检索结果-内蒙古大学图书馆

计算机学报 2022年第8期45卷 1814-1826页

作者：李玮汪梦林谷大武温云华李嘉耀张雨希东华大学计算机科学与技术学院上海201620 上海交通大学计算机科学与工程系上海200240 上海交通大学上海市可扩展计算与系统重点实验室上海200240

SM4算法是我国公布的首个商用密码算法,用于保护WAPI无线局域网标准中的数据传输,2012年成为国家密码行业标准,2021年作为ISO/IEC国际标准正式发布.在唯密文攻击中,攻击者除了所截获的密文,没有其它可利用的信息,因而获取的信息最少、... 详细信息

SM4算法是我国公布的首个商用密码算法,用于保护WAPI无线局域网标准中的数据传输,2012年成为国家密码行业标准,2021年作为ISO/IEC国际标准正式发布.在唯密文攻击中,攻击者除了所截获的密文,没有其它可利用的信息,因而获取的信息最少、攻击难度较大.目前,国内外未有公开发表的SM4算法抵抗唯密文攻击的结果.本文采用巴氏系数-汉明重量、詹森香农散度-汉明重量和詹森香农散度-汉明重量-极大似然估计等新型区分器对SM4算法实施唯密文故障分析.仿真实验表明,该方法最少仅需要136个随机故障,可以破译SM4算法的128比特主密钥,且在准确度、成功率、耗时和复杂度等方面攻击效果佳.该结果为无线局域网中密码算法的安全性分析和实现提供了重要参考.

关键词：故障分析 SM4 唯密文攻击分组密码密码分析

来源：评论

学校读者我要写书评

暂无评论

基于机器学习的Al-Zn-Mg-Cu合金快速设计

引用

Transactions of Nonferrous Metals Society of China 2024年第3期34卷 709-723页

作者：隽永飞牛国帅杨旸徐子涵杨健唐文奇姜海涛韩延峰戴永兵张佼孙宝德上海交通大学材料科学与工程学院上海市先进高温材料及其精密成形重点实验室和金属基复合材料国家重点实验室上海200240 上海交通大学计算机科学与工程系上海200240 上海交通大学先进船舶和深海勘探协同创新中心上海200240

提出一种基于机器学习的合金快速设计系统(ARDS),以定制所需性能的合金制备策略或预测制备策略所对应的合金性能。为此,分别对3种回归算法:线性回归(LR)、支持向量回归(SVR)和人工神经网络(BPNN)进行建模和比较以训练多性能预测模型。其... 详细信息

提出一种基于机器学习的合金快速设计系统(ARDS),以定制所需性能的合金制备策略或预测制备策略所对应的合金性能。为此,分别对3种回归算法:线性回归(LR)、支持向量回归(SVR)和人工神经网络(BPNN)进行建模和比较以训练多性能预测模型。其中,应用SVR构建的机器学习模型被证明是最佳的。然后,基于生成对抗网络(GAN)模型原理,构建Al-Zn-Mg-Cu系铝合金快速设计系统(ARDS)。对ARDS的预测可靠性进行验证。结果表明,为了能够获得准确的制备策略,系统中极限抗拉强度(UTS)、屈服强度(YS)和伸长率(EL)的输入上限分别约为790 MPa、730 MPa和28%。此外,基于ARDS预测结果,制备了一种性能优异的新型铝合金材料,其UTS为764 MPa、YS为732 MPa、EL为10.1%,进一步验证了ARDS的可靠性。

关键词：机器学习合金快速设计系统 Al-Zn-Mg-Cu合金力学性能

来源：评论

学校读者我要写书评

暂无评论

基于特征对齐和高斯表征的视觉有向目标检测

引用

中国科学：信息科学 2023年第11期53卷 2250-2265页

作者：杨学严骏驰上海交通大学计算机科学与工程系上海200240 上海交通大学人工智能教育部重点实验室上海200240 上海人工智能实验室上海200030

有向目标检测是计算机视觉中的一个研究热点,在遥感、场景文字等领域具有广泛应用.大长宽比、密集排列以及任意方向等问题是该领域目标检测面临的主要挑战.本文提出了一种基于单阶段检测方法的级联有向检测器R3DetGauss,采用一种从粗到... 详细信息

有向目标检测是计算机视觉中的一个研究热点,在遥感、场景文字等领域具有广泛应用.大长宽比、密集排列以及任意方向等问题是该领域目标检测面临的主要挑战.本文提出了一种基于单阶段检测方法的级联有向检测器R3DetGauss,采用一种从粗到细的渐进式回归方法快速准确地定位目标.考虑到级联检测器中存在的特征不对齐的问题,本文设计了一个特征精修模块(feature refinement module,FRM),能够获得更准确的特征,从而提高检测性能.FRM通过逐像素特征插值将当前精修后的边界框的位置信息重新编码到对应的特征点,进而实现特征的重构和对齐.本文还采用了具有尺度不变性的归一化高斯Wasserstein距离作为回归损失来进一步提高估计边界框的质量.此外,本文基于该距离提出了长宽比感知的自适应样本采样策略,提高了样本分配的质量.在多个公开的图像数据集上的大量实验结果表明,所提出的R3DetGauss检测器在多种数据集上均能够进一步提升精度,并最终达到当前先进检测水平.相关代码在国产深度学习Jittor框架、PyTorch和TensorFlow中均进行了开源发布.

关键词：有向目标检测计算机视觉特征精修模块分布距离标签分配回归损失

来源：评论

学校读者我要写书评

暂无评论

轻量级密码MANTIS的唯密文故障分析

引用

电子学报 2022年第4期50卷 967-976页

作者：李玮张雨希谷大武张金煜朱晓铭刘春蔡天培李嘉耀东华大学计算机科学与技术学院上海201620 上海交通大学计算机科学与工程系上海200240 上海市可扩展计算机与系统重点实验室(上海交通大学) 上海200240 上海市信息安全综合管理技术研究重点实验室(上海交通大学) 上海220240

MANTIS密码是于2016年美密会上提出的一种轻量级可调分组密码,它的设计采用FX结构和TWEAKEY框架,适用于物联网环境中具有低延迟、高实时安全需求的受限设备中.本文基于半字节随机故障模型以及唯密文攻击,提出并讨论一种针对MANTIS密码... 详细信息

MANTIS密码是于2016年美密会上提出的一种轻量级可调分组密码,它的设计采用FX结构和TWEAKEY框架,适用于物联网环境中具有低延迟、高实时安全需求的受限设备中.本文基于半字节随机故障模型以及唯密文攻击,提出并讨论一种针对MANTIS密码的新型唯密文故障分析.该分析结合公开调柄,利用故障注入后中间状态的不均匀性,可以破译MANTIS的全部版本.实验结果表明,提出的新型双重区分器狄利克雷分布-汉明重量以及狄利克雷分布-极大似然最少分别需要392和396个故障,以99%及以上的成功率破译MANTIS各版本的128 bit原始密钥,不仅减少了故障注入数,而且提高了攻击效率,因此,MANTIS密码不能抵抗唯密文故障分析的攻击.该结果为其他轻量级可调分组密码的安全性分析和防护提供了重要参考.

关键词：故障分析轻量级密码 MANTIS 唯密文分析物联网

来源：评论

学校读者我要写书评

暂无评论

基于溯源图的网络攻击调查研究综述

引用

电子学报 2024年第7期52卷 2529-2556页

作者：仇晶陈荣融朱浩瑾肖岩军殷丽华田志宏广州大学网络空间安全学院广东广州510555 鹏城实验室广东深圳518000 上海交通大学计算机科学与工程系上海200240 绿盟科技集团股份有限公司北京100089

网络攻击调查是实现主动防御、溯源反制的重要手段.面向高隐蔽、强对抗的现代网络攻击,研究高效率、自动化攻击调查方法,提升己方快速响应复杂网络攻击能力,是智能网络攻防关键技术之一.现有研究通过将系统审计日志建模成可表达攻击事... 详细信息

网络攻击调查是实现主动防御、溯源反制的重要手段.面向高隐蔽、强对抗的现代网络攻击,研究高效率、自动化攻击调查方法,提升己方快速响应复杂网络攻击能力,是智能网络攻防关键技术之一.现有研究通过将系统审计日志建模成可表达攻击事件因果依赖关系的溯源图,利用溯源图强大的关联分析和语义表达能力,对复杂隐蔽网络攻击进行调查,相较传统方法效果提升显著.在全面收集分析基于溯源图的攻击调查研究工作的基础上,根据溯源图利用方式及特征挖掘维度的差异,将基于溯源图的攻击调查方法划分为基于因果分析、基于深度表示学习和基于异常检测三类,总结凝练每类方法具体工作流程和通用框架.梳理溯源图优化方法,剖析相关技术从理论向产业落地的能力演变历程.归纳攻击调查常用数据集,对比分析基于溯源图的攻击调查代表性技术和性能指标,最后展望了该领域未来发展方向.

关键词：攻击调查溯源图高级持续性威胁深度学习异常检测

来源：评论

学校读者我要写书评

暂无评论

跨模态语言大模型:进展及展望

引用

中国科学基金 2023年第5期37卷 776-785页

作者：陈露张思拓俞凯上海交通大学计算机科学与工程系跨媒体语言智能实验室上海200240 上海交通大学人工智能教育部重点实验室上海200240

以ChatGPT为代表的对话式语言大模型通过使用超大规模模型参数和海量训练数据,涌现出很强的上下文学习能力和思维链推理能力,在各种自然语言处理任务上取得了显著的进步,被视为颠覆性通用人工智能技术。在纯文本语言大模型突破的基础上... 详细信息

以ChatGPT为代表的对话式语言大模型通过使用超大规模模型参数和海量训练数据,涌现出很强的上下文学习能力和思维链推理能力,在各种自然语言处理任务上取得了显著的进步,被视为颠覆性通用人工智能技术。在纯文本语言大模型突破的基础上,近期显现的重要技术发展趋势是向能够理解和生成语音、图像、图形等其他模态数据的跨模态语言大模型的转变。随着大模型技术的快速发展,跨模态语言大模型逐步拥有了较强的多模态感知以及初步的跨模态认知能力。本文将从多模态感知大模型、跨模态认知大模型、以及分布式智能体系统三种范式综述跨模态语言大模型技术体系的演进过程,并总结相关的评测基准,最后讨论跨模态语言大模型面临的技术挑战及潜在重要研究方向。

关键词：语言大模型多模态感知跨模态认知分布式智能体

来源：评论

学校读者我要写书评

暂无评论

PRESENT轻量级密码的中间相遇统计故障分析

引用

计算机学报 2023年第2期46卷 353-370页

作者：李玮朱晓铭谷大武李嘉耀蔡天培东华大学计算机科学与技术学院上海201620 上海交通大学计算机科学与工程系上海200240 上海市可扩展计算与系统重点实验室上海200240 上海市信息安全综合管理技术研究重点实验室上海200240

PRESENT算法是于2007年在国际密码硬件与嵌入式系统会议提出的一种轻量级分组密码,2012年成为国际轻量级算法标准ISO/IEC-29192-2,适用于物联网中射频识别标签、网络传感器、智能卡等设备的数据保护.本文结合PRESENT密码的设计结构和实... 详细信息

PRESENT算法是于2007年在国际密码硬件与嵌入式系统会议提出的一种轻量级分组密码,2012年成为国际轻量级算法标准ISO/IEC-29192-2,适用于物联网中射频识别标签、网络传感器、智能卡等设备的数据保护.本文结合PRESENT密码的设计结构和实现特点,基于统计分析和中间相遇分析策略,提出了一种中间相遇统计故障分析方法,设计了皮尔逊相关系数-汉明重量、库尔贝克莱布勒散度-汉明重量区分器和杰卡德相似系数-汉明重量-极大似然估计等区分器,可以分别破译PRESENT密码全部版本的80比特和128比特原始密钥.该方法攻击轮数更深,故障数和耗时更少,有效地扩展了攻击范围,提升了攻击能力.结果表明,中间相遇统计故障分析对PRESENT密码构成了严重威胁.该研究为轻量级密码的实现安全研究提供了有价值的参考.

关键词：轻量级密码 PRESENT 故障分析中间相遇分析密码分析

来源：评论

学校读者我要写书评

暂无评论

FX密钥长度扩展构造量子Q1安全性证明

引用

密码学报（中英文） 2024年第5期11卷 1139-1151页

作者：郭淳黄安静郁昱山东大学网络空间安全学院青岛266237 密码技术与信息安全教育部重点实验室青岛266237 国科量子通信网络有限公司上海201315 上海交通大学计算机科学与工程系上海200240 密码科学技术全国重点实验室北京100878

FX构造FX_(k,k′)[E]=E_(k)(x⊕vk′)⊕k′将密钥长度为κ比特的分组密码E:{0,1}^(κ)×{0,1}^(n)→{0,1}^(n)转化为密钥长度为κ+n比特的分组密码,是最高效的密钥长度扩展方法.基于对所谓Even-Mansour构造的前期研究(EUROCRYPT 202... 详细信息

FX构造FX_(k,k′)[E]=E_(k)(x⊕vk′)⊕k′将密钥长度为κ比特的分组密码E:{0,1}^(κ)×{0,1}^(n)→{0,1}^(n)转化为密钥长度为κ+n比特的分组密码,是最高效的密钥长度扩展方法.基于对所谓Even-Mansour构造的前期研究(EUROCRYPT 2022),Alagic等(Eprint 2022)为FX构造的可调变体提供了一个量子Q1模型中的安全性证明.然而,如Alagic等所承认,针对(原始版)FX构造,他们的证明方法未能导出令人满意的安全界.本文提出了对Alagic等证明的修补措施,从而得以证明所期望的(κ+n)/3比特紧致量子Q1安全界.本文的修补主要是改动了Alagic等证明中的一处中间值的分布,从而避免了导致更差安全界的某些不良事件.这个改动要求对Alagic等的“再采样”引理进行“依赖上下文的”扩展,这在概念上可能有一定创新.

关键词：后量子安全性可证明安全密钥长度扩展 FX构造

来源：评论

学校读者我要写书评

暂无评论

小数据下的音素级别说话人嵌入的语音合成自适应方法

引用

计算机学报 2022年第5期45卷 1003-1017页

作者：徐志航陈博张辉俞凯上海交通大学人工智能研究院人工智能教育部重点实验室上海200240 上海交通大学计算机科学与工程系跨媒体语言智能实验室上海200240 苏州思必驰信息科技有限公司江苏苏州215000

在语音合成中,使用少量的用户录制数据进行说话人自适应一直面临着一个问题:如何在不过分降低合成声音的自然度的情况下,提高合成声音的相似度.现有的句子级别、帧级别说话人嵌入等自适应方法在合成训练集外说话人声音时会出现低相似度... 详细信息

在语音合成中,使用少量的用户录制数据进行说话人自适应一直面临着一个问题:如何在不过分降低合成声音的自然度的情况下,提高合成声音的相似度.现有的句子级别、帧级别说话人嵌入等自适应方法在合成训练集外说话人声音时会出现低相似度的问题.使用少量的用户录制数据微调预训练的语音合成模型的自适应方法尽管能提升合成音频的相似度,但是也常伴随着自然度的下降.为了解决这个问题,本文提出了一种基于音素级别的说话人嵌入的语音合成自适应方法.在训练阶段,从真实的特征片段中提取音素级别的说话人嵌入,控制语音合成模型的训练.在自适应阶段,通过对说话人嵌入预测网络进行快速自适应,在推理阶段代替真实音频得到音素级别说话人嵌入帮助模型合成音频.实验使用了少量真实的用户录制数据,对现在主流的不同粒度的说话人嵌入方法进行了性能比较.实验表明,相比较各种不同的说话人嵌入方法,本文提出的方法在不更新语音合成模型的情况下保持自然度不明显下降,并取得了最好相似度;在更新语音合成模型的情况下,该方法同时达到了最好的自然度和相似度.分析发现音素级别的说话人嵌入方法在几乎不增加自适应训练时间的情况下,提供了更好的模型自适应初始点,有效地提高了自适应模型合成声音的质量.

关键词：语音合成说话人嵌入时长模型小数据说话人自适应

来源：评论

学校读者我要写书评

暂无评论

基于DRAM牺牲Cache的异构内存页迁移机制

引用

计算机研究与发展 2022年第3期59卷 568-581页

作者：裴颂文钱艺幻叶笑春刘海坤孔令和上海理工大学光电信息与计算机工程学院上海200093 计算机体系结构国家重点实验室(中国科学院计算技术研究所) 北京100190 华中科技大学计算机科学与技术学院武汉430074 上海交通大学计算机科学与工程系上海200240

当海量数据请求访问异构内存系统时,异构内存页在动态随机存储器(dynamic random access memory, DRAM)和非易失性存储器(non-volatile memory, NVM)之间进行频繁的往返迁移.然而,应用于传统内存页的迁移策略难以适应内存页"冷&quo... 详细信息

当海量数据请求访问异构内存系统时,异构内存页在动态随机存储器(dynamic random access memory, DRAM)和非易失性存储器(non-volatile memory, NVM)之间进行频繁的往返迁移.然而,应用于传统内存页的迁移策略难以适应内存页"冷""热"度的快速动态变化,这使得从DRAM迁移至NVM的"冷"页面可能在短时间内变"热"从而产生大量冗余的迁移操作.当前的相关研究都仅着眼于正在执行迁移的页面而忽视了等待迁移和完成迁移的页面,且判断"冷""热"程度的标准不一,使得冗余的迁移大量产生.因此,提出了一个基于DRAM牺牲Cache的异构内存页迁移机制(VC-HMM),使用非易失性存储器中工艺较为成熟的相变存储器(phase change memory, PCM),通过在DRAM和PCM之间增加一个由DRAM构成的小容量牺牲Cache将系统主存DRAM中变"冷"的页面迁移到牺牲Cache中,以避免主存页面在短时间内再次变"热"而造成的冗余迁移.同时,还使得迁回PCM的部分页面不需要写回,减少PCM存储单元的写入操作次数,延长PCM的使用寿命.另外,对于不同的工作负载,VC-HMM可以自适应设置迁移操作的参数,增加迁移的合理性.实验结果表明:与其他迁移策略(CoinMigrator, MQRA,THMigrator)相比,VC-HMM平均减少了至少62.97%的PCM写操作次数、22.72%的平均访问时延、38.37%的重复迁移操作以及3.40%的系统能耗.

关键词： VC-HMM 异构内存系统 DRAM牺牲Cache 内存页迁移非易失性存储器

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：