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92个,建议您升级VIP下载更多相关专利
  • [发明专利]基于局部定向对抗攻击的人脸隐私保护方法和装置-CN202310702762.5在审
  • 王总辉;杨勇;纪守领 - 浙江大学
  • 2023-06-14 - 2023-10-03 - G06V40/16
  • 本发明公开了一种基于局部定向对抗攻击的人脸隐私保护方法和装置,包括:采集人脸图像并预处理后作为真人脸图像,以面部特征为依据进行图像分割,生成局部区域图像;基于真人脸图像训练多个人脸属性分析模型并搭建人脸属性定位器,利用人脸属性定位器确定重点局部区域图像;搭建基于GAN的局部定向攻击模型,其中生成器用于对重点局部区域图像添加噪声,定向扰动模块用于对生成器产生的噪声进行定向修正得到定向扰动,基于定向扰动生成伪人脸图像,判别器用于对真人脸图像和伪人脸图像进行真伪判别;将优化后的局部定向攻击模型生成的定向扰动以补丁形式嵌入到人脸图像中,基于人脸保护图像进行人脸属性检测能够实现人脸隐私保护。
  • 基于局部定向对抗攻击隐私保护方法装置
  • [发明专利]一种基于无先验知识的联邦推荐投毒攻击方法-CN202310381101.7在审
  • 王伟;郝玉蓉;刘吉强;纪守领;段莉;许向蕊;刘鹏睿;吕晓婷 - 北京交通大学;浙江大学
  • 2023-04-11 - 2023-09-22 - G06F21/55
  • 本发明提供了一种基于无先验知识的联邦推荐投毒攻击方法。该方法包括:根据攻击需求选取项目池中拟攻击的目标项目;计算与目标项目的嵌入向量最相似的多个项目,构建恶意用户虚假交互列表;基于恶意用户虚假交互列表近似喜欢目标项目的恶意用户的嵌入向量;客户端根据近似的嵌入向量以及服务器下发的模型参数求解损失函数,并将所得梯度上传至服务器;服务器聚合更新上传的模型参数并将其下发至客户端,重复上述操作直至训练结束。本发明利用用户配置文件及其交互项目间存在的某种隐式相关性,刻画攻击必需但难以获取的用户嵌入向量,能够在不依赖任何先验知识的前提下实现对联邦推荐系统的有效攻击,充分完成了对联邦推荐系统的安全性评估。
  • 一种基于先验知识联邦推荐投毒攻击方法
  • [发明专利]一种增强图节点行为表征及其异常图节点检测方法-CN202310652286.0在审
  • 周颖杰;刘凡兴;纪守领;谢禹秦;刘凌峤;朱策 - 四川大学
  • 2023-06-02 - 2023-09-15 - H04L9/40
  • 本发明公开了一种增强图节点行为表征及其异常图节点检测方法,涉及网络安全技术领域,其包括以下步骤:构建并训练图节点行为表征的异常图节点检测模型,得到对应的训练后的异常图节点检测模型;将图结构的全部节点属性列表和表示图结构的邻接矩阵输入至训练后的异常图节点检测模型,得到图中待测节点的异常分数计算结果;若图中待测节点的异常分数大于阈值,则判定该节点为异常图节点;否则判定该节点为正常图节点。本发明本可以通过双随机节点行为表达增强图节点行为特征表达,实现对图节点行为的鲁棒有效表达,提高了特征提取网络对图节点行为表征的能力;可以充分利用正常图节点和异常图节点之间的差异,保证了优异的异常检测效果。
  • 一种增强节点行为表征及其异常检测方法
  • [发明专利]一种神经网络模型后门检测方法和系统-CN202310644147.3有效
  • 张旭鸿;付冲;纪守领;蒲誉文;刘沛宇;杨星;周颖杰 - 浙江大学
  • 2023-06-02 - 2023-09-15 - G06F21/55
  • 本发明公开了一种神经网络模型后门检测方法和系统,属于神经网络模型安全保护技术领域。将目标神经网络模型划分为特征提取器部分和分类器部分,定义特征提取器部分的输出为中间层表示;通过最大化源类别的分类置信度的方式,逆向生成每一个源类别的中间层表示;由分类器部分获取每一个源类别的中间层表示的分类置信度向量,预处理每一个源类别的分类置信度向量,拼接得到分类置信度矩阵;根据分类置信度矩阵计算异常指标值,若异常指标值大于阈值,则判断目标神经网络模型存在后门,并定位后门的目标类别。本发明能够自动生成中间层表示而非依赖现成的辅助数据,且对于后门攻击的触发器形式不敏感,后门检测精度高,适用范围广。
  • 一种神经网络模型后门检测方法系统
  • [发明专利]一种社交网络假流量黑灰产自动挖掘方法和系统-CN202110791106.8有效
  • 纪守领;何平;张旭鸿;林昶廷 - 浙江大学
  • 2021-07-13 - 2023-09-05 - G06F16/9535
  • 本发明公开了一种社交网络假流量黑灰产自动挖掘方法和系统,包括:(1)创建“蜜罐”用户,在社交网络中对参与假流量攻击的恶意用户进行诱捕;(2)提取恶意用户的微博内容层面的特征;(3)提取恶意用户的个人信息层面的特征;(4)在社交网络中随机选取正常用户并分别提取微博内容层面和个人信息层面的特征;(5)运用机器学习算法,根据提取的特征训练分类器;(6)分别提取目标用户的微博内容层面和个人信息层面的特征,并运用训练好的分类器进行识别;(7)对于被识别为恶意用户的目标用户,基于规则对该用户所发的微博进行筛选,挖掘出涉及假流量黑灰产的微博。本发明的方法和系统可及时发现、预警和治理社交网络流量作弊事件。
  • 一种社交网络流量黑灰产自动挖掘方法系统
  • [发明专利]一种基于深度哈希的纵向联邦学习隐私保护方法和系统-CN202310210011.1有效
  • 纪守领;邱鹏宇;林瑞潇;张旭鸿;蒲誉文 - 浙江大学
  • 2023-03-07 - 2023-08-29 - G06F21/62
  • 本发明公开了一种基于深度哈希的纵向联邦学习隐私保护方法和系统,属于分布式机器学习安全技术领域。通过各合作方本地模型获取样本的抽象表示,通过归一化层得到零均值连续码,利用哈希层对连续码进行二值化后得到哈希码;各参与方将哈希码上传服务器端,服务器端聚合各方哈希码,通过顶层模型计算预测值,依据预测值和标签计算分类损失、利用预生成的二值码计算各参与方哈希码间的余弦相似度损失,通过上述损失计算梯度,更新顶层模型,并向各合作方分发各自梯度,梯度在本地哈希层传播时保持不变。本发明利用深度哈希技术,能够在保障用户数据安全的前提下,既不损失模型性能,又极大程度地提高了计算效率,不存在模型被攻击者逆向重构的风险。
  • 一种基于深度纵向联邦学习隐私保护方法系统
  • [发明专利]基于词级别检索的源代码注释自动化生成方法和系统-CN202310550101.5在审
  • 张旭鸿;叶童;纪守领;蒲誉文;刘沛宇;杨星;王文海;周颖杰 - 浙江大学
  • 2023-05-16 - 2023-08-22 - G06F8/73
  • 本发明公开了一种基于词级别检索的源代码注释自动化生成方法和系统,属于自然语言处理文本生成领域。利用由代码函数文本、代码抽象语法树、代码注释文本构成的训练集训练编码‑解码网络;获取代码注释文本中每一个注释词的总体表征向量,构建近邻词数据库;针对待注释的代码函数文本及其抽象语法树,自回归地生成当前时间步的基于模型的目标词概率分布和目标词总体表征向量;在近邻词数据库中检索与目标词总体表征向量的相似度最高的K个近邻词,生成基于近邻词的目标词概率分布;融合两个目标词概率分布,取概率最大的目标词作为当前时间步生成的注释词。本发明可大幅度提高原模型的注释生成质量,同时还能够提高代码注释中低频词的生成概率。
  • 基于级别检索源代码注释自动化生成方法系统
  • [发明专利]一种区块链节点用户请求处理保护方法及装置-CN201911306790.5有效
  • 陈建海;马润杰;范俊松;史吉喆;刘丁豪;纪守领;何钦铭 - 浙江大学
  • 2019-12-17 - 2023-07-18 - G06Q20/38
  • 本发明公开了一种区块链用户请求处理方法及装置,包括:请求者合约根据用户的请求发起交易,构造请求数据包并通过区块链网络发送给对接合约,并从对接合约接收请求处理结果;对接合约,将请求数据包发送给中继区;接收中继区返回的回应数据包并执行对应的行为;中继区,对请求数据包进行验证,若验证通过,则将用户的请求信息以及所需的数据和方法存入安全区;接收安全区返回的回应数据包并发送给对接合约;安全区,使用内部私钥对访问密钥进行验证,若验证通过,则对用户的请求进行处理,将处理结果和验证结果发送给中继区;若验证失败,则将失败说明作为处理结果发送给中继区。本发明在区块链节点引入SGX,提高区块链上各种操作处理的安全性。
  • 一种区块节点用户请求处理保护方法装置

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