公开(公告)号：CN118296650A

公开(公告)日：2024-07-05

申请号：CN202410508800.8

申请日：2024-04-26

Applicant: 哈尔滨工程大学

Inventor： 吕继光 ,  苘大鹏 ,  杨武 ,  韩帅 ,  许晨 ,  王焕然 ,  徐术春 ,  骆昱

IPC: G06F21/62 ,  G06F21/55 ,  G06N3/0475 ,  G06N3/045 ,  G06N3/094 ,  G06N3/098

Abstract: 本发明属于联邦学习框架下的防御技术领域，具体涉及一种基于生成对抗网络和梯度平滑的隐私保护方法、程序、设备及存储介质。本发明主要针对联邦学习架构中利用生成对抗网络发起的梯度泄露攻击进行防御，根据攻击的特点，在客户端部署WGAN，利用WGAN生成的伪数据参与到本地模型的训练中。同时为了防止敌手进行隐私推理攻击，本发明采用了梯度平滑技术，将生成伪数据视觉特征进行破坏，同时保留伪数据的分类特征；其次，为了最小程度的影响本地模型的精度，本发明借用Mix‑up技术，利用客户端本身的隐私数据对经过特征处理的伪数据进行特征修复。使其能够最大限度的保证本地模型的性能，同时又能对梯度泄露攻击进行很好的防御。

公开(公告)号：CN118296250A

公开(公告)日：2024-07-05

申请号：CN202410508790.8

申请日：2024-04-26

Applicant: 哈尔滨工程大学

Inventor： 王焕然 ,  杨武 ,  苘大鹏 ,  吕继光 ,  韩帅 ,  许晨

IPC: G06F16/9536 ,  G06Q50/00 ,  G06N3/0455 ,  G06N3/0499 ,  G06N3/08

Abstract: 本发明提供了一种基于多特征序列的舆情传播预测方法、系统及存储介质。本发明系统包括事件流分析装置、事件序列编码装置、事件表示学习装置、舆情预测装置。方法为读取模型所需参数，并用计算到的时间编码得到事件类型编码，进一步获取到所需的嵌入向量，通过注意力机制输出序列结果从而获取到事件在任意时刻的发生概率。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模型对舆情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：CN118296249A

公开(公告)日：2024-07-05

申请号：CN202410508784.2

申请日：2024-04-26

Applicant: 哈尔滨工程大学

Inventor： 王焕然 ,  杨武 ,  苘大鹏 ,  吕继光 ,  韩帅 ,  许晨 ,  谭静文

IPC: G06F16/9536 ,  G06Q50/00

Abstract: 本发明提供的是一种嵌入偏好增强的社区搜索方法、系统及存储介质。本发明所述的系统包括社交网络节点嵌入装置、社区搜索装置、随机游走序列获取装置、系统控制装置。所述的方法动态通过嵌入学习和社区搜索相结合，利用Check2Vec模型学习节点嵌入，提高了对签入信息的建模能力，并在社区搜索中综合考虑节点属性和签入信息，以获取更准确的用户‑位置二分社区。本发明的优点在于：具有多模态信息整合、适用于多数据域、灵活调节性等优点，为提高社区搜索效果和个性化程度提供了有力手段。