-
公开(公告)号：CN120031098A
公开(公告)日：2025-05-23
申请号：CN202510064156.4
申请日：2025-01-15
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种针对离线强化学习决策模式多样性的投毒攻击方法、系统、程序、设备及存储介质，属于离线强化学习技术领域。本发明方法首先获取离线强化学习数据集中的状态空间、动作空间及奖励空间，分析数据集中连续状态‑动作对组成的经验决策序列的多样性，将数据集中较为罕见的决策序列作为关键序列。然后，针对这些关键序列对应的数据，本发明添加了精心构造的微小扰动来降低数据集中经验决策序列的多样性，以此实现对离线强化学习数据集的有效投毒。本发明攻击方法以极低的攻击成本，实现了对离线强化学习模型的有效干扰，并确定了其在实际应用中的有效性和可行性。
-
公开(公告)号：CN119442235A
公开(公告)日：2025-02-14
申请号：CN202411477147.X
申请日：2024-10-22
Applicant: 哈尔滨工程大学
Abstract: 本发明属于联邦学习安全防御技术领域，具体涉及基于对数秘密共享的隐私梯度中毒攻击防御方法、程序、设备及存储介质。本发明基于秘密共享技术，使得密文梯度可以在资源受限的边缘服务器端进行相似性的计算，能够在资源受限的边缘服务器中完成加密参数的相似性计算，进而识别出恶意模型以防御隐私梯度中毒攻击，通过相似性削弱这些恶意模型，增强全局模型聚合过程的鲁棒性，提高联邦学习的安全性和模型性能。
-
公开(公告)号：CN119442234A
公开(公告)日：2025-02-14
申请号：CN202411477144.6
申请日：2024-10-22
Applicant: 哈尔滨工程大学
Abstract: 本发明属于联邦学习安全防御技术领域，具体涉及基于模型参数相似性检测的后门攻击防御方法、程序、设备及存储介质。本发明通过分析每个模型的更新幅度和输出的变化，去反映客户端数据样本分布是否发生变化，以此来发现异常模型更新。本发明为每个模型维护了历史模型更新幅度和历史输出分类结果的记录，并计算与当前更新幅度和输出结果的平均相似度，基于这些平均相似度去综合评估客户端的数据样本分布是否发生变化，结合模型参数归一化技术，可以对后门中毒更新进行过滤，同时保留良性的模型更新。
-
公开(公告)号：CN119293246A
公开(公告)日：2025-01-10
申请号：CN202411301444.9
申请日：2024-09-18
Applicant: 哈尔滨工程大学
IPC: G06F16/353 , G06F16/334 , G06F40/30 , G06F40/289 , G06Q50/00 , G06N3/0455 , G06N3/08
Abstract: 本发明提供的是一种基于语义增强的热点言论检测方法、程序、设备及存储介质。本发明提出了基于语义增强的热点言论检测模型HSIBSE。其中包括信息嵌入层装置、文本嵌入层装置、编码层装置和输出层装置。通过使用热点言论词典，对文本进行分类，将其划分为含有热点性词语和不含热点性词语的两个类别。对每个词语，本发明将其与热点性词语词典中的词汇进行匹配，以确定其是否属于热点性词语。能够更准确地识别和分析热点言论，并为热点言论检测提供重要线索。本发明通过加强上下文理解，分析热点言论中的情感倾向，增强信息关联，有助于识别某些文本中的隐含信息，可广泛应用于社交网络中的互热点言论检测。
-
公开(公告)号：CN118312650A
公开(公告)日：2024-07-09
申请号：CN202410508810.1
申请日：2024-04-26
Applicant: 哈尔滨工程大学
IPC: G06F16/903 , G06F16/901
Abstract: 本发明属于多维数据处理技术领域，具体涉及一种基于多维范围过滤器的多维区域查询处理系统、方法、程序、设备及存储介质。本发明中首先将多维数组划分为数据块，获取各数据块的非空范围集合，并对非空范围集合内的各范围计算编号；对于每个数据块，针对其非空范围集合中的所有范围构建压缩位图和布隆过滤器，比较压缩位图和布隆过滤器存储空间代价，选择存储空间代价较小的结构作为当前数据块的多维范围过滤器；最后使用多维范围过滤器进行多维区域查询处理。本发明通过构建多维范围过滤器，实现亚线性时间复杂度的高效区域查询处理。
-
Patent Agency Ranking
公开(公告)号：CN120031097A
公开(公告)日：2025-05-23
申请号：CN202510064154.5
申请日：2025-01-15
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种针对离线强化学习的隐蔽数据投毒攻击方法、系统、程序、设备及存储介质，属于离线强化学习技术领域。本发明方法采用关键时间步动态投毒攻击方法，通过对重要性较高的样本进行动态扰动，实现高效隐蔽的攻击效果。该方法首先通过理论分析发现时序差分误差对于模型学习过程的重要影响，分析得出时序差分误差较大的时间步代表离线强化学习的薄弱环节，将其作为投毒目标选择的依据。然后又提出了基于双目标优化的投毒方法，在最小化扰动幅度的同时，最大化攻击对模型性能产生的负面影响，为每个投毒样本生成最优扰动幅度。本发明以极低的攻击成本，实现了对离线强化学习模型的有效干扰，并确定了其在实际应用中的有效性和可行性。
-
公开(公告)号：CN119272919A
公开(公告)日：2025-01-07
申请号：CN202411301402.5
申请日：2024-09-18
Applicant: 哈尔滨工程大学
IPC: G06Q10/04 , G06Q50/00 , G06Q50/26 , G06N3/0455 , G06N3/0985
Abstract: 本发明提供了一种基于多特征序列的社会搜索热点传播预测方法、系统、程序、设备及存储介质。本发明考虑了事件序列中的时间信息、事件类型信息、用户信息以及用户属性信息，利用Transformer模型对社会搜索热点事件序列进行表示学习，将学习出来的表示向量作为Hawkes过程的输入，使其更好的捕捉事件之间的相互影响关系。本发明依据历史事件的强度函数对事件序列进行预测：短期预测是预测下一事件发生的时间与事件类型，长期预测是事件在给定时间区间内的传播大小，以取得更好的序列数据拟合与序列预测效果。
-
公开(公告)号：CN119271906A
公开(公告)日：2025-01-07
申请号：CN202411301441.5
申请日：2024-09-18
Applicant: 哈尔滨工程大学
IPC: G06F16/9536 , G06Q50/00 , G06F16/28
Abstract: 本发明提供的是一种面向符号社会网络正面信息最大化传播方法、程序、设备及存储介质。本发明使用基于符号潜在因子的链接预测模型来进行链接预测，补全网络链接关系的缺失。在此基础上通过采用基于符号的PageRank算法选择种子节点传播信息，使得正面信息影响力最大化。本发明考虑到当前网络中用户关系缺失以及关系复杂这些问题，能够通过链接预测技术对网络结构进行完善，基于完整的网络结构，通过种子节点选择算法选择最有影响力的种子节点传播信息，从而使得信息的正面信息影响力最大化。
-
公开(公告)号：CN118520070A
公开(公告)日：2024-08-20
申请号：CN202410508778.7
申请日：2024-04-26
Applicant: 哈尔滨工程大学
IPC: G06F16/33 , G06F16/35 , G06F16/36 , G06F16/9536 , G06Q50/00 , G06F40/30 , G06N3/0455 , G06N3/042 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明提供的是一种基于语义增强的仇恨言论检测方法、系统及存储介质。本发明提出了基于语义增强的仇恨言论检测模型HSIBSE。其中包括信息嵌入层装置、文本嵌入层装置、编码层装置和输出层装置。通过使用仇恨言论词典，对文本进行分类，将其划分为含有负面性词语和不含负面性词语的两个类别。对每个词语，本发明将其与负面性词语词典中的词汇进行匹配，以确定其是否属于负面性词语。能够更准确地识别和分析仇恨言论，并为仇恨言论检测提供重要线索。本发明设计了一种基于语义增强的仇恨言论检测系统及方法，加强上下文理解，分析仇恨言论中的情感倾向，增强信息关联，有助于识别某些文本中的隐含信息，可广泛应用于社交网络中的互仇恨言论检测。
-
公开(公告)号：CN118473716A
公开(公告)日：2024-08-09
申请号：CN202410508805.0
申请日：2024-04-26
Applicant: 哈尔滨工程大学
IPC: H04L9/40
Abstract: 本发明属于匿名网络隐私保护技术领域，具体涉及一种网站指纹识别防御系统、方法、程序、设备及存储介质。本发明是一种零延迟低开销的防御，可以实现在不需要延迟用户数据包且仅填充少量虚假数据包的情况下，对网站指纹攻击的有效防御；此外，考虑防御的实际可行性，本发明提出的防御是一种不需要先验知识的网站指纹防御策略，能够在不需要知道用户访问的网站以及历史流量序列的情况下实施防御。本发明通过在网络流量中注入不同分布的数据包，破坏了网站固有模式，大幅度降低了了网站指纹识别的有效性，可部署在匿名网络系统中，并适用于多种匿名网络场景中的网站指纹识别防御。
-
-
-
-
-
-
-
-
-
Search Results
36
records
(took 0.032 seconds)
