检索结果-内蒙古大学图书馆

计算机学报 2024年第10期47卷 2352-2367页

作者：印佳丽韩津陈斌刘西蒙福州大学计算机与大数据学院福州350108 福州大学网络系统信息安全福建省高校重点实验室福州350108

高动态范围成像(High Dynamic Range Imaging,HDRI)技术是指通过融合多张低动态范围(Low Dynamic Range,LDR)图像拓展图像动态范围、完整图像内容的方法,其为解决由于相机传感器动态范围有限而导致所拍摄图像内容丢失的问题提供了实际... 详细信息

高动态范围成像(High Dynamic Range Imaging,HDRI)技术是指通过融合多张低动态范围(Low Dynamic Range,LDR)图像拓展图像动态范围、完整图像内容的方法,其为解决由于相机传感器动态范围有限而导致所拍摄图像内容丢失的问题提供了实际的解决方案.通过数十年的研究,众多有效的HDRI方法已被提出,并在无物体运动、内容曝光良好的静态场景中取得接近最优的性能.然而,现实场景中物体移动和相机偏移无法避免,直接使用传统HDRI方法会在融合后的HDR图像中产生严重的重影和伪影.这使得仅包含简单融合过程的HDRI方法并不适用于实际应用,现实场景中的HDRI任务仍然具有一定挑战.因此,针对动态场景下的HDRI研究迅速发展.近期的方法集中在借助深度卷积神经网络(Convolutional Neural Network,CNN)的力量以期实现更好的性能.在这些基于CNN的方法中,特征融合对于恢复图像完整内容、消除图像伪影方面起着至关重要的作用.传统的特征融合方法通过借助跳跃连接或注意力模块,首先将LDR图像的特征进行拼接,并通过堆叠的卷积操作逐渐关注不同的局部特征.然而,此类方案通常忽略了LDR图像序列之间丰富的上下文依赖关系,且未充分利用特征之间的纹理一致性.为解决这一问题,本文提出了一种全新的一致性感知特征融合(Coherence-Aware Feature Aggregation,CAFA)方案,该方案在卷积过程中对输入特征中位于不同空间位置但具有相同上下文信息的特征信息进行采样,从而显式地将上下文一致性纳入特征融合中.基于CAFA,本文进一步提出了一种结合CAFA的动态场景下一致性感知高动态范围成像网络CAHDRNet.为更好地嵌合CAFA方案,本文通过设计三个额外的可学习模块来构建CAHDRNet.首先,使用基于在ImageNet上预训练的VGG-19构建可学习特征提取器,并在模型训练期间不断更新该特征提取器的参数.这种设计可实现LDR图像的联合特征学习,为CAFA中的上下文一致性评估奠定了坚实基础.接着,应用所提出的CAFA模块,通过在图像特征中采样具有相同上下文的信息进行特征融合.最后,本文提出使用一种多尺度残差补全模块来处理融合后的特征,利用不同扩张率进行特征学习,以实现更强大的特征表示并在图像缺失区域中进行可信细节填充.同时,设计一个软注意力模块来学习不同图像区域的重要性,以便在跳跃连接期间获得与参考图像互补的所需特征.多种实验验证了CAHDRNet的有效性并证实其优于现有最先进的方法.具体而言,本文所提出的CAHDRNet在Kalantari数据集上HDR-VDP-2和PSNR-L等指标相较于次好方法AHDRNet分别提升了1.61和0.68.

关键词：高动态范围成像图像融合特征融合上下文一致性卷积采样

来源：评论

学校读者我要写书评

暂无评论

众源地理数据驱动的社区管辖范围生成

引用

地球信息科学学报 2024年第10期26卷 2407-2418页

作者：郑聪李丽勤赵婉王铭俞自生隋远王文超张钧波鲍捷郑宇西安电子科技大学网络与信息安全学院西安710126 京东城市(北京)数字科技有限公司北京100176 北京京东智能城市大数据研究院北京100176 北京市大数据中心北京101100

社区管辖范围在智慧社区场景中应用广泛,高时效性、可靠的社区管辖范围是提供高质量基层服务的基础。然而,目前社区管辖范围面的绘制仍然依赖于基层工作者的人工标注,具有采集门槛高、更新时效低等问题。运用社区下辖区域的空间关联点位... 详细信息

社区管辖范围在智慧社区场景中应用广泛,高时效性、可靠的社区管辖范围是提供高质量基层服务的基础。然而,目前社区管辖范围面的绘制仍然依赖于基层工作者的人工标注,具有采集门槛高、更新时效低等问题。运用社区下辖区域的空间关联点位,可实现针对复杂社区管辖范围的生成问题,本文提出了一种基于众源地理数据驱动和图神经网络建模的社区范围生成算法CB-GCN,以实现针对复杂关联点位分布及区域划分条件下的高质量、低成本社区管辖范围面生成。基于城市中的多级路网将城市划分为块面,并基于楼栋空间坐标将块面进一步细分为空间单元,再基于空间单元在众源兴趣面及路网块面中的共现关系构造空间关系图;然后,基于图卷积网络计算空间单元之间的近邻关系度,并据此加权聚合计算空间点位特征;最后根据聚合结果推断空间单元的社区归属,并得到最终的社区管辖范围。实验结果表明,CB-GCN生成社区管辖范围面的效果均优于基准方法,尤其在F1-score和IoU指标中较基准方法分别提升9.4%和14.4%。CB-GCN实现了社区面管辖范围生成的自动化,显著提升了社区管辖范围兴趣面生成的效率。

关键词：智慧城市社区范围推断众源地理数据图卷积网络图标签传播地理层级兴趣面生成

来源：评论

学校读者我要写书评

暂无评论

利用行车记录仪视频提取路面车道线

引用

测绘通报 2024年第12期 1-5页

作者：黄金彩李诗逸石岩中南大学大数据研究院湖南长沙410083 中南大学地球科学与信息物理学院湖南长沙410083

路面车道线是高精地图的关键组成部分,搭载在网约车上的海量行车记录仪视频是对道路信息的实时观测,是一种较为经济的车道线数据提取的重要数据源。本文基于海量的滴滴网约车行车记录仪视频,探讨了基于LaneNet深度网络模型的路面车道线... 详细信息

路面车道线是高精地图的关键组成部分,搭载在网约车上的海量行车记录仪视频是对道路信息的实时观测,是一种较为经济的车道线数据提取的重要数据源。本文基于海量的滴滴网约车行车记录仪视频,探讨了基于LaneNet深度网络模型的路面车道线数据提取方法的可行性。该方法首先利用LaneNet网络模型对每帧视频图像进行语义分割,进而通过预测透视变换矩阵,实现对车道线像素点位置的拟合提取,最后采用模拟数据和复杂场景下的滴滴行车记录仪数据进行试验结果评价。试验结果表明,本文采用模型在车载视频图像中具有较好的车道线提取性能。

关键词：车载视频高精地图车道线语义分割道路提取

来源：评论

学校读者我要写书评

暂无评论

基于零集中差分隐私的联邦学习激励方案

引用

通信学报 2025年第1期46卷 79-92页

作者：李梦倩田有亮张军鹏赵冬梅贵州大学公共大数据国家重点实验室贵州贵阳550025 贵州大学计算机科学与技术学院贵州贵阳550025 贵州大学大数据与信息工程学院贵州贵阳550025 河北师范大学河北省网络与信息安全重点实验室河北石家庄050024

针对联邦学习场景下客户端选择不公平及模型训练低效问题,提出了一种基于激励机制的隐私保护联邦学习框架(zCDP-FL)。该框架将第二价反向拍卖应用到客户端的选择策略,设计了激励机制算法(SRAI),最大化系统效益。此外,采用零集中差分隐私... 详细信息

针对联邦学习场景下客户端选择不公平及模型训练低效问题,提出了一种基于激励机制的隐私保护联邦学习框架(zCDP-FL)。该框架将第二价反向拍卖应用到客户端的选择策略,设计了激励机制算法(SRAI),最大化系统效益。此外,采用零集中差分隐私,提出了隐私预算动态分配算法,实现训练过程中噪声规模的动态调整,在严格隐私计算边界的情况下提供更强的隐私保护。理论分析与仿真实验证明,zCDP-FL能够有效防止隐私泄露,并提升了2.13%~3.62%模型训练效率。

关键词：联邦学习零集中差分隐私激励机制隐私预算动态分配

来源：评论

学校读者我要写书评

暂无评论

联邦加密流量分类中的细粒度防御方法

引用

西安电子科技大学学报 2024年第1期51卷 157-164页

作者：曾勇郭晓亚马佰和刘志宏马建峰西安电子科技大学网络与信息安全学院陕西西安710071 澳大利亚悉尼科技大学全球大数据技术中心悉尼2007

为了避免异常流量对联邦加密流量分类模型造成危害,研究者们提出了多种鲁棒算法和防御方案。已有方法通过移除异常模型的所有流量来提高鲁棒性。但这种清除节点所有流量的方法是一种粗粒度的防御方法。粗粒度的防御会造成正常流量损失... 详细信息

为了避免异常流量对联邦加密流量分类模型造成危害,研究者们提出了多种鲁棒算法和防御方案。已有方法通过移除异常模型的所有流量来提高鲁棒性。但这种清除节点所有流量的方法是一种粗粒度的防御方法。粗粒度的防御会造成正常流量损失和防御过当的问题。为避免上述问题,结合协作式联邦加密流量分类框架,提出清除异常流量的一种细粒度防御方法。该方法首先通过高效划分异常节点的本地数据集来缩小异常流量的搜索范围,实现细粒度定位异常节点的流量;然后在模型聚合时通过清除异常流量来降低正常流量损失,实现细粒度防御,解决防御过当问题。实验结果表明,与已有防御方案相比,提出的细粒度防御方法可以在不影响准确率的前提下,显著提高模型检测效率。所提出的细粒度防御方法检测准确率可以达到约91.4%,且检测效率与已有方法相比提高了约32.3%。

关键词：加密流量分类联邦学习异常检测细粒度防御

来源：评论

学校读者我要写书评

暂无评论

ASTNN:一种用于道路级稀疏交通流预测的注意力时空神经网络模型

引用

地球信息科学学报 2025年第3期27卷 682-697页

作者：赵今朝魏志成河北师范大学计算机与网络空间安全学院石家庄050024 河北省网络与信息安全重点实验室石家庄050024 供应链大数据分析与数据安全河北省工程研究中心石家庄050024

【目的】城市交通流量预测对智能交通系统至关重要。传统方法常将路网划分为栅格进行区域预测,但忽略了道路间的关联,导致预测结果无法准确反映交通流变化。基于道路段数据的方法虽能捕捉道路间的空间联系,却面临轨迹映射时数据冗余、... 详细信息

【目的】城市交通流量预测对智能交通系统至关重要。传统方法常将路网划分为栅格进行区域预测,但忽略了道路间的关联,导致预测结果无法准确反映交通流变化。基于道路段数据的方法虽能捕捉道路间的空间联系,却面临轨迹映射时数据冗余、轨迹错配和数据稀疏等问题。【方法】为了解决这些问题,本文提出了一种用于道路级稀疏交通流预测的注意力时空神经网络(ASTNN)模型。模型首先对轨迹数据做预处理和基于隐马尔可夫模型(HMM)的地图匹配,得到各道路段的交通流数据;并采用面向路网的自适应紧凑二维图像表示方法,将路网表示为以道路段为像素点的二维图像。在分析交通流时空特征的基础上,提出了两种新的注意力时空模块:注意力时空记忆块(ASTM block)和注意力时空聚焦块(ASTF block),分别用于时间相关性挖掘和空间稀疏特征提取。基于这2个模块,并融合外部信息,构造了ASTNN模型实现道路级交通流预测。【结果】本研究以成都出租车轨迹数据为研究对象,在成都市三环区域内的五级路网中,完成了轨迹数据的预处理和流量的映射,并对流量预测模型进行了验证。结果显示,本文所提出的数据处理方法可使轨迹与路网匹配时间降低73.6%。在与CNN、ConvLSTM、GRU、STNN等现有方法的对比实验中,本文方法在RMSE、MAE以及R^(2)等指标上均取得了最优的预测准确度。在此基础上,进一步验证了在ASTNN中引入温度信息对提高预测准确度的显著作用,为模型性能优化提供了新的思路。【结论】本研究提出的ASTNN模型为城市道路级稀疏交通流预测提供了可行的实施思路和技术路线。

关键词：道路级交通流预测轨迹匹配路网图像稀疏数据时空注意力多尺度卷积

来源：评论

学校读者我要写书评

暂无评论

面向APT攻击的溯源和推理研究综述

引用

软件学报 2025年第1期36卷 203-252页

作者：杨秀璋彭国军刘思德田杨李晨光傅建明武汉大学国家网络安全学院湖北武汉430072 空天信息安全与可信计算教育部重点实验室(武汉大学国家网络安全学院) 湖北武汉430072 贵州大学贵州省大数据产业发展应用研究院贵州贵阳550025

高级可持续性威胁(advanced persistent threat,APT)是一种新型网络攻击,具有极强的组织性、隐蔽性、持续性、对抗性和破坏性,给全球网络安全带来严重危害.传统APT攻击防御倾向于构建模型检测攻击的恶意性或识别家族类别,以被动防御为主... 详细信息

高级可持续性威胁(advanced persistent threat,APT)是一种新型网络攻击,具有极强的组织性、隐蔽性、持续性、对抗性和破坏性,给全球网络安全带来严重危害.传统APT攻击防御倾向于构建模型检测攻击的恶意性或识别家族类别,以被动防御为主,缺乏全面及深入地梳理APT攻击溯源和推理领域的工作.基于此,围绕APT攻击的溯源和推理的智能化方法开展综述性研究.首先,提出APT攻击防御链,有效地将APT攻击检测、溯源和推理进行区分和关联;其次,详细比较APT攻击检测4个任务的相关工作;然后,系统总结面向区域、组织、攻击者、地址和攻击模型的APT攻击溯源工作;再次,将APT攻击推理划分为攻击意图推理、攻击路径感知、攻击场景还原、攻击阻断和反制这4个方面,对相关研究进行详细总结和对比;最后,讨论APT攻击防御领域的热点主题、发展趋势和挑战.

关键词：高级可持续威胁网络安全攻击溯源攻击推理人工智能

来源：评论

学校读者我要写书评

暂无评论

基于区块链的高效无口令认证方案

引用

计算机研究与发展 2024年第10期61卷 2514-2525页

作者：柯宇泓林超黄欣沂伍玮陈雨婕福建师范大学计算机与网络空间安全学院福州350117 暨南大学网络空间安全学院广州510632 香港科技大学(广州)教育科学学院广州511455 福建大数据信息安全建设运营有限公司福州350101

数字化时代,数据已成为社会运转的核心资产,而身份认证凭证是其中最关键且敏感的数据要素之一.传统的口令认证方法需在服务器存储账号、口令等凭证信息,面临严重的数据泄露隐患.基于公钥密码体系的无口令认证技术通过公私钥对替代传统口... 详细信息

数字化时代,数据已成为社会运转的核心资产,而身份认证凭证是其中最关键且敏感的数据要素之一.传统的口令认证方法需在服务器存储账号、口令等凭证信息,面临严重的数据泄露隐患.基于公钥密码体系的无口令认证技术通过公私钥对替代传统口令,用户利用私钥计算认证信息的签名而实现认证,服务器仅存储公钥等公开信息,从而解决了服务器泄露私钥信息的问题.然而,现有无口令认证系统存在多平台认证不互通、在线认证延迟高、设备丢失私钥难恢复等痛点,且系统的透明度和审计能力有待提高.为解决这些问题,提出一种基于区块链的多平台兼容的高效无口令身份认证方案.将FIDO2无口令认证技术与区块链技术相结合,允许用户生成并上传多个账户公钥至区块链网络,供服务方公开验证,同时通过账户线下预注册、签名预计算、链上数据同步等优化手段,实现了可互通、低开销、大规模用户适用的身份认证.还设计了加密备份机制,即使用户设备遗失,也可利用保存的加密密钥恢复备份数据.此外,利用区块链提供不可篡改的数据存证,所有参与方均可查询认证授权状态,提高了系统透明度.最后,全面论述和评估了方案的安全性与系统性能,理论分析和实验结果表明,提出方案较同类型方案降低了89.09%的在线计算开销和85.57%的通信开销,且在高负载测试条件下仍能够保持低延迟的认证响应.

关键词：身份认证 FIDO2 区块链数字签名数据要素

来源：评论

学校读者我要写书评

暂无评论

犯罪数据可视化研究进展

引用

计算机辅助设计与图形学学报 2023年第7期35卷 979-989页

作者：丁伟杰梁荣华孙国道柴叶王勋郑滋椀浙江工业大学信息工程学院杭州310023 浙江警察学院大数据与网络安全研究院杭州310053 基于大数据架构的公安信息化应用公安部重点实验室杭州310053 浙江工业大学计算机科学与技术学院杭州310023 浙江警察学院计算机与信息安全系杭州310053

犯罪数据分析与挖掘已成为大数据时代犯罪学研究及现代社会治理的基础手段,犯罪数据挖掘在揭示犯罪模式、分析犯罪原因、评估犯罪防控效果等方面具有重要作用.首先,以犯罪模式发现与预测、警力资源配置与优化、案件侦查分析与研判3种业... 详细信息

犯罪数据分析与挖掘已成为大数据时代犯罪学研究及现代社会治理的基础手段,犯罪数据挖掘在揭示犯罪模式、分析犯罪原因、评估犯罪防控效果等方面具有重要作用.首先,以犯罪模式发现与预测、警力资源配置与优化、案件侦查分析与研判3种业务为导向,对犯罪数据可视分析任务进行归纳,系统地梳理了犯罪数据可视化领域的研究与应用现状;其次,针对犯罪时空数据、犯罪文本数据、犯罪网络关系数据等不同类型数据的可视化方式和技术手段,展开了系统性的分析;最后,总结和展望了犯罪数据可视化面临的挑战和发展方向.

关键词：犯罪数据可视化犯罪模式研究进展

来源：评论

学校读者我要写书评

暂无评论

基于统计原理的轻量级混合加权池化方法

引用

华中科技大学学报(自然科学版) 2025年

作者：杨美妮贲可荣王飞鹏何涛海军工程大学电子工程学院海军工程大学基础部九江学院计算机与大数据科学学院海军工程大学信息安全系

卷积神经网络常被用于各类图像处理任务，池化操作是该网络的重要组成部分之一。尽管池化操作在聚合图像的局部特征方面简单有效，但池化操作对网络训练过程中权重更新数量，以及面对对抗样本攻击时模型鲁棒性的影响尚未得到充分的研究... 详细信息

卷积神经网络常被用于各类图像处理任务，池化操作是该网络的重要组成部分之一。尽管池化操作在聚合图像的局部特征方面简单有效，但池化操作对网络训练过程中权重更新数量，以及面对对抗样本攻击时模型鲁棒性的影响尚未得到充分的研究。针对这一问题，依据统计学中正态分布的“3σ”原则，本文提出了一种轻量级混合加权的池化方法，在该方法中设计了邻近特征映射中值和混合最大特征的加权策略。实验结果表明，在几种典型的卷积神经网络上，对Cifar100和Cifar10数据的分类任务中，本文提出的池化方法在权重更新数量显著减少的情况下，相比于基准池化方法，其预测精度与对抗样本攻击下模型的鲁棒性都具有一定的优越性。

关键词：卷积神经网络池化权重更新鲁棒性对抗样本攻击

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：