专利名称
主分类
A 农业
B 作业;运输
C 化学;冶金
D 纺织;造纸
E 固定建筑物
F 机械工程、照明、加热
G 物理
H 电学
专利下载VIP
公布日期
2023-10-24 公布专利
2023-10-20 公布专利
2023-10-17 公布专利
2023-10-13 公布专利
2023-10-10 公布专利
2023-10-03 公布专利
2023-09-29 公布专利
2023-09-26 公布专利
2023-09-22 公布专利
2023-09-19 公布专利
更多 »
专利权人
国家电网公司
华为技术有限公司
浙江大学
中兴通讯股份有限公司
三星电子株式会社
中国石油化工股份有限公司
清华大学
鸿海精密工业股份有限公司
松下电器产业株式会社
上海交通大学
更多 »
钻瓜专利网为您找到相关结果224个,建议您升级VIP下载更多相关专利
  • [发明专利]数据流形拓扑感知的人工智能系统对抗样本防御方法-CN202210535745.2在审
  • 罗森林;郝靖伟;张钊;陆永鑫;潘丽敏 - 北京理工大学
  • 2022-05-17 - 2022-09-13 - G06K9/62
  • 本发明涉及一种数据流形拓扑感知的人工智能系统对抗样本防御方法,属于人工智能安全技术领域。针对现有方法依赖已有少量对抗样本进行对抗训练或对目标分类器进行修改与再训练,缺乏对对抗样本生成机理的分析,存在无法及时应对新型对抗性攻击,泛化能力不足等问题,首先生成真实含噪目标数据集的数据流形,获取其拓扑信息;然后对生成模型进行拓扑感知训练,在定义的密度超水平集中调整隐向量分布使之与目标分布连通分量数保持一致,拟合生成模型与目标数据的分布;最后将错误分类的点投影到最近的流形上,反演受扰动的样本,纠正分类结果,实现强泛化能力和高稳健性的人工智能系统对抗样本防御效果。
  • 数据流形拓扑感知人工智能系统对抗样本防御方法
  • [发明专利]用于主机入侵检测的系统调用序列数据增强方法-CN202210536796.7在审
  • 罗森林;巩锟;潘丽敏;李橙;郝靖伟 - 北京理工大学
  • 2022-05-17 - 2022-09-13 - G06F16/25
  • 本发明涉及一种用于主机入侵检测的系统调用序列数据增强方法,属于计算机与网络空间安全领域。本发明首先利用少数类样本构建系统调用序列对数据库;之后将序列数据转换成图结构数据,以更好地表征系统调用之间的关系;然后使用基于多头注意力机制的图转换网络和LSTM网络分别构建图编码器和序列解码器,学习系统调用序列行为语义中包含的时序依赖关系;最后,基于系统调用时序依赖关系循环生成少数类系统调用序列样本,以实现对少数类样本的数据增强。本发明能够弥补现有系统调用数据增强方法未充分挖掘利用序列信息,导致生成序列与原序列语义不一致的问题,生成反映样本序列关系的增强样本,有效提高主机入侵检测的检测准确率。
  • 用于主机入侵检测系统调用序列数据增强方法
  • [发明专利]一种多维减振平台-CN202210389682.4在审
  • 钱承;张维杰;潘丽敏 - 嘉兴学院
  • 2022-04-14 - 2022-08-19 - F16F9/53
  • 本发明公开一种多维减振平台,动平台、静平台、传动杆装置、准零刚度元件和磁流变阻尼器;动平台通过连接装置与传动杆装置一端相连接;静平台通过连接装置与传动杆装置的另一端相连接。传动杆装置至少三个,均匀的固定在动平台和静平台之间;第一刚性传动杆和第二刚性传动杆之间安装有磁流变阻尼器;第三刚性传动杆和第四刚性传动杆之间安装有准零刚度元件;磁流变阻尼器和准零刚度元件位置相平行。本发明结构简单,通过磁流变阻尼器和准零刚度元件的共同作用,有效改善弹簧钢片结构可能造成的跳振现象,能有效提高系统的稳定性,有效提升了隔振频率,使多维减振平台可以在较短时间内达到减震效果。
  • 一种多维平台
  • [发明专利]一种PE恶意软件检测模型的后门对抗样本生成方法-CN202110594259.3有效
  • 罗森林;韩飞;潘丽敏;张笈 - 北京理工大学
  • 2021-05-28 - 2022-08-05 - G06F21/56
  • 本发明涉及一种基于R‑DBSCAN的PE恶意软件检测模型的后门对抗样本生成方法,属于计算机恶意软件检测领域。主要为了解决恶意软件检测模型在黑盒情形下攻击难度高的问题。本发明首先从公开数据集中获取PE样本并训练代理训练模型,采用SHAP值减维数据集;采用R‑DBSCAN方法对样本聚类,取每一聚类的中心节点作为采样点构建新的数据集;训练神经网络模型;分别输入恶意以及良性样本文件,依据神经网络内部神经元权值变化情况记录对分类结果影响较大的神经元;嵌入任意长度字符串至空PE文件,依据神经元权值变化情况取对其影响较大的字符串并记录该神经元;将触发器以嵌入原始恶意PE文件,修改标签达到对神经网络的对抗训练。
  • 一种pe恶意软件检测模型后门对抗样本生成方法
  • [发明专利]智能化场景下流量监测系统的测试样本生成方法-CN202110607268.1有效
  • 潘丽敏;王若辉;罗森林;郝靖伟;陈传涛 - 北京理工大学
  • 2021-05-28 - 2022-08-05 - G06F11/36
  • 本发明涉及智能化场景下流量监测系统的测试样本生成方法,属于计算机与信息科学技术领域。主要是为了解决现有的智能化场景下流量监测系统的测试样本生成方法存在未考虑神经元组合作用影响和生成条件严苛难以应用于实际测试的问题。本发明首先,构造一组种子测试集和三种变异模型,同时初始化组合覆盖列表;其次,对随机选择的一个种子测试,最大化原模型和变异模型结果置信度的差异性;接着,选择未达成组合覆盖条件的三元组,最小化使下层神经元发生状态转换的两个上层神经元的变动距离;最后,对以上两步进行联合优化,使用梯度上升算法求解,构造测试数据,并通过模型差异检测判断是否保留。重复执行如上步骤,直到种子数据集为空。
  • 智能化场景流量监测系统测试样本生成方法
  • [发明专利]PU强化学习的远程监督命名实体识别方法-CN202110607269.6有效
  • 罗森林;高依萌;潘丽敏;吴舟婷;尹继泽 - 北京理工大学
  • 2021-05-28 - 2022-08-02 - G06F40/295
  • 本发明涉及PU强化学习的远程监督命名实体识别方法,属于自然语言处理与机器学习领域。主要为了解决中文命名实体识别任务的远程监督样本存在噪声标记、模型学习样本特征效率低下问题和训练过程缺乏有效监测机制。本发明首先利用BLSTM模型对文本提取单条样本序列特征和多标签评分信息;然后,基于PU强化学习,训练样本选择器,从标记语料和远程监督语料中筛选出正样本和负样本。再将负样本送入去噪还原器得到还原样本。再引入无偏、一致地估计任务损失的损失函数,使用正样本和还原样本训练中文命名实体识别模型;最后重复上述模型训练,直到筛选标记语料趋于稳定。在ICT语料、EC语料和NEWS进行了实验,结果表明本发明能达到较好的去噪效果。
  • pu强化学习远程监督命名实体识别方法
  • [发明专利]一种计算机网络安全检测系统及方法-CN202210432983.0在审
  • 郝靖伟;罗森林;潘丽敏 - 北京理工大学
  • 2022-04-22 - 2022-07-22 - G06F21/44
  • 本发明公开了一种计算机网络安全检测系统及方法,包括虚拟验证系统,所述虚拟验证系统与二次装载单元对接,所述虚拟验证系统用于提供待装载APP的临时安装空间,控制待装载APP授权后进行装载并运行APP,进行虚拟敏感信息模拟后,对APP获取的信息对应权限进行验证,本发明涉及网络安全检测技术领域。该计算机网络安全检测系统及方法,通过构建出APP的临时安装空间,对APP进行试运行,并通过模拟虚假敏感信息的方式提供数据源,再通过权限分类的方式进行敏感信息的权限验证,有效识别出APP的敏感信息获取程度,进行实现对APP的安全检测,有效保证计算机用户在安装不明来源APP时的网络安全,保障计算机用户使用APP时的安全性。
  • 一种计算机网络安全检测系统方法
  • [发明专利]二进制程序灰盒模糊测试的用例自适应生成方法-CN202210039842.2在审
  • 潘丽敏;刘力源;罗森林;郝靖伟;王若辉 - 北京理工大学
  • 2022-01-14 - 2022-05-27 - G06F11/36
  • 本发明涉及二进制程序灰盒模糊测试的用例自适应生成方法,属于软件测试和漏洞挖掘领域。本发明提出一种新的用于衡量二进制编码序列差异的距离度量,用于计算已执行用例与每个候选种子的距离,旨在扩大不同长度编码序列之间的差异;同时,提出一种自适应用例执行效果的测试用例的生成方法和种子变异策略,若用例触发缺陷或新的程序执行路径,则选取与该用例距离最近的候选种子用例,并赋予该种子用例所用变异规则更高的权值,提高该规则后续被选取的可能性,否则选取距离最远的种子用例,采用原变异策略生成新用例。本发明提出一种解决软件模糊测试领域中测试用例的随机生成具有盲目性的方法,提高了用例生成的时间效率,能够发现更多软件缺陷。
  • 二进制程序模糊测试自适应生成方法
  • [发明专利]利用差分隐私词嵌入扰动的敏感文本脱敏方法-CN202210039857.9在审
  • 罗森林;关业礼;潘丽敏;郜森;吴杭颐 - 北京理工大学
  • 2022-01-14 - 2022-05-27 - G06F21/62
  • 本发明涉及利用差分隐私词嵌入扰动的敏感文本脱敏方法,属于差分隐私保护技术领域。本发明首先利用命名实体识别技术识别文本中的敏感单词,并随机抽样语料库中的非敏感单词;其次给敏感单词的词嵌入向量加上差分隐私噪声,生成新的扰动词嵌入向量;然后度量扰动词嵌入向量和非敏感单词的词嵌入向量之间的欧几里得距离,依据最近邻公式取得候选词集合;最后依据多单位拍卖概率公式用候选词集合中的单词替换文本中所有的敏感单词后输出脱敏文本。本发明在多个语料上实验,结果表明其在多种文本上都能达到较好的脱敏效果,具有良好的通用性和可迁移性。
  • 利用隐私嵌入扰动敏感文本方法
  • [发明专利]基于梯度驱动数据生成的模型窃取攻击方法-CN202210047190.7在审
  • 潘丽敏;丁杨;罗森林;张荣倩;吴杭颐 - 北京理工大学
  • 2022-01-14 - 2022-05-27 - G06F16/2455
  • 本发明涉及基于梯度驱动数据生成的模型窃取攻击方法,属于计算机与信息科学技术领域。该方法先对数据集进行K‑means聚类;然后将聚类簇质心组成的查询数据集通过API输入到目标模型中得到每条数据对应的标签;接着使用数据‑标签对作为训练集训练替代模型;最后根据目标模型和替代模型间的输出差异构造目标函数,并基于函数梯度生成数据以迭代训练替代模型。本发明基于模型间输出差异梯度来生成数据并以此窃取目标模型,解决了模型窃取过程中目标模型训练集未知造成的替代模型准确率低的问题,减少了目标模型API调用的次数,提高了模型窃取效率。
  • 基于梯度驱动数据生成模型窃取攻击方法

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

400-8765-105周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top