专利交易市场

本发明公开了一种基于自编码器和生成对抗网络的账户识别方法及系统，属于金融信息安全技术领域，该方法包括：获取银行账户的账户交易报告和账户属性图序列，人工标注账户类别；通过自编码器提取账户的融合特征；基于融合特征，利用生成对抗网络生成带有类型标注的账户特征，利用账户融合特征和生成的账户特征训练判别器；根据待测账户的账户交易报告和属性图序列，提取待测账户的融合特征，输入训练完成的判别器中，识别待测账户的真伪并预测待测账户的类别。本发明通过自编码器结构以端到端的方式自动捕捉洗钱账号的行为动态模式和结构动态模式及其之间的影响，并通过基于生成对抗的样本增强，提高账户识别性能，实现对洗钱账号的细粒度识别。

本发明提供一种基于区块链的联邦学习可信融合激励方法及系统，涉及互联网技术领域，该方法包括：在多轮联邦学习过程中，获取各个参与节点的基础信用度和预设的节点等级临界值；针对每一轮迭代学习，根据参与节点的基础信用度和前一轮的信用度更新参与节点在当前轮迭代学习的信用度，通过比较节点等级临界值与信用度确定参与节点的等级，对预设等级的参与节点进行隔离并记录到区块链中；根据参与节点信用度以及相关属性信息，构建多属性融合数据的实体模型，将实体模型存储在区块链上。这样，可以解决联邦学习过程中参与节点消极搭便车、模型投毒攻击等问题，并且支持参与节点的实体级、属性级可信查询，为参与节点行为的量化评估提供依据。

一种多层异构网络协同的网络安全态势感知方法，涉及网络安全态势感知技术领域，将网络安全态势感知任务分解并分散到异构网络各层级设备上执行，即轻量、实时性要求高的任务在边、端执行，复杂任务在云上执行，任务间通过传递参数交互和协同，最终生成全局态势感知结果。本发明提供的方式充分利用了多层异构网络各层级设备的计算资源、降低了带宽占用、提升了实时性，细化了分析粒度。

本发明属于图像分类和迁移学习技术领域，公开了一种基于成对样本匹配的迁移学习方法，实现了对基于不同域的样本内在关系的挖掘。具体包含以下步骤：（1）数据预处理，（2）基于迁移学习的双链模型构建，（3）实例归一化和批量归一化，（4）计算对比损失和最大均值距离损失。本发明的优点是通过结合实例归一化和批归一化同时进行学习，充分挖掘不同图像的风格和语义关联特性，实现在源域辅助下对少量目标域样本的高效识别。

该发明属于计算机视觉及深度学习领域，针对当前基于视图的深度学习方法不能捕获三维模型全面的空间信息的缺点，基于非局部图卷积网络的多视图三维模型检索方法挖掘融合多视图的高响应特征，从而得到单一紧凑的高辨别性模型描述符。其优越性能在三维模型检索中得到验证。该发明具体包含以下步骤：（1）获取模型的多视角图像，（2）多视角图像预处理，（3）设计非局部图卷积网络，（4）非局部图卷积网络训练，（5）提取模型深度特征，（6）三维模型的检索匹配。