-
公开(公告)号：CN115526290A
公开(公告)日：2022-12-27
申请号：CN202211076590.7
申请日：2022-09-05
Applicant: 哈尔滨工业大学
Abstract: 本发明涉及一种基于安全多方计算的神经网络模型推理系统。该系统包括：安全多方计算模块，用于基于多个参与方，根据明文模型的模型信息构建密文计算图，并调用GPU计算模块和RDMA通信模块，根据获取密文执行密文计算图，获得密文结果，并将执行后的密文结果恢复至用户；其中，密文计算图为模型计算图转化获得，GPU计算模块，用于根据获取的用户发送的密文，利用32比特整型矩阵运算执行密文计算图；RDMA通信模块，用于利用GPU‑RDMA通信方案，进行GPU计算模块计算过程中的数据通信。本发明的有益效果：保证神经网络模型推理准确度的同时，提高推理效率。
-
公开(公告)号：CN117933304B
公开(公告)日：2024-06-28
申请号：CN202410177123.6
申请日：2024-02-08
Applicant: 哈尔滨工业大学
IPC: G06N3/044 , G06N3/042 , G06N3/0895
Abstract: 一种基于自监督的多视角会话推荐桥接模型，涉及会话推荐技术领域，本发明为了解决现有的会话推荐模型没有将基于序列和基于图的会话推荐方案进行整合，没有实现在整合图模式和序列模式的同时保留相应的特征以最大化单一模式优势并提高会话推荐模型整体性能，从图到序列的转换过程伴随着结构和会话间信息的丢失等问题。本发明利用自监督学习框架将基于序列和基于图的会话推荐这两种方案结合起来，将图模式和序列模式视为两个单独的通道，通过对比学习架构集成了上述两个通道。在DC‑Rec模型中，通过通道间对比桥接模块在会话中吸收图和序列知识。通过最大化两个通道之间的互信息，将两种模式信息进行了较为充分的融合。实验结果表明DC‑Rec始终优于其他最先进的会话推荐方法。
-
公开(公告)号：CN117240560A
公开(公告)日：2023-12-15
申请号：CN202311240301.7
申请日：2023-09-25
Applicant: 哈尔滨工业大学
IPC: H04L9/40 , H04L41/14 , H04L41/16 , G06N3/0475 , G06N3/094
Abstract: 本发明公开了一种基于GAN的高仿真蜜罐实现方法及系统，涉及网络安全技术领域。本发明的技术要点包括：获取攻击者请求报文；利用基于GAN的高仿真蜜罐对攻击者请求产生正确应答，进而生成响应报文；其中，基于GAN的高仿真蜜罐依靠响应生成模型生成响应报文，所述响应生成模型的构建包括数据预处理与模型训练；数据预处理的步骤包括：特定协议流量的提取；提取数据包的六元组；以流划分数据包集合；特定协议数据载荷提取；请求载荷分类；响应载荷编码。本发明提高了平均交互次数且缓解了因服务模拟不到位造成无法深入交互的问题，具有较高仿真度。
-
公开(公告)号：CN117217295A
公开(公告)日：2023-12-12
申请号：CN202311176924.2
申请日：2023-09-13
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种基于节点选择的异构图迁移学习方法，涉及迁移学习技术领域，用以对源网络中的节点进行数值量化评估并选择与目标网络更相关且具有高质量的节点，进而提高模型在目标网络上的性能。本发明的技术要点包括：利用特定语义的特征提取器聚合基于元路径的邻居信息，用特定语义的分类器对不同语义的特征表示进行分类，同时使用最大均值差异距离和L2正则化来对齐源网络和目标网络的分布，将得到的选择向量加入到各损失函数中，来学习具有标签可分辨性和跨网络一致性的节点嵌入表示，用于对目标网络中的节点进行标签分类预测，所述方法包括三部分，即特征提取、节点标签分类和分层域对齐。实验结果显示本发明相对于基线方法表现更显著。
-
公开(公告)号：CN117151279A
公开(公告)日：2023-12-01
申请号：CN202311025770.7
申请日：2023-08-15
Applicant: 哈尔滨工业大学
IPC: G06Q10/04 , G06Q50/00 , G06F16/22 , G06N3/0464 , G06N3/0455 , G06N3/084
Abstract: 一种基于线图神经网络的同构网络链路预测方法及系统，涉及网络链路预测领域，旨在通过深度学习技术自动挖掘、学习静态同构网络中有利于链路预测的特征信息，用于同构网络上的链路预测任务，且在学习的过程中需要采取方法尽量减少信息损失，提升同构网络上链路预测的精度。本发明采用基于深度学习的方法解决了针对复杂网络中的同构信息网络下的链路预测问题，本发明提出了利用线图神经网络的同构网络链路预测算法NLG‑GNN。该方法通过提取出局部子图的方式来处理大规模网络，能进一步通过线图转换，将链路信息聚集在一个线图节点中，减少信息损失。结合图神经网络和图嵌入方法获取线图中节点的结构特征和潜在特征，进而完成链路预测任务。
-
Patent Agency Ranking
公开(公告)号：CN115660147A
公开(公告)日：2023-01-31
申请号：CN202211171903.7
申请日：2022-09-26
Applicant: 哈尔滨工业大学
IPC: G06Q10/04 , G06Q50/00 , G06N3/045 , G06N3/042 , G06N3/0464 , G06N3/0442 , G06N3/048 , G06N3/08
Abstract: 一种基于传播路径间与传播路径内影响力建模的信息传播预测方法及系统，涉及信息传播预测技术领域，用以解决在一段时间之后信息在社交网络中流行度增长量的预测问题。本发明的技术要点包括：使用图神经网络对级联图进行建模，得到聚合邻居节点状态与特征的节点表示；通过深度游走算法对整体级联网络图进行采样，获得级联图的序列集合，将图形神经网络嵌入表示与Deepwalk嵌入表示进行拼接来更新序列中各个节点的信息；将附有邻居信息的节点表示序列输入双向LSTM中，同时将时序信息经过注意力机制引导对序列进行整合，增强了级联预测模型的理解能力与预测能力。本发明兼顾级联传播路径间与传播路径内影响力传递性，以及纳入时序与结构因素互补性的有效性。
-
公开(公告)号：CN112085085A
公开(公告)日：2020-12-15
申请号：CN202010917529.5
申请日：2020-09-03
Applicant: 哈尔滨工业大学
IPC: G06K9/62 , G06F16/901 , G06N20/00
Abstract: 一种基于图结构的多源迁移学习方法，属于人工智能领域，为了解决单纯利用图结构数据的节点实体特征不能准确预测目标域节点标签的问题。该方法通过构建节点T‑邻域结构，获得T‑邻域结构集合；并对T‑邻域结构集合进行去重，获得子图集B；通过学习子图集B，获得通用结构；利用通用结构分别获得源域节点结构特征和目标域节点结构特征；将节点实体特征和节点结构特征相结合，分别获得源域新特征和目标域新特征，从而获得目标域节点标签。本发明方法可以应用于目标任务相同的同构迁移学习和异构迁移学习，在具有图结构的数据中具有很好的预测效果，可以对一个新未知网络进行较为准确的节点标签信息预测。
-
公开(公告)号：CN109635951A
公开(公告)日：2019-04-16
申请号：CN201811547551.4
申请日：2018-12-18
Applicant: 哈尔滨工业大学
IPC: G06N7/00
CPC classification number: G06N7/00
Abstract: 基于加权分布对齐和几何特征对齐的无监督跨领域自适应数据标定方法及系统，涉及数据标定技术领域。本发明为了有效地提高数据标定准确率。加权分布对齐能够权衡样本数据的边际概率分布和条件概率分布的重要性，进而减小领域间的差异；几何特征对齐不但能进一步挖掘领域间样本数据的几何特征，而且通过图拉布拉斯正则化可以很好的保持样本数据空间的几何结构，进而提高样本可分性和数据标定的准确性。通过与其他方法进行实验对比，本发明开发的系统—基于加权分布对齐和几何特征对齐的无监督跨领域自适应数据标定方法可以有效地提高数据标定准确率。
-
公开(公告)号：CN119892387A
公开(公告)日：2025-04-25
申请号：CN202411422530.5
申请日：2024-10-12
Applicant: 哈尔滨工业大学
Abstract: 一种基于反检测蜜罐的物联网僵尸网络生命周期检测方法及系统，涉及网络安全检测及防御技术领域。本发明的目的是为了实现准确识别反检测蜜罐捕获的物联网僵尸网络流量所处的生命周期，避开攻击者的虚拟检测技术实现对物联网僵尸网络流量更高的欺骗性。首先基于生成对抗网络设计具备反检测功能的蜜罐，经过训练后根据不同的请求数据生成逼真的响应数据，从而提升它的欺骗能力。基于融合长短期记忆网络设计物联网僵尸网络生命周期检测方法。经过对Fusion‑LSTM训练后，可以准确识别反检测蜜罐捕获的物联网僵尸网络流量所处的生命周期。该方法可以避开攻击者的虚拟检测技术实现对物联网僵尸网络流量更高的欺骗性，同时可以准确的识别流量所处的生命周期，从而尽早作出防护应对。
-
公开(公告)号：CN118797155B
公开(公告)日：2025-04-22
申请号：CN202410789176.3
申请日：2024-06-19
Applicant: 哈尔滨工业大学
IPC: G06F16/9535 , G06F40/30 , G06V30/41 , G06V30/40 , G06V30/148 , G06V30/19 , G06V10/82 , G06N3/042 , G06N3/08
Abstract: 本发明公开了一种基于多视角跨模态语义对齐的多模态推荐方法及系统，涉及多模态推荐技术领域。本发明的技术要点包括：提取训练数据的用户信息、物品信息、用户‑物品交互信息和多模态辅助信息，所述多模态辅助信息包括文本模态和视觉模态；对多模态辅助信息进行处理，获取包含多模态嵌入文本表示和视觉表示的语义信息；将用户信息、物品信息、用户‑物品交互信息和语义信息输入多模态神经网络模型中进行训练；利用训练好的多模态神经网络模型进行多模态推荐。本发明解决了模态间语义鸿沟问题，通过多视角语义建模进行细粒度模态语义对齐，实验结果证明了本发明的优越性和有效性。
-
-
-
-
-
-
-
-
-
Search Results
35
records
(took 0.035 seconds)
