-
公开(公告)号:CN119785109A
公开(公告)日:2025-04-08
申请号:CN202411964289.9
申请日:2024-12-30
Applicant: 中核武汉核电运行技术股份有限公司 , 福建福清核电有限公司
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06V10/74 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本公开属于核电技术领域,具体涉及一种基于深度学习的非结构化数据分类方法及装置。本公开提供了一种面向图像类型的非结构化数据的分类系统,其目的在于解决现有技术在处理非结构化数据,尤其是图像数据时面临的挑战。这些挑战包括数据量的爆发式增长、数据结构的不规则性、以及数据安全和合规性问题。该系统旨在通过自动化的技术手段,提高图像数据的分类效率和准确性,同时减少工作中的人工因素,确保数据的安全和合规性。
-
公开(公告)号:CN119783116A
公开(公告)日:2025-04-08
申请号:CN202411966797.0
申请日:2024-12-30
Applicant: 中核武汉核电运行技术股份有限公司 , 三门核电有限公司
IPC: G06F21/57 , G06F18/214 , G06F18/24 , G06F18/22
Abstract: 本公开属于核电技术领域,具体涉及一种基于大语言模型的漏洞信息识别方法及装置。本公开针对某些CVE的PoC信息进行收集,并对部分数据进行人工标注,以人工标注的方式增强了训练数据的准确可靠性,从而提高后续模型的学习能力。通过利用GPT‑3.5‑turbo模型对CVE和PoC数据进行识别和总结,基于TTP内容形式对每条信息进行描述,将CVE和PoC信息统一为TTP标准格式,剔除了原始信息中的噪音干扰,能够增强大语言模型对关键信息特征的识别和学习能力,并使用指令微调技术提高GPT模型完成任务效果。基于微调完成后的Llama‑2模型,对输入的目标CVE和PoC信息进行识别处理,并基于输出判别CVE和PoC的关联关系。从而解决CVE与PoC关联识别时依赖人工分析的问题。
-