公开(公告)号：CN117475520A

公开(公告)日：2024-01-30

申请号：CN202310763518.X

申请日：2023-06-26

Applicant: 清华大学 ,  OPPO广东移动通信有限公司

Inventor： 苏航 ,  陈嘉伟 ,  杨啸 ,  彭健腾

IPC: G06V40/40 ,  G06V40/16 ,  G06V10/82 ,  G06N3/0475 ,  G06N3/094

Abstract: 本发明提供一种人脸活体检测方法及装置，其中方法包括：获取待检测人脸图像数据；将所述待检测人脸图像数据输入至人脸活体检测模型，获得所述人脸活体检测模型输出的活体检测结果；其中，所述人脸活体检测模型是基于训练样本、所述训练样本对应的标签以及所述训练样本对应的欺骗分数和期望分数训练得到的，所述训练样本包括真实样本和攻击样本，所述欺骗分数和所述期望分数是在训练过程中基于所述训练样本获得的，所述欺骗分数用于表示训练过程中所述训练样本被判断为活体图像的可能性，所述期望分数用于表示所述训练样本为活体图像的可能性。本发明提高了人脸活体检测的准确性。

公开(公告)号：CN117441173A

公开(公告)日：2024-01-23

申请号：CN202180098740.1

申请日：2021-05-31

Applicant: 罗伯特·博世有限公司 ,  清华大学

Inventor： 董胤蓬 ,  杨啸 ,  邓志杰 ,  庞天宇 ,  苏航 ,  朱军 ,  程泽

IPC: G06N3/08 ,  G06N7/01

Abstract: 本公开内容提供了一种用于深度学习的方法。该方法包括：由深度学习模型接收多个样本和与所述多个样本相对应的多个标签；由深度学习模型，基于威胁模型对抗性地增扩所述多个样本；以及由深度学习模型，将低的预测置信度分配给所述多个对抗性增扩样本中由于基于威胁模型的对抗性增扩而具有噪声标签的一个或多个对抗性增扩样本。

公开(公告)号：CN113487023A

公开(公告)日：2021-10-08

申请号：CN202110680503.8

申请日：2021-06-18

Applicant: 清华大学

Inventor： 朱军 ,  庞天宇 ,  杨啸 ,  董胤蓬 ,  苏航

IPC: G06N3/08

Abstract: 本申请实施例公开了一种网络攻击方法和装置，该方法包括：获取原始的第一训练数据集，并确定待攻击的神经网络模型；在对神经网络模型执行第t轮训练时，采用预先测得的第一类修改参数对第一训练数据集执行第一修改操作，并采用根据第一类修改参数修改后的第一训练数据集对神经网络模型进行训练；t＝0，…，T‑1，T为正整数；在对神经网络模型执行最后一轮第T+1轮训练时，采用预先测得的第二类修改参数对所述第一训练数据集执行第二修改操作，并采用修改后的第一训练数据集对神经网络模型进行训练；其中，第二类修改参数使得第一类修改参数的修改梯度增大。通过该实施例方案，显著放大了投毒攻击效果。

公开(公告)号：CN118941885A

公开(公告)日：2024-11-12

申请号：CN202410773340.1

申请日：2024-06-14

Applicant: 清华大学 ,  启元实验室

Inventor： 朱军 ,  苏航 ,  杨啸 ,  王立众

IPC: G06V10/774 ,  G06V10/82 ,  G06V40/16 ,  G06V20/64 ,  G06T15/04 ,  G06N3/094 ,  G06N3/084 ,  G06N3/0985 ,  G06N3/045 ,  G06N3/0475

Abstract: 本申请提出一种人脸检测模型的对抗攻击样本的生成方法及生成装置、电子设备和计算机可读存储介质，所述生成方法包括响应于人脸检测的对抗攻击指令，构建三维模型，其中，所述三维模型包括至少一个头盔三维模型、多个人脸三维模型和多个背景二维图像；对所述三维模型进行随机组合，得到在不同环境下的人脸头盔组合图像；利用所述人脸头盔组合图像测试预设的人脸检测模型，得到所述人脸检测模型的人脸检测得分；以及利用所述人脸检测得分和预设的损失函数，通过梯度下降算法对头盔纹理贴图进行优化，以得到所述对抗攻击样本。根据一些实施例，通过生成不同环境背景下的人脸头盔模型，实现了对抗攻击样本对复杂环境和无关身份的泛化能力。

公开(公告)号：CN117940936A

公开(公告)日：2024-04-26

申请号：CN202180101286.0

申请日：2021-08-18

Applicant: 罗伯特·博世有限公司 ,  清华大学

Inventor： 杨啸 ,  董胤蓬 ,  庞天宇 ,  苏航 ,  朱军 ,  程泽

IPC: G06N3/094 ,  G06N3/0985 ,  G06N3/084 ,  G06N3/0442

Abstract: 本公开内容提供了一种用于评估对抗鲁棒性的方法。该方法包括：基于一组学习型防御模型集和训练数据，学习由递归神经网络(RNN)参数化的优化器，以最大限度地降低该组学习型防御模型的性能；以及通过使用所学习的优化器攻击至少一个目标防御模型，来评估该至少一个目标防御模型在目标数据集或数据点上的对抗鲁棒性。

公开(公告)号：CN107524162A

公开(公告)日：2017-12-29

申请号：CN201710860033.7

申请日：2017-09-21

Applicant: 清华大学

Inventor： 郭彦林 ,  朱靖申 ,  章友浩 ,  王梦争 ,  杨啸

IPC: E02D29/045

CPC classification number: E02D29/10

Abstract: 本发明涉及一种装配式波形钢板混凝土组合综合管廊，属于结构工程技术领域。所述波形钢板混凝土组合综合管廊由多段波形钢板混凝土组合管廊节段从前至后拼接而成。所述管廊节段截面呈矩形或多腔矩形。其中所述矩形截面管廊节段由位于该矩形截面四面的四片波形钢板混凝土组合结构和位于该矩形截面四角的四个连接角钢通过高强螺栓连接拼装而成；所述多腔矩形截面管廊节段在矩形截面管廊节段中间设置竖向波形钢板混凝土组合结构将该矩形截面分成两个或多个空腔，并在上下交界处通过连接槽钢与位于该矩形截面的波形钢板混凝土组合结构实现高强螺栓连接。本发明提出的组合综合管廊完全符合明挖预制装配法的施工要求，可应用于城市地下综合管廊建设中。

公开(公告)号：CN116912565A

公开(公告)日：2023-10-20

申请号：CN202310792986.X

申请日：2023-06-30

Applicant: 中国移动通信集团有限公司研究院 ,  清华大学

Inventor： 王小丰 ,  陈茜 ,  黄文辉 ,  邓超 ,  冯俊兰 ,  朱军 ,  杨啸

IPC: G06V10/764 ,  G06V10/82 ,  G06V10/74 ,  G06V40/16 ,  G06N3/0464 ,  G06N3/047 ,  G06N3/048 ,  G06N3/084 ,  G06N3/042 ,  G06N5/04

Abstract: 本发明提供一种分类处理方法、装置及电子设备，涉及通信技术领域。该方法包括：获取待分类对象的目标数据；将所述目标数据输入到分类神经网络模型，并按照多个不同的网络参数分别预测得到预测数据；其中，所述多个不同的网络参数是从分类神经网络模型对应的多个参数分布中分别确定的权重值；根据多个所述预测数据，得到对所述待分类对象进行分类后的分类结果。本发明的方案能够解决目前深度卷积神经网络模型存在无法保证其获得预测结果的准确性的问题。

公开(公告)号：CN207633361U

公开(公告)日：2018-07-20

申请号：CN201721221748.X

申请日：2017-09-21

Applicant: 清华大学

Inventor： 郭彦林 ,  朱靖申 ,  章友浩 ,  王梦争 ,  杨啸

IPC: E02D29/045

Abstract: 本实用新型涉及一种装配式波形钢板混凝土组合综合管廊，属于结构工程技术领域。所述波形钢板混凝土组合综合管廊由多段波形钢板混凝土组合管廊节段从前至后拼接而成。所述管廊节段截面呈矩形或多腔矩形。其中所述矩形截面管廊节段由位于该矩形截面四面的四片波形钢板混凝土组合结构和位于该矩形截面四角的四个连接角钢通过高强螺栓连接拼装而成；所述多腔矩形截面管廊节段在矩形截面管廊节段中间设置竖向波形钢板混凝土组合结构将该矩形截面分成两个或多个空腔，并在上下交界处通过连接槽钢与位于该矩形截面的波形钢板混凝土组合结构实现高强螺栓连接。本组合综合管廊完全符合明挖预制装配法的施工要求，可应用于城市地下综合管廊建设中。(ESM)同样的发明创造已同日申请发明专利