以及在拓展设备上的少量击键数据，即可进行用户在拓展设备上的身份认证，具有准确度高，拓展性强，迁移速度快的特点，可以有效地在跨场景和跨设备的情况下进行快速的模型迁移和认证工作，无需对于新设备进行大量的数据采集和模型重新训练。
场景设备击键行为认证方法系统介质

[发明专利]机器学习框架漏洞API参数定位方法、系统、设备及介质-CN202010997867.4有效
发明人：沈超;张笑宇;蔺琛皓;管晓宏 -专利权人：西安交通大学
申请日： 2020-09-21 - 公布日： 2023-03-21 - 主分类号： G06F21/57 文献下载
摘要：本发明属于机器学习领域，公开了一种机器学习框架漏洞API参数定位方法、系统、设备及介质，包括：获取一能够触发机器学习框架漏洞的API单层模型，并获取该API单层模型的参数组合及模型输入；变异参数组合中的单个参数，得到变异API单层模型；采用模型输入及变异API单层模型测试机器学习框架，得到机器学习框架漏洞的触发结果；对参数组合中的每个参数，均重复进行若干次变异；整合所有参数组合与对应机器学习框架漏洞的触发结果，进而分析得到机器学习框架漏洞触发的API参数。无须过多先验知识，复杂度低，对于机器学习框架与API类型、漏洞问题的种类与测试方法均无特定的限制，可以应用在多种机器学习框架下的不同API的各种漏洞问题测试中，普适性强。
机器学习框架漏洞 api 参数定位方法系统设备介质

[发明专利]深度神经网络模型测试方法、系统、设备及存储介质-CN202211348749.6在审
发明人： 蔺琛皓;张星亮;沈超 -专利权人：西安交通大学
申请日： 2022-10-31 - 公布日： 2023-02-03 - 主分类号： G06F11/36 文献下载
摘要：本发明属于机器学习领域，公开了一种深度神经网络模型测试方法、系统、设备及存储介质，包括获取测试图像样本以及测试图像样本的类别，并将测试图像样本输入至深度神经网络模型中，得到测试图像样本的逻辑神经元序列；根据测试图像样本的类别，通过预设的各类别图像样本的类属逻辑神经元序列，得到测试图像样本的类属逻辑神经元序列；获取测试图像样本的逻辑神经元序列与类属逻辑神经元序列之间的相关性，得到测试图像样本的相关性指标，并根据测试图像样本的相关性指标，确定测试图像样本的优先级；按照测试图像样本的优先级，进行深度神经网络模型测试。可以更早更多地检测出深度神经网络模型存在的隐患，有效提升测试效率，降低测试成本。
深度神经网络模型测试方法系统设备存储介质

[发明专利]深度学习模型的对抗鲁棒性测评方法及相关装置-CN202211138059.8在审
发明人： 蔺琛皓;杨雨龙;沈超;李前 -专利权人：西安交通大学
申请日： 2022-09-19 - 公布日： 2022-11-25 - 主分类号： G06V10/776 文献下载
摘要：本发明属于深度学习安全领域，公开了一种深度学习模型的对抗鲁棒性测评方法及相关装置，包括获取与待测评深度学习模型功能相同的预训练量化替代模型；获取预训练量化替代模型的类型，并根据预训练量化替代模型的类型，在预训练量化替代模型中引入随机量化操作，得到预处理替代模型；获取若干图像样本，并根据预处理替代模型，通过迁移对抗攻击算法得到若干对抗图像样本；将若干对抗图像样本输入至待测评深度学习模型，得到若干对抗图像样本的输出，并根据若干对抗图像样本的输出，得到待测评深度学习模型的对抗鲁棒性测评结果。通过引入随机量化操作实现对抗样本迁移性的提升，能够最大限度地暴露对抗样本安全风险，提升对抗鲁棒性测评的可靠性。
深度学习模型对抗鲁棒性测评方法相关装置

[发明专利]数据采集方法、装置、终端、服务器及可读存储介质-CN202210656249.2在审
发明人：杨明慧;邱若男;蔺琛皓;沈超;贺静怡;王欢;王希震;潘蓝兰;赵璞;苗英茂;宋天乐 -专利权人： OPPO广东移动通信有限公司
申请日： 2022-06-10 - 公布日： 2022-10-21 - 主分类号： G06F3/041 文献下载
摘要：本申请实施例公开了一种数据采集方法、装置、终端、服务器及可读存储介质，能够实现多指操作数据采集，提高数据采集的丰富性与应用广泛性。方法包括：根据预设采集字段，对当前应用对应的操作行为进行数据采集，得到至少一个触控点标识，以及每个触控点标识对应的至少一个操作数据；预设采集字段包含触控点标识字段与预定义的操作信息字段；触控点标识字段用于标识同一时刻对当前应用进行操作的至少一个触控点中的每个触控点；操作信息字段用于表征触控点的操作行为产生的至少一个维度的操作数据；根据预设数据格式，通过对触控点标识与操作数据进行对应组合，生成目标数据文件；将目标数据文件发送至服务器，以对目标数据文件的用户身份识别。
数据采集方法装置终端服务器可读存储介质

[发明专利]字符识别方法及装置、电子设备和存储介质-CN202010301340.3有效
发明人：岳晓宇;旷章辉;蔺琛皓;孙红斌;张伟 -专利权人：深圳市商汤科技有限公司
申请日： 2020-04-16 - 公布日： 2022-09-06 - 主分类号： G06V30/14 文献下载
摘要：本公开涉及一种字符识别方法及装置、电子设备和存储介质，其中，所述方法包括：获取待识别的目标图像；基于确定的位置向量以及所述目标图像的第一图像特征，得到所述目标图像的字符特征；其中，所述位置向量是基于预设信息序列中字符的位置特征确定的；基于所述字符特征对所述目标图像中的字符进行识别，得到所述目标图像的字符识别结果。本公开实施例可以提高字符识别的准确率。
字符识别方法装置电子设备存储介质

[发明专利]神经网络的优化方法及装置、目标检测方法及装置-CN201910696271.8有效
发明人： 蔺琛皓;许东奇;卢宇;王思雯;张伟 -专利权人：上海商汤智能科技有限公司
申请日： 2019-07-30 - 公布日： 2022-08-30 - 主分类号： G06N3/08 文献下载
摘要：本公开涉及一种神经网络的优化方法及装置、目标检测方法及装置，其中神经网络的优化方法包括：获得第一图像中关于目标类型的目标对象的多个候选框的位置信息；根据第一图像、多个候选框的位置信息、以及神经网络，得到所述多个候选框在所述第一图像中对应的图像区域的图像特征，以及所述候选框中所述目标对象与所述目标类型相关的预测结果；基于所述多个候选框分别对应的所述图像特征和所述预测结果，从所述多个候选框中筛选出满足相似度条件的至少两个目标候选框；基于筛选出的所述至少两个目标候选框分别对应的所述预测结果，优化所述神经网络。本公开实施例可提高神经网络的目标检测性能。
神经网络优化方法装置目标检测

[发明专利]深度学习模型对抗攻击敏感频带检测方法及相关装置-CN202210356023.0在审
发明人： 蔺琛皓;韩思聪;沈超;王骞 -专利权人：西安交通大学
申请日： 2022-04-06 - 公布日： 2022-07-15 - 主分类号： G06N3/04 文献下载
摘要：本发明属于机器学习领域，公开了一种深度学习模型对抗攻击敏感频带检测方法，通过构造成功对抗扰动集并将成功对抗扰动集中的对抗扰动转换至频域，得到频域成功对抗扰动集并利用掩码操作将其中的对抗扰动的高频成分与低频成分分离，得到分离结果并根据分离结果和原始图像集，得到若干高频成功对抗样本集与若干低频成功对抗样本集；将若干高频成功对抗样本集与若干低频成功对抗样本集输入深度学习模型，统计深度学习模型在每个高频成功对抗样本集与每个低频成功对抗样本集上的分类准确率；进而结合预设的分类准确率上限阈值和分类准确率下限阈值，得到深度学习模型的对抗攻击敏感频带，能够准确定位深度学习模型的对抗攻击敏感频带。
深度学习模型对抗攻击敏感频带检测方法相关装置

1
2
下一页»
尾页
共 25 条