检索结果-内蒙古大学图书馆

模式识别与人工智能 2025年第3期38卷 205-220页

作者：杨宏宇李星航成翔胡泽中国民航大学安全科学与工程学院天津300300 中国民航大学计算机科学与技术学院天津300300 扬州大学信息工程学院扬州225127

针对现有深度伪造人脸检测方法在模型复杂性、样本量需求和应对新型深度伪造技术上的局限,提出基于视觉-语言模型的小样本深度伪造人脸检测方法(Few-Shot Deepfake Face Detection Method Based on Visual-Language Model,FDFD-VLM).基... 详细信息

针对现有深度伪造人脸检测方法在模型复杂性、样本量需求和应对新型深度伪造技术上的局限,提出基于视觉-语言模型的小样本深度伪造人脸检测方法(Few-Shot Deepfake Face Detection Method Based on Visual-Language Model,FDFD-VLM).基于CLIP(Contrastive Language-Image Pre-training),通过人脸区域提取与高频特征增强模块优化视觉特征,采用无类名-差异化Prompt优化模块提升Prompt适应性,利用CLIP编码结果优化模块强化多模态特征表示,通过三元组损失函数增强模型区分能力.实验表明,FDFD-VLM在多个深度伪造人脸数据集上的准确率较高,能在较少的训练样本下实现高效的深度伪造人脸检测.

关键词：深度伪造检测视觉-语言模型提示工程小样本检测

来源：评论

学校读者我要写书评

暂无评论

基于图神经网络模型校准的成员推理攻击

引用

电子与信息学报 2025年第3期47卷 780-791页

作者：谢丽霞史镜琛杨宏宇胡泽成翔中国民航大学计算机科学与技术学院天津300300 中国民航大学安全科学与工程学院天津300300 扬州大学信息工程学院扬州225127

针对图神经网络(GNN)模型在其预测中常处于欠自信状态,导致该状态下实施成员推理攻击难度大且攻击漏报率高的问题,该文提出一种基于GNN模型校准的成员推理攻击方法。首先,设计一种基于因果推断的GNN模型校准方法,通过基于注意力机制的... 详细信息

针对图神经网络(GNN)模型在其预测中常处于欠自信状态,导致该状态下实施成员推理攻击难度大且攻击漏报率高的问题,该文提出一种基于GNN模型校准的成员推理攻击方法。首先,设计一种基于因果推断的GNN模型校准方法,通过基于注意力机制的因果图提取、因果图与非因果图解耦、后门路径调整策略和因果关联图生成过程,构建用于训练GNN模型的因果关联图。其次,使用与目标因果关联图在相同数据分布下的影子因果关联图构建影子GNN模型,模拟目标GNN模型的预测行为。最后,使用影子GNN模型的后验概率构建攻击数据集以训练攻击模型,根据目标GNN模型对目标节点的后验概率输出推断其是否属于目标GNN模型的训练数据。在4个数据集上的实验结果表明,该文方法在2种攻击模式下面对不同架构的GNN模型进行攻击时,攻击准确率最高为92.6%,性能指标优于基线攻击方法,可有效地实施成员推理攻击。

关键词：图神经网络成员推理攻击模型校准因果推断隐私风险

来源：评论

学校读者我要写书评

暂无评论

基于改进时空模型的终端区多航班航迹预测方法

引用

北京航空航天大学学报 2025年

作者：贺怀清史小爽刘浩翰惠康华中国民航大学计算机科学与技术学院

由于终端区历史航迹数据量较大、存在丰富的时空特征和航迹位置点数据突变等特点，使得在进行终端区4D航迹预测时充满不确定性和复杂性。为此，给出一种基于改进时空模型的解决方法。该模型包括三部分，首先，将时间卷积网络TCN和双向... 详细信息

由于终端区历史航迹数据量较大、存在丰富的时空特征和航迹位置点数据突变等特点，使得在进行终端区4D航迹预测时充满不确定性和复杂性。为此，给出一种基于改进时空模型的解决方法。该模型包括三部分，首先，将时间卷积网络TCN和双向门控循环单元BiGRU引入航迹预测领域，并对TCN进行改进，提出了含有双层多尺度时间卷积的MMTCN，分别从全局和局部两个方面提取时间特征；其次，将层归一化和残差引入图注意力网络GAT以捕捉航班之间的复杂空间依赖关系；最后，针对航迹位置点数据突变导致的数据不确定性问题，将得到的时空特征输入到条件变分自编码器CVAE中以学习航迹数据的潜在表示，最后生成多条预测轨迹。在训练过程中采用学习率调整策略，加速模型训练。实验结果表明，改进模型在ADE和FDE两个指标上均表现最优，其ADE和FDE分别为0.0826和0.1111，显著优于其他基准模型；并且在通用航空数据集上，所提模型误差最大降低了约9.59%（ADE）和7.75%（FDE），这说明该模型一方面能够更有效地提取时空特征，另一方面具有训练稳定性。

关键词：终端区航迹预测改进时空模型双层多尺度时间卷积不确定性

来源：评论

学校读者我要写书评

暂无评论

基于多尺度时频域学习的多元长时间序列预测

引用

西安电子科技大学学报 2025年第02期 128-142页

作者：衡红军李怡欣中国民航大学计算机科学与技术学院

针对现有多元长时间序列预测模型中存在的两个问题，一是仅利用单周期尺度时域信息无法捕捉序列的长期时间依赖关系，二是难以捕捉到有效的多元依赖关系。基于多层感知机，提出了一种基于多尺度时频域学习的多元长时间序列预测模型。模... 详细信息

针对现有多元长时间序列预测模型中存在的两个问题，一是仅利用单周期尺度时域信息无法捕捉序列的长期时间依赖关系，二是难以捕捉到有效的多元依赖关系。基于多层感知机，提出了一种基于多尺度时频域学习的多元长时间序列预测模型。模型首先基于傅里叶变换自适应寻找序列的不同周期作为多个尺度；然后针对每个尺度，通过序列分解，分别进行时域和频域两阶段的学习，获取序列的局部和全局时间依赖关系；随后再依据变量间的相关性分析结果，自适应建模多元序列的变量依赖关系；最后，对各尺度中不同的序列分解项应用不同的聚合方法，实现多尺度信息的互补融合。在七个真实数据集上的实验表明，该模型在超过90%的测试中位于最优或次优水平。与基于序列分解的线性模型DLinear相比，MSE实现了11%的平均降低和49.22%的最大降低，MAE实现了10%的平均降低和33.03%的最大降低。此外，模型在有效提升预测精度的同时，具有更高的运行效率。

关键词：预测时间序列时频域多尺度序列分解多层感知机

来源：评论

学校读者我要写书评

暂无评论

基于区块链的民航旅客隐私信息保护方案

引用

郑州大学学报（理学版） 2025年第2期57卷 69-77页

作者：李文轩曹卫东中国民航大学计算机科学与技术学院天津300300

目前的民航信息系统必须获取机票和旅客明文信息,才能进行出行验证,存在很高的旅客隐私信息泄露风险。针对此问题,提出一种基于区块链的民航旅客隐私信息保护方案。首先利用网络身份标识和数字证书技术实现区块链账户的实名制注册,确保... 详细信息

目前的民航信息系统必须获取机票和旅客明文信息,才能进行出行验证,存在很高的旅客隐私信息泄露风险。针对此问题,提出一种基于区块链的民航旅客隐私信息保护方案。首先利用网络身份标识和数字证书技术实现区块链账户的实名制注册,确保信息的真实性;其次采用零知识证明和环签名叠加构造安全的信息认证协议,实现旅客隐私信息完全匿名验证,确保真实信息匿名可验证性;进一步对存储在区块链上的敏感信息利用K-匿名技术脱敏,加强信息的安全存储。实验结果和性能分析表明,该方案能够提供安全有效的民航旅客隐私信息保护,且必要的信息验证总耗时满足效率需求。

关键词：民航旅客信息隐私信息保护区块链零知识证明 K-匿名技术

来源：评论

学校读者我要写书评

暂无评论

融合关联关系推理的机场道面地下病害检测算法

引用

计算机工程 2025年第2期51卷 397-406页

作者：李海丰刘森森王怀超李南莎张艺凡中国民航大学计算机科学与技术学院天津300300

为促进道面地下领域知识和目标检测算法的深度融合,缓解不同病害样本间的特征复杂性和相似性导致的特征畸变问题,提升病害的自动化检测效果,提出了融合关联关系推理的机场道面地下病害检测算法。首先,所提算法结合残差网络和多尺度特征... 详细信息

为促进道面地下领域知识和目标检测算法的深度融合,缓解不同病害样本间的特征复杂性和相似性导致的特征畸变问题,提升病害的自动化检测效果,提出了融合关联关系推理的机场道面地下病害检测算法。首先,所提算法结合残差网络和多尺度特征金字塔网络(FPN)提取目标特征信息;其次,通过挖掘机场道面地下病害关联关系矩阵,结合图推理设计地下病害关联关系推理模块,以区域生成网络(RPN)生成的特征向量作为输入特征,利用自我学习的变换矩阵设定图的传播权重,实现特征信息传播并构建有效的关联关系推理模块。实验结果证明,融合关联关系推理的机场道面地下病害检测算法可以有效地利用地下病害之间的关联关系,消除病害之间的相互干扰并且检测效果达到最优,检测的平均准确率达到87.38%。

关键词：机场道面地下病害领域知识目标检测关联关系推理

来源：评论

学校读者我要写书评

暂无评论

基于图像化方法的恶意软件检测与分类综述

引用

计算机学报 2025年第3期48卷 650-674页

作者：谢丽霞魏晨阳杨宏宇胡泽成翔张良中国民航大学计算机科学与技术学院天津300300 中国民航大学安全科学与工程学院天津300300 扬州大学信息工程学院江苏扬州225127 中国民航大学民航飞联网重点实验室天津300300 亚利桑那大学信息学院美国图森85721

恶意软件的检测与分类是一种发现并消除潜在威胁、识别恶意软件家族的有效方法,在个人隐私保护和系统安全维护等任务中起关键作用。传统检测分类方法在面对使用复杂混淆技术的恶意软件新变种时,存在检测准确率低、误报率高和计算成本高... 详细信息

恶意软件的检测与分类是一种发现并消除潜在威胁、识别恶意软件家族的有效方法,在个人隐私保护和系统安全维护等任务中起关键作用。传统检测分类方法在面对使用复杂混淆技术的恶意软件新变种时,存在检测准确率低、误报率高和计算成本高等问题。在此背景下,利用基于深度学习的图像化方法解决恶意软件检测分类问题逐渐成为研究热点。因此,为全面总结分析图像化方法在恶意软件检测分类领域的应用,本文首先概述了恶意软件的定义、发展历程以及常用的混淆规避技术,讨论了基于静态分析、动态分析以及机器学习的检测分类方法存在的局限性,尤其是在应对复杂混淆技术和未知变种方面存在的不足。然后,系统总结了近年来图像化检测方法的最新研究进展,全面评估该方法在检测不同类型、不同平台(Windows、Android、IoT)恶意软件时的应用效果,深入分析该方法在提升检测分类精度、对抗高级混淆技术以及处理恶意软件新变种时的优势。最后,本文介绍并分析了可用于评估实验模型性能的各类数据集,深入讨论了图像化检测分类方法当前面临的各种挑战,并对未来研究方向进行了展望。

关键词：恶意软件检测与分类混淆技术深度学习图像化方法数据集

来源：评论

学校读者我要写书评

暂无评论

基于角色的自适应参数共享方法

引用

模式识别与人工智能 2025年第3期38卷 193-204页

作者：方宝富王琼王浩王在俊合肥工业大学计算机与信息学院合肥230601 新疆农业大学计算机与信息工程学院乌鲁木齐830052 中国民用航空飞行学院民航飞行技术与飞行安全重点实验室广汉618307

在大规模异构多智能体强化学习中,参数共享常用于减少训练参数并加速训练过程,但传统完全参数共享方法容易导致智能体行为过度一致,而独立参数训练方法却受到计算复杂度和内存限制.因此,文中提出基于角色的自适应参数共享方法(Role-Base... 详细信息

在大规模异构多智能体强化学习中,参数共享常用于减少训练参数并加速训练过程,但传统完全参数共享方法容易导致智能体行为过度一致,而独立参数训练方法却受到计算复杂度和内存限制.因此,文中提出基于角色的自适应参数共享方法(Role-Based Adaptive Parameter Sharing Method,RAPS).首先,根据智能体的任务特性进行角色分组.然后,在同一网络结构下,结合非结构化网络剪枝技术,为不同角色的智能体生成稀疏化的子网络结构,并引入动态调整机制,根据任务需求自适应优化共享参数与独立参数的比例.此外,通过角色间的协作损失函数,进一步增强异构智能体间的协调能力,在有效降低计算复杂度的同时,保持异构智能体的行为差异性.实验表明,在不同多智能体任务上,RAPS都能提升多智能体系统的性能和可扩展性.

关键词：大规模异构多智能体强化学习参数共享非结构化网络剪枝角色分组

来源：评论

学校读者我要写书评

暂无评论

基于约束传递的深度主动时序聚类方法

引用

电子与信息学报 2025年第4期47卷 1172-1181页

作者：霍纬纲朱旭张盼中国民航大学计算机科学与技术学院天津300300

已有的深度主动聚类方法未能通过标注样本推理生成必须链接(ML)约束或不能链接(CL)约束,标注成本较高。为此该文提出一种基于约束传递的深度主动时序聚类方法。该方法设置了标注类簇集合(ACS)及相应的辅助标注集合(AAS)。通过预训练时... 详细信息

已有的深度主动聚类方法未能通过标注样本推理生成必须链接(ML)约束或不能链接(CL)约束,标注成本较高。为此该文提出一种基于约束传递的深度主动时序聚类方法。该方法设置了标注类簇集合(ACS)及相应的辅助标注集合(AAS)。通过预训练时序自编码器得到时序样本的表示向量。在深度聚类的每个训练轮次过程中,采样并标注表示空间中离类簇中心最近的样本存入ACS,使每个ACS内的样本属同一类别而ACS集合间的样本属于不同类别,然后从包含样本数最小的ACS集合中随机选取时序样本,采样并标注与该样本不属于同一类簇且距其所在类簇中心最近的时序样本存入AAS,使ACS与相应的AAS中的样本为不同类别,由ACS及对应的AAS中的样本推理生成ML和CL约束。由基于t-分布的类簇分布与其生成的辅助分布间的KL散度以及使满足ML及CL约束的时序样本在表示空间距离分别变小和变大的约束损失更新时序自编码器中编码网络参数和聚类中心。在18个公开数据集上的实验结果表明,该方法聚类效果在较低标注预算下平均RI值比已有的典型基线模型均提升5%以上。

关键词：深度时序聚类主动学习约束传递

来源：评论

学校读者我要写书评

暂无评论

基于字符表示学习与时序边界扩散的网络安全实体识别方法

引用

电子与信息学报 2025年 1-15页

作者：胡泽李文君杨宏宇中国民航大学安全科学与工程学院天津300300 中国民航大学计算机科学与技术学院天津300300

网络安全实体识别作为威胁信息抽取、构建知识图谱的基础，对于发现和应对网络威胁具有至关重要的作用。该文针对当前主流的命名实体识别方法在网络安全领域泛化能力欠佳、难以清晰判断网络安全实体边界的问题，提出一种基于字符表示学... 详细信息

网络安全实体识别作为威胁信息抽取、构建知识图谱的基础，对于发现和应对网络威胁具有至关重要的作用。该文针对当前主流的命名实体识别方法在网络安全领域泛化能力欠佳、难以清晰判断网络安全实体边界的问题，提出一种基于字符表示学习与时序边界扩散的网络安全实体识别方法。该方法首先将命名实体识别任务分解为实体边界检测与实体分类两个子任务，分别进行处理;其次，对于实体边界检测任务，使用基于问答的方法将预定义的问题与数据进行编码，采用膨胀卷积残差字符网络进行数据的字符级特征提取，并使用时序边界扩散网络判断实体边界;然后，对于实体分类任务，同样使用问答方法，并独立训练分类器进行实体类型判断;最后将实体边界检测任务的结果输入实体分类任务判断实体的类型。为验证方法有效性，在网络威胁情报数据集DNRTI上进行测试。实验结果表明，边界检测效率的提升能够有效增强命名实体识别的性能。该方法在网络安全实体识别任务中不仅资源开销较小，且对比近年提出的基线方法性能有所提升，其中较最近两年的方法在F1分数上提升了0.40%～1.65%。

关键词：命名实体识别网络安全边界检测深度学习自然语言处理

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：