检索结果-内蒙古大学图书馆

情报理论与实践 2024年第10期47卷 173-182页

作者：吕璐成周健赵展一赵亚娟刘细文中国科学院文献情报中心北京100190 中国科学院大学经济与管理学院信息资源管理系北京100190 中国科学院计算技术研究所北京100190

[目的/意义]利用科技文献进行技术监测预警是科技情报工作的重要内容。目前,采用自然语言处理技术从科技文献中抽取的技术元素存在数量多、不易展示的问题,因此设计了一种融合“科学—技术—舆情”数据特征的技术筛选方法来实现科技文... 详细信息

[目的/意义]利用科技文献进行技术监测预警是科技情报工作的重要内容。目前,采用自然语言处理技术从科技文献中抽取的技术元素存在数量多、不易展示的问题,因此设计了一种融合“科学—技术—舆情”数据特征的技术筛选方法来实现科技文献技术挖掘结果的筛选。[方法/过程]以技术术语表示技术,基于词法结构分析和修饰符匹配方法构建技术术语层次结构体系,利用表征技术基础研究热度的论文数据、表征技术研发热度的专利数据、表征技术市场关注度的舆情数据,构建重要性、成长性、新颖性和持久性4类特征,采用机器学习方法训练和确定技术筛选模型。[结果/结论]通过与人工筛选结果对比发现,本方法能够更有效地筛选技术。在各种模型中,同时采用3类数据和4类特征构建的技术筛选模型效果最优,该方法可以为开展技术识别预测工作,研发技术挖掘工具提供依据。[局限]该方法仅在技术术语层次结构的第一层进行了效果验证,其领域适用性与数据类型方面还有待进一步研究。

关键词：技术筛选技术挖掘多源数据融合文本挖掘机器学习技术识别与预测

来源：评论

学校读者我要写书评

暂无评论

基于数据包头序列的物联网恶意流量检测

引用

高技术通讯 2024年第8期34卷 798-806页

作者：卫重波谢高岗刁祖龙张广兴中国科学院计算技术研究所北京100190 中国科学院大学北京100190 中国科学院计算机网络信息中心北京100190 紫金山实验室南京211111

现有的基于机器学习(ML)的恶意流量检测方法,通常以高维的流量特征作为输入,并采用复杂模型,在实践中产生高误报率且资源占用较高。更重要的是,加密协议的广泛使用,使得数据包有效载荷特征很难被访问。幸运的是,物联网(IoT)设备的网络... 详细信息

现有的基于机器学习(ML)的恶意流量检测方法,通常以高维的流量特征作为输入,并采用复杂模型,在实践中产生高误报率且资源占用较高。更重要的是,加密协议的广泛使用,使得数据包有效载荷特征很难被访问。幸运的是,物联网(IoT)设备的网络行为通常是有规律和周期性的,该特征反映在通信数据包序列上,每个数据包一定程度上描述了一次网络事件。基于此,本文提出了基于数据包头序列的恶意流量检测方法。它将流量序列转换为网络事件序列,并计算一组特征(即序列性、频率性、周期性和爆发性)来描述网络行为。实验环境包含一组真实的物联网设备,并将提出的方法部署在树莓派模拟的网关上。实验结果表明,与最新的检测方法相比,本文提出的方法能够在复杂网络环境下保持高准确性和低误报率,并提升了处理速率。

关键词：机器学习(ML) 恶意流量检测网络行为物联网(IoT)安全数据包头序列

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的不良应用域名早期识别方法

引用

高技术通讯 2024年第2期34卷 151-161页

作者：胡安磊田语陈勇李振宇谢高岗中国科学院计算技术研究所北京100190 中国互联网络信息中心北京100190 中国科学院计算机网络信息中心北京100083 中国科学院大学北京100049

不良应用网站依赖域名系统(DNS)实现不良内容传播,严重影响互联网的健康发展。尽早识别出不良应用网站对应的域名(即不良应用域名),并进行相应治理,对域名系统的管理与运行至关重要。本文从国家顶级域名(.CN)管理的角度出发,关注如何在... 详细信息

不良应用网站依赖域名系统(DNS)实现不良内容传播,严重影响互联网的健康发展。尽早识别出不良应用网站对应的域名(即不良应用域名),并进行相应治理,对域名系统的管理与运行至关重要。本文从国家顶级域名(.CN)管理的角度出发,关注如何在注册阶段识别不良应用域名。分析发现不良应用域名在注册特征与文本结构2个维度,与正常域名存在显著差异。为此,提出了一种基于深度学习的不良应用域名早期识别方法。该方法首先提取域名的注册信息特征,并利用预训练语言模型基于Transformer的双向编码器(BERT)提取域名本身的文本语义特征,其次基于注意力机制融合2类特征,并最终使用全连接神经网络,构建域名分类器,实现不良应用域名的早期识别。基于真实网络数据的实验结果表明,所提方法分类准确率(F1分数)可达到0.99;消融实验结果也验证了所选特征的有效性和必要性。

关键词：域名系统(DNS) 域名分类深度学习预训练语言模型

来源：评论

学校读者我要写书评

暂无评论

基于Rank一致性与假设检验方法的专利语义相似度测度效果评价方法及其应用

引用

数据分析与知识发现 2025年

作者：周健吕璐成李佳政赵亚娟中国科学院计算技术研究所中国科学院大学计算机科学与技术学院中国科学院文献情报中心中国科学院大学经济与管理学院信息资源管理系

【目的】构建专利语义相似度测度效果量化评价方法，实现多种专利语义相似度测度方法的客观评价。【方法】基于同一分类层级下专利语义相似度更高的思想，兼顾时间与技术领域因素自动构造测度效果评价数据集，设计Rank一致性指标指标和... 详细信息

【目的】构建专利语义相似度测度效果量化评价方法，实现多种专利语义相似度测度方法的客观评价。【方法】基于同一分类层级下专利语义相似度更高的思想，兼顾时间与技术领域因素自动构造测度效果评价数据集，设计Rank一致性指标指标和假设检验方法来构建针对不同向量化模型的专利语义相似度测度效果评价方法，并构建中文和英文专利数据集进行评价方法的实证。【结果】本文选择基于L1距离的Rank一致性指标与U检验进行了实证研究，基于不同向量化模型的Rank一致性指标的非正态性验证了采用U检验的合理性。分别对于中英文专利数据，选择三类模型实证评价出了最优中文专利语义相似度测度模型（Bert）和最优英文专利语义相似度测度模型（Llama 2）。【局限】评价方法虽然在统计学上具有较好的可解释性，但缺乏基于金标准对评价方法的验证。【结论】本方法能够客观评价多种向量化模型的语义相似度测度效果，能够为专利分析工作选取专利语义相似度计算方法提供参考依据。

关键词：文本向量化专利语义相似度测度语言模型统计假设检验对比研究

来源：评论

学校读者我要写书评

暂无评论

基于自集成视觉Transformer的图像检索

引用

武汉大学学报（工学版） 2024年第12期57卷 1795-1802页

作者：黄溪王先兵林海何涛武汉大学国家网络安全学院空天信息安全与可信计算教育部重点实验室湖北武汉430072 中国科学院计算技术研究所北京100190

视觉Transformer在图像分类任务方面表现出色。相较于卷积神经网络,其结构中的自注意力机制能够有效消除图像中噪声的影响,提取出图像关键特征信息表达。鉴于图像检索任务需要从图像中获取高质量的特征描述向量以提高检索的准确率,提出... 详细信息

视觉Transformer在图像分类任务方面表现出色。相较于卷积神经网络,其结构中的自注意力机制能够有效消除图像中噪声的影响,提取出图像关键特征信息表达。鉴于图像检索任务需要从图像中获取高质量的特征描述向量以提高检索的准确率,提出了一种以视觉Transformer模型为骨干网络的特征提取框架,针对视觉Transformer中的多层自注意力结构,通过自集成的方式融合多个自注意力层的特征输出作为最终图像特征,以提升模型的检索效果。在热门的公开数据集In-shop Clothes Retrieval和Stanford Online Product上进行了实验,结果表明所提方法能够有效提升视觉Transformer提取特征的检索效果,并且优于其他6种先进的图像检索方法。

关键词：视觉Transformer 图像检索自集成自注意力排序损失

来源：评论

学校读者我要写书评

暂无评论

提高存算一体化系统性能的静态计算划分方法

引用

北京航空航天大学学报 2024年

作者：薛洪宇徐晟罗乐闫亮邹兴奇安徽师范大学计算机与信息学院合肥综合性国家科学中心人工智能研究院中国科学院计算技术研究所中国科学院大学北京

存算一体化系统中引入了存内计算单元，改变了冯·诺依曼结构中“存算分离”的执行模式，是一种缓解甚至打破存储墙的有效解决手段。尽管存算一体化系统潜力巨大，却和现有“存算分离”的软件体系严重不匹配，其性能和能效严重受制... 详细信息

存算一体化系统中引入了存内计算单元，改变了冯·诺依曼结构中“存算分离”的执行模式，是一种缓解甚至打破存储墙的有效解决手段。尽管存算一体化系统潜力巨大，却和现有“存算分离”的软件体系严重不匹配，其性能和能效严重受制于程序的计算划分。极端情况下，甚至会导致系统性能与能效的负优化。针对这一问题，提出了一种存算一体化系统中的静态计算划分方法。该方法将存算一体化系统中程序的执行过程抽象为基于注释调用图的表征模型，从而将计算划分问题转化注释调用图的最小割问题，并提出了一种基于模拟退火的启发式计算划分求解算法。实验结果表明，相较传统方法，所提方法的计算划分结果可平均提升39%系统性能，降低32%系统能耗。

关键词：存算一体化计算划分最小割模拟退火异构系统

来源：评论

学校读者我要写书评

暂无评论

面向AUC优化的高效对抗训练

引用

计算机学报 2025年

作者：包世龙许倩倩杨智勇华聪韩博宇操晓春黄庆明中国科学院大学计算机科学与技术学院中国科学院计算技术研究所智能信息处理重点实验室中山大学网络空间安全学院

鉴于ROC曲线下面积 (Area Under the ROC Curve，简称AUC) 对数据分布的不敏感特性，面向AUC的对抗训练(AdAUC) 近来已成为机器学习领域中抵御长尾分布下对抗攻击的有效范式之一。当前主流方法大多遵循基于平方替代损失的AUC对抗训练... 详细信息

鉴于ROC曲线下面积 (Area Under the ROC Curve，简称AUC) 对数据分布的不敏感特性，面向AUC的对抗训练(AdAUC) 近来已成为机器学习领域中抵御长尾分布下对抗攻击的有效范式之一。当前主流方法大多遵循基于平方替代损失的AUC对抗训练框架，并将成对比较形式的AUC对抗损失重构为一个逐样本的随机鞍点优化问题，克服端到端的计算瓶颈。然而，面向复杂的实际应用场景，基于平方损失设计的AUC对抗训练框架恐难以适应多样的下游任务需求。此外，与传统对抗训练范式类似，面向AUC的对抗训练方法在提高模型对抗鲁棒性的同时，也会降低模型在正常样本上的AUC性能，而目前鲜有针对该问题的有效解决方案。鉴于此，本文对如何构建一般化的高效AUC对抗机器学习范式展开系统研究。首先，提出了一种基于标准化分数扰动的通用AUC对抗训练框架 (NSAdAUC)，在相对温和的条件下，该框架可通过直接扰动模型对样本的预测得分实现对AUC指标的攻击，且不依赖于特定的AUC替代损失。在此基础上，本文进一步指出鲁棒AUC误差可分解为标准AUC误差和边界AUC误差两项之和，并据此设计了一种基于排序感知对抗正则化的AUC对抗训练框架 (RARAdAUC)，同时兼顾模型的标准AUC和鲁棒AUC性能。为验证所提框架的有效性，在5个长尾基准数据集上进行了大量实验，结果表明所提NSAdAUC 和RARAdAUC 框架在多种对抗攻击下的鲁棒性均优于现有方法，可在平均意义上分别产生0.94% 、5.52%的标准AUC和5.69%、5.41%的鲁棒AUC性能提升。

关键词： AUC优化对抗训练对抗鲁棒性长尾学习机器学习

来源：评论

学校读者我要写书评

暂无评论

威胁情报提取与知识图谱构建技术研究

引用

西安电子科技大学学报 2023年第4期50卷 65-75页

作者：史慧洋魏靖烜蔡兴业王鹤高随祥张玉清中国科学院大学计算机科学与技术学院北京101408 中国科学院大学国家计算机网络入侵防范中心北京101408 中国科学院大学沈阳计算技术研究所辽宁沈阳110168 西安电子科技大学网络与信息安全学院陕西西安710071 中国科学院大学数学科学学院北京101408 中关村实验室北京100094

目前,攻击者使用的基础设施能适应更多的目标环境,成功侵入目标后,使用合法的用户凭证取得信任,并通过不断学习利用新的漏洞达到攻击目的。为了对抗攻击,提高威胁情报的使用价值,提出由情报搜集、信息抽取、本体构建和知识推理构建威胁... 详细信息

目前,攻击者使用的基础设施能适应更多的目标环境,成功侵入目标后,使用合法的用户凭证取得信任,并通过不断学习利用新的漏洞达到攻击目的。为了对抗攻击,提高威胁情报的使用价值,提出由情报搜集、信息抽取、本体构建和知识推理构建威胁情报的知识图谱框架,该框架可实现情报中重要指标的搜索和相互关联。然后基于Bert+BiSLTM+CRF的失陷指标,识别抽取方法,加以正则匹配机制进行输出限制,用于从文本信息中识别抽取失陷指标信息,并进行结构化威胁信息表达标准格式转换。经过横向和纵向对比,该抽取模型在文本信息抽取中的精度和召回率较高。最后,以APT1为例,构建出威胁情报实体关系图,结合对抗战术和技术知识库框架将攻击行为转换为结构化格式,建立本体与原子本体知识图谱;通过知识图谱关联分析数据之间潜在的关联,发现具有相似性和相关性的威胁情报潜在的关联信息和攻击主体,进行威胁情报的关联分析,为制定防御策略提供依据。

关键词：威胁情报神经网络本体失陷指标抽取对抗战术和技术知识库存知识图谱

来源：评论

学校读者我要写书评

暂无评论

基于改进YOLO v4和ICNet的番茄串检测模型

引用

农业机械学报 2023年第10期54卷 216-224,254页

作者：刘建航何鉴恒陈海华王晓政翟海滨中国石油大学(华东)海洋与空间信息学院青岛266555 中国科学院计算技术研究所北京100094 国家计算机网络应急技术处理协调中心北京100029

针对深层神经网络模型部署到番茄串采摘机器人,存在运行速度慢,对目标识别率低,定位不准确等问题,本文提出并验证了一种高效的番茄串检测模型。模型由目标检测与语义分割两部分组成。目标检测负责提取番茄串所在的矩形区域,利用语义分... 详细信息

针对深层神经网络模型部署到番茄串采摘机器人,存在运行速度慢,对目标识别率低,定位不准确等问题,本文提出并验证了一种高效的番茄串检测模型。模型由目标检测与语义分割两部分组成。目标检测负责提取番茄串所在的矩形区域,利用语义分割算法在感兴趣区域内获取番茄茎位置。在番茄检测模块,设计了一种基于深度卷积结构的主干网络,在实现模型参数稀疏性的同时提高目标的识别精度,采用K-means++聚类算法获得先验框,并改进了DIoU距离计算公式,进而获得更为紧凑的轻量级检测模型(DC-YOLO v4)。在番茄茎语义分割模块(ICNet)中以MobileNetv2为主干网络,减少参数计算量,提高模型运算速度。将采摘模型部署在番茄串采摘机器人上进行验证。采用自制番茄数据集进行测试,结果表明,DC-YOLO v4对番茄及番茄串的平均检测精度为99.31%,比YOLO v4提高2.04个百分点。语义分割模块的mIoU为81.63%,mPA为91.87%,比传统ICNet的mIoU提高2.19个百分点,mPA提高1.47个百分点。对番茄串的准确采摘率为84.8%,完成一次采摘作业耗时约6 s。

关键词：番茄串采摘机器人深度学习 YOLO v4 ICNet 采摘模型

来源：评论

学校读者我要写书评

暂无评论

一种基于区块链的DNSSEC公钥验证机制

引用

自动化学报 2023年第4期49卷 731-743页

作者：陈闻宇李晓东杨学徐彦之中国科学院计算技术研究所北京100190 中国科学院大学北京100049 中国互联网络信息中心北京100190 广东粤港澳大湾区国家纳米科技创新研究院广州510770

针对中心化域名安全扩展(Domain name system security extensions,DNSSEC)架构所导致的信任链复杂性和单边控制模式,提出了一种去中心化的DNSSEC公钥验证机制.该机制结合区块链结构、密码学累加器和共识算法设计,创新性地实现使用区块... 详细信息

针对中心化域名安全扩展(Domain name system security extensions,DNSSEC)架构所导致的信任链复杂性和单边控制模式,提出了一种去中心化的DNSSEC公钥验证机制.该机制结合区块链结构、密码学累加器和共识算法设计,创新性地实现使用区块链技术的密钥绑定、轮转和验证操作,无需中心化权威节点即可使用可信公钥验证域名记录.进一步分析和实验表明,所提出的机制在保证密钥管理安全性的同时,提高了密钥验证的效率.

关键词：域名安全扩展公钥基础设施区块链密码学累加器

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：