“贾澄钰”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15个，建议您升级VIP下载更多相关专利

[发明专利]一种基于掩码编码器的中毒样本检测方法和装置-CN202211722180.5在审
发明人：陈晋音;李晓豪;贾澄钰 -专利权人：浙江工业大学
申请日： 2022-12-30 - 公布日： 2023-04-11 - 主分类号： G06F21/55 文献下载
摘要：本发明公开了一种基于掩码编码器的中毒样本检测方法和装置，对待测图像样本进行掩码处理，得到待测遮掩图像；将得到的待测遮掩图像进行编码和解码，得到复原的图像样本；将得到的复原的图像样本以及待测图像样本输入到任意深度学习模型中进行测试，若两者的输出结果一样，则判断该待测图像样本为正常样本；若两者的输出结果不一样，则判断该待测图像样本为中毒样本。利用掩码编码器的方法来进行中毒样本的检测；掩码编码器在对中毒样本检测的同时，还支持对破损样本修复等其他工作。
一种基于掩码编码器中毒样本检测方法装置

[发明专利]一种基于动态防御图与强化学习的网络空间安全防御方法-CN202111078688.1有效
发明人：陈晋音;李晓豪;李玮峰;贾澄钰 -专利权人：浙江工业大学
申请日： 2021-09-15 - 公布日： 2023-04-07 - 主分类号： H04L9/40 文献下载
摘要：本发明公开了一种基于动态防御图和强化学习的网络安全防御方法，通过Nmap等网络漏洞扫描器扫描目标网络信息，将扫描信息中的网络拓扑结构的结构信息和漏洞信息组作为动态防御图的输入信息，生成动态防御图，进一步利用深度强化学习训练整个攻击图中所有的渗透路径，得出最优防御路径，并布置相应的蜜罐或者入侵检测系统，最后根据入侵检测系统和蜜罐部署的信息，再次动态更新防御图，利用深度强化学习再次得出最佳防御路径。本发明方法能够提高网络安全防御的高效性以及准确性，能够节约网络安全防御的防御成本。
一种基于动态防御强化学习网络空间安全方法

[发明专利]一种面向渗透攻击的网络蜜罐部署方法-CN202111078546.5有效
发明人：陈晋音;李玮峰;李晓豪;贾澄钰 -专利权人：浙江工业大学
申请日： 2021-09-15 - 公布日： 2023-04-07 - 主分类号： H04L9/40 文献下载
摘要：本发明公开了一种面向渗透攻击的网络蜜罐部署方法，扫描自己的网络结构，生成属性攻击图并将其转化为含有渗透成功率信息的贝叶斯攻击图，将各个网络节点的渗透成功概率记录并保存。然后建立基于节点渗透成功概率的奖励函数，攻击者被蜜罐捕获会获得与渗透成功概率有关的奖励，成功率越高奖励值越高。蜜罐部署有一个基本的负奖励值，也就意味着无限制部署蜜罐并不会获得最大的收益。这样有效避免了本发明在每个路径都部署蜜罐导致维护成本较大。然后将攻击图中的节点、路径信息作为强化学习的输入，然后利用SARSA学习机制进行强化学习，依据环境给出收益最大的部署蜜罐的方案。
一种面向渗透攻击网络蜜罐部署方法

[发明专利]基于变异模型映射图的测试用例优先级排序方法和装置-CN202211698706.0在审
发明人：陈晋音;葛杰;金海波;贾澄钰 -专利权人：浙江工业大学
申请日： 2022-12-28 - 公布日： 2023-03-28 - 主分类号： G06F11/36 文献下载
摘要：本发明公开了一种基于变异模型映射图的测试用例优先级排序方法和装置，利用图的数据关联能力，将样本特征和模型结构映射到图层面，实现对测试用例的特征提取和排序；同时提出的测试用例优先级排序方法，能够有效的对测试级进行优先排序，在最短的时间内筛选出最可能导致模型出现潜在错误的样本。
基于变异模型映射测试优先级排序方法装置

[发明专利]基于时序图卷积网络的后门实时监测方法、电子设备、介质-CN202211425049.2在审
发明人：陈晋音;贾澄钰;金海波 -专利权人：浙江工业大学
申请日： 2022-11-14 - 公布日： 2023-03-07 - 主分类号： G06F21/55 文献下载
摘要：本发明公开了一种基于时序图卷积网络的后门实时监测方法、电子设备、介质，选取正常数据集，通过掩码矩阵指定触发器在正常数据集上添加的位置以生成后门数据集，基于正常数据集与后门数据集分别对神经网络模型进行训练，得到不同时刻的正常模型和其对应的后门模型；基于神经元阈值构建模型图：计算模型图对应的图签名向量，并拼接得到序列图签名矩阵；利用序列图签名矩阵训练时序图卷积网络作为后门监测器；对于任意一个由深度神经网络构成的待检测模型，计算该待检测模型对应的序列图签名矩阵，将该序列图签名矩阵输入后门监测器中，从而实现对待检测模型不同训练时刻状态的回溯和监测。
基于时序图卷网络后门实时监测方法电子设备介质

[发明专利]一种基于图结构变异测试的深度模型加固方法-CN202210953766.6在审
发明人：陈晋音;陈宇冲;贾澄钰;倪洪杰;赵云波 -专利权人：浙江工业大学
申请日： 2022-08-10 - 公布日： 2022-11-25 - 主分类号： G06N3/04 文献下载
摘要：本发明提供了一种基于图结构变异测试的深度模型加固方法，本发明通过将不同的变异算子注入到深度学习系统当中构建不同的变异测试模型，分析变异的检测程度来评估测试模型的质量并对模型进行择优排序，从而在将模型映射成图结构之后根据排序的结果找到具指导意义的图网络指标以生成新的鲁棒图结构并重构回模型，提高模型的鲁棒性。
一种基于结构变异测试深度模型加固方法

[发明专利]一种基于神经元激活图的对抗样本检测方法和装置-CN202210976888.7在审
发明人：陈晋音;葛杰;金海波;贾澄钰;倪洪杰 -专利权人：浙江工业大学
申请日： 2022-08-15 - 公布日： 2022-11-08 - 主分类号： G06V10/774 文献下载
摘要：本发明公开了一种基于神经元激活图的对抗样本检测方法和装置，获取图像数据集构建并训练深度模型；生成噪声样本并构造二元数据集XB；读取步骤(1)生成的深度模型f保存的检查点文件，并生成二元数据集XB相对应的映射权重集合WB；映射权重集合WB到图集合GB的映射；计算图集合GB相对应的加权度集合DB；训练得到对抗样本检测器；应用时，将待测图像样本输入至训练好的对抗样本检测器，经检查，输出待测图像样本属于干净样本或对抗样本，实现了对待测图像样本的检测。
一种基于神经元激活对抗样本检测方法装置

[发明专利]一种基于图特征向量指导的后门模型检测方法-CN202210904446.1在审
发明人：陈晋音;贾澄钰;葛杰;金海波;倪洪杰 -专利权人：浙江工业大学
申请日： 2022-07-29 - 公布日： 2022-10-28 - 主分类号： G06F21/55 文献下载
摘要：本发明公开一种基于图特征向量指导的后门模型检测方法，包括：首先构建后门模型和干净模型混合的模型集合；然后构建基于分类类别的模型图；再生成模型图的图特征：将所有模型图的所述的图特征和其是否为后门模型的标签组成训练集，用于训练二分类模型，训练后的二分类模型称为后门模型检测器；对于任意一个由深度神经网络构成的待检测模型，得到该待检测模型对应的图特征，将该图特征输入所述后门模型检测器中，所述后门模型检测器输出该带检测模型为后门模型或正常模型的类别。本发明的方法能够减少模型对后门数据的依赖，实现高效的后门模型检测。
一种基于特征向量指导后门模型检测方法

[发明专利]一种基于动态时序图的模型性能推理方法与装置-CN202210215486.5在审
发明人：陈晋音;葛杰;金海波;贾澄钰;宣琦 -专利权人：浙江工业大学
申请日： 2022-03-07 - 公布日： 2022-07-29 - 主分类号： G06F30/27 文献下载
摘要：本发明公开了一种基于动态时序图的模型性能推理方法与装置，通过将神经网络模型的训练过程映射为时间演化图，提取时间演化图中的节点特征，为了能够预测异构模型的性能，提出进一步提取节点特征中的多维统计特征，将多维统计特征聚合为时序特征，实现对模型性能的预测。本发明方法提出的神经网络模型构图方式，比现有的卷积层中的展开构图方式更简洁、计算效率更高，同时不会牺牲预测任务的性能。本发明通过捕获模型训练阶段早期的神经网络动态来解决神经网络模型性能预测问题，能减少神经网络训练结果的不确定性，提高模型训练效率。
一种基于动态时序模型性能推理方法装置

[发明专利]基于生成式对抗网络的动态链路预测装置及应用-CN201910569606.X有效
发明人：陈晋音;贾澄钰;吴洋洋;张剑 -专利权人：浙江工业大学
申请日： 2019-06-27 - 公布日： 2022-04-29 - 主分类号： G06F16/901 文献下载
摘要：本发明公开了一种基于生成式对抗网络的动态链路预测装置，包括计算机存储器、计算机处理器以及计算机程序，所述计算机存储器中存有动态链路预测模型，所述计算机处理器执行所述计算机程序时实现以下步骤：将待预测的动态网络输入动态链路预测模型中，经计算输出下一刻的动态网络结构，其中，动态网络包括电网、计算机网络、社交网路、交通网络、生物网络、航空网络以及读书社区网络；该动态链路预测装置直到能够生成接近真实情况的预测网络，达到动态链路预测的效果。还公开了一种动态链路预测装置在航空网络、社交网络以及读书社区网络中的应用。
基于生成对抗网络动态预测装置应用

[发明专利]一种基于分布式类脑图的深度神经网络模型加固方法-CN202111234229.8在审
发明人：陈晋音;陈宇冲;贾澄钰;郑海斌;金海波 -专利权人：浙江工业大学
申请日： 2021-10-22 - 公布日： 2022-02-15 - 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神经网络模型加固方法，通过将关键路径应用在分布式类脑图上生成主干类脑图以对该路径上的传播过程和节点行为进行更有效的约束例如构建新的梯度损失函数来减弱噪声的传播，从而在关键路径指导的主干类脑图上利用特征路径长度和参与系数等图网络指标生长成新的鲁棒的类脑图结构重构回模型，提高模型的鲁棒性，加固模型。本发明方法使用类脑图展现了与生物神经网络更紧密的联系性，只对神经网络中一些关键神经元进行了操作，极大保留了神经网络的完整性。
一种基于分布式类脑图深度神经网络模型加固方法

[发明专利]一种基于中毒神经元抑制的图生成模型鲁棒性增强方法-CN202111287336.7在审
发明人：陈晋音;贾澄钰;陈宇冲;金海波;郑海斌 -专利权人：浙江工业大学
申请日： 2021-11-02 - 公布日： 2022-02-15 - 主分类号： G06N3/04 文献下载
摘要：本发明公开了一种基于中毒神经元抑制的图生成模型鲁棒性增强方法，本发明方法首先构建中毒样本和混合数据集，再利用混合数据集对目标模型进行中毒训练，得到训练后的中毒模型，查找中毒模型每一层的中毒神经元，构建中毒神经通路，生成能实现抑制中毒通路的子图结构，迭代得到结构多样化的最终的新的图结构，并将最终的新的图结构转化成深度模型结构，最后对深度模型结构进行重训练，得到增强对抗中毒攻击鲁棒性后的鲁棒模型结构。本发明得到一个不容易受到中毒攻击的新的深度模型，实现对抗中毒攻击的目的，从而达到增强模型对抗中毒攻击的鲁棒性的目的。
一种基于中毒神经元抑制生成模型鲁棒性增强方法

[发明专利]一种面向树干图像的开集识别方法-CN201910243209.3有效
发明人：陈晋音;林翔;贾澄钰;杨东勇 -专利权人：浙江工业大学
申请日： 2019-03-28 - 公布日： 2021-04-06 - 主分类号： G06K9/46 文献下载
摘要：本发明公开了一种面向树干图像的开集识别方法，包括以下步骤：(1)设计CNN模型，采用部分训练样本训练CNN模型后，并构造特征提取器；(2)对经特征提取器提取的特征图，计算特征图之间的相似度，并采用DBSCAN算法对特征图进行聚类；(3)根据特征图之间的相似度和特征图的聚类结果设计Loss函数，并根据该Loss函数优化特征提取器的参数和相似度函数的权重参数；(4)将待分类的树干图像输入至优化的特征提取器中，再利用优化的相似度函数计算输出的特征图之间的相似度，最后根据计算获得的相似度值获得对特征图的DBSCAN聚类结果。该开集识别方法能够很好地实现对未知类别的树干图像的开集识别。
一种面向树干图像识别方法

[发明专利]一种基于生成式对抗网络的深度图卷积模型防御方法-CN202011164163.5在审
发明人：陈晋音;张敦杰;贾澄钰;林翔;李玉玮 -专利权人：浙江工业大学
申请日： 2020-10-27 - 公布日： 2021-01-29 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于生成式对抗网络的深度图卷积模型防御方法，包括：(1)基于生成式对抗网络构建多策略生成器和相似判别器，多策略生成器包括提取原始图样本的低维嵌入特征的图特征提取器和用于基于低维嵌入特征和扩维矩阵重构对抗图样本的图重构器；相似判断器用于判断输入图样本的真实概率；(2)对多策略生成器和相似判别器进行对抗迭代训练，以生成具有攻击扰动效果且与原始图样本高相似的对抗图样本；(3)基于图卷积网络构建防御分类器，利用原始图样本和对抗图样本对防御分类模型进行预训练和防御训练，训练结束的防御分类器作为最终防御模型；(4)将图样本输入至最终防御模型，实现具有防御对抗攻击的识别和分类任务。
一种基于生成对抗网络深度图卷模型防御方法

[发明专利]基于图卷积模型的信号分类方法-CN202010323837.5在审
发明人：陈晋音;李玉玮;贾澄钰;林翔 -专利权人：浙江工业大学
申请日： 2020-04-22 - 公布日： 2020-08-07 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于图卷积模型的信号分类方法，主要应用于通信系统中的对接收信号的调制方式进行分类，以便采取相应的解调方法，保证通信系统之间实现互通互联，通过接收端接收固定时间序列长度的调制信号，利用同相正交分量分解等预处理方法得到合适的多维数据，将处理后的信号数据输入长短期记忆网络提取特征，保证提取的当前时刻t的特征与之前时刻的信号数据相关，再利用这些特征构建信号的图结构表示，最后将信号的图结构信息和预处理后的多维数据输入即图卷积网络和全连接网络得到信号的分类结果。
基于图卷模型信号分类方法

1
共 15 条