检索结果-内蒙古大学图书馆

信息网络安全公安部重点实验室暨网络事件预警与防控技术国家工程实验室(公安部第三研究所)2018年度开放课题指南

信息网络安全 2018年第3期 5-5页

一实验室简介信息网络安全公安部重点实验室(公安部第(研究所),以下简称"实验室",以信息网络安全技术为主要研究领域,以电子数据取证、网络犯罪侦查、信息系统安全管理为三个主要研究方向,以应用综合研究为特色,以信息网络安... 详细信息

一实验室简介信息网络安全公安部重点实验室(公安部第(研究所),以下简称"实验室",以信息网络安全技术为主要研究领域,以电子数据取证、网络犯罪侦查、信息系统安全管理为三个主要研究方向,以应用综合研究为特色,以信息网络安全科学的重大理论问题、科技前沿问题和公安部重大需求为主要研究内容,以获取原始创新成果和自主知识产权为主要研究目标,实行"开放、联合、流动、竞争"的运行机制,为科学研究提供良好的科研环境和实验条件。网络事件预警与防控技术国家工程实验室主要针对数字化、网络化违法犯罪活动发现、预警、处置、取证较难等问题,围绕防范打击涉网犯罪信息精确感知、深度溯源和快速处置的迫切需求,建设网络事件监测预警与防控应用研究平台,支撑开展网络事件监测预警、在线活动追踪溯源、电子数据取证勘验等技术、装备的研发和工程化。

关键词：公安部网络事件事件预警网络安全国家工程实验室防控技术

来源：评论

学校读者我要写书评

暂无评论

信息网络安全公安部重点实验室暨网络事件预警与防控技术国家工程实验室(公安部第三研究所)2019年度开放课题指南

引用

信息网络安全 2019年第3期 6-6页

一实验室简介信息网络安全公安部重点实验室(公安部第三研究所),以下简称"实验室",以信息网络安全技术为主要研究领域,以电子数据取证、网络犯罪侦查、信息系统安全管理为三个主要研究方向,以应用综合研究为特色,以信息网络... 详细信息

一实验室简介信息网络安全公安部重点实验室(公安部第三研究所),以下简称"实验室",以信息网络安全技术为主要研究领域,以电子数据取证、网络犯罪侦查、信息系统安全管理为三个主要研究方向,以应用综合研究为特色,以信息网络安全科学的重大理论问题、科技前沿问题和公安部重大需求为主要研究内容,以获取原始创新成果和自主知识产权为主要研究目标,实行"开放、联合、流动、竞争"的运行机

关键词：公安部网络安全重点实验室研究所

来源：评论

学校读者我要写书评

暂无评论

信息网络安全公安部重点实验室2022年度开放课题指南

引用

信息网络安全 2022年第9期22卷 6页

一、实验室简介信息网络安全公安部重点实验室是以信息网络安全技术为主要研究领域,以电子数据取证、网络犯罪侦查、信息系统安全管理为三个主要研究方向,以应用综合研究为特色,以信息网络安全科学的重大理论问题、科技前沿问题和公安...

一、实验室简介信息网络安全公安部重点实验室是以信息网络安全技术为主要研究领域,以电子数据取证、网络犯罪侦查、信息系统安全管理为三个主要研究方向,以应用综合研究为特色,以信息网络安全科学的重大理论问题、科技前沿问题和公安部重大需求为主要研究内容,以获取原始创新成果和自主知识产权为主要研究目标,实行“开放、联合、流动、竞争”的运行机制,为科学研究提供良好的科研环境和实验条件。

关键词：

来源：评论

学校读者我要写书评

暂无评论

融合LBP与并行注意力机制的微表情识别方法

引用

北京航空航天大学学报 2025年第4期51卷 1404-1414页

作者：李帅超李明泽孙嘉傲卢树华中国人民公安大学信息网络安全学院北京102600 公安部安全防范技术与风险评估重点实验室北京102600

针对面部微表情变化强度弱、背景噪声干扰及特征区分度较小等问题,提出了一种融合LBP与并行注意力机制的微表情识别网络。该网络将RGB图像输入密集连接改进的Shuffle Stage分支提取面部全局特征,增强上下文语义信息关联;将LBP图像输入... 详细信息

针对面部微表情变化强度弱、背景噪声干扰及特征区分度较小等问题,提出了一种融合LBP与并行注意力机制的微表情识别网络。该网络将RGB图像输入密集连接改进的Shuffle Stage分支提取面部全局特征,增强上下文语义信息关联;将LBP图像输入多尺度分层卷积神经网络构成的局部纹理特征分支,提取细节信息;双分支特征提取后,在网络后端引入并行注意力机制提高特征融合能力,抑制背景干扰,专注微表情特征兴趣区域;所提方法在CASME、CASME II和SMIC等3个公开数据集上进行了测试,识别准确率分别达到了85.18%、74.53%和81.19%;实验结果表明,所提方法有效提高了微表情识别准确率,优于当前诸多先进方法。

关键词：微表情识别密集连接 Shuffle Stage分支多尺度分层卷积并行注意力机制

来源：评论

学校读者我要写书评

暂无评论

基于SDNE嵌入表达的深度学习跨网络身份关联方法

引用

计算机科学与探索 2025年第2期19卷 417-428页

作者：程佳琳袁得嵛孙泽宇陈梓彦中国人民公安大学信息网络安全学院北京100038 安全防范技术与风险评估公安部重点实验室北京102623

挖掘海量虚拟身份之间的关联关系,确定不同虚拟身份的同一性对于用户精准推荐、异常用户检测、舆情管控等具有重要意义。为了判别多个不同虚拟网络身份是否为同一个人所拥有,提出了一种基于SDNE嵌入表达的深度学习算法(eSUIL)来解决跨... 详细信息

挖掘海量虚拟身份之间的关联关系,确定不同虚拟身份的同一性对于用户精准推荐、异常用户检测、舆情管控等具有重要意义。为了判别多个不同虚拟网络身份是否为同一个人所拥有,提出了一种基于SDNE嵌入表达的深度学习算法(eSUIL)来解决跨网络用户身份关联的问题,并构建了一个跨网络用户身份关联统一框架。对社交网络中的用户关系进行扩展,借鉴SDNE模型的思想对不同网络中的用户节点进行嵌入学习,将用户节点映射到低维向量空间中。使用深度神经网络构造映射函数得到用户节点的准确表达。计算用户节点间的相似度以进行用户对齐,从而实现跨社交网络的用户身份关联。为了提高身份关联的准确性,还引入用户名信息作为辅助判断。在真实社交网络数据集和人工合成网络数据集上分别进行实验验证,实验结果表明,对比基线算法PALE、CLF以及Deep-link,在准确率和F1值上均提高了8个百分点以上,表明提出的eSUIL算法在身份关联方面具有优异的性能,能够准确关联不同网络中的同一用户身份。

关键词：网络嵌入社交网络深度学习身份关联

来源：评论

学校读者我要写书评

暂无评论

基于大语言模型的CIL-LLM类别增量学习框架

引用

计算机科学与探索 2025年第2期19卷 374-384页

作者：王晓宇李欣胡勉宁薛迪中国人民公安大学信息网络安全学院北京100038 安全防范技术与风险评估公安部重点实验室北京100026

在文本分类领域,为了提升类别增量学习模型的分类准确率并避免灾难性遗忘问题,提出了一种基于大语言模型(LLM)的类别增量学习框架(CIL-LLM)。CIL-LLM框架通过抽样和压缩环节选取具有代表性的样本,利用较强语言理解能力的LLM基于上下文... 详细信息

在文本分类领域,为了提升类别增量学习模型的分类准确率并避免灾难性遗忘问题,提出了一种基于大语言模型(LLM)的类别增量学习框架(CIL-LLM)。CIL-LLM框架通过抽样和压缩环节选取具有代表性的样本,利用较强语言理解能力的LLM基于上下文学习提炼关键技能,以这些技能作为分类的依据,从而降低了存储成本;采用关键词匹配环节选取最优技能,以此构建提示词,引导下游弱LLM进行分类,提高了分类的准确性;根据基于知识蒸馏的技能融合环节,不仅实现了技能库的有效拓展和更新,还兼顾了新旧类别特性的学习。对比实验结果表明,在THUCNews数据集上的测试中,与现有的L-SCL方法相比,CIL-LLM框架在所有任务上的平均准确率提升了6.3个百分点,性能下降率降低了3.1个百分点。此外,在消融实验中,经由CIL-LLM框架增强的SLEICL模型相比于原有模型,所有任务的平均准确率提高了10.4个百分点,性能下降率降低了3.3个百分点。消融实验进一步验证了提出的样本压缩、关键词匹配和技能融合环节均对模型的准确率和性能下降率产生了优化效果。

关键词：类别增量学习大语言模型(LLM) 主题分类知识蒸馏

来源：评论

学校读者我要写书评

暂无评论

基于模态对齐与音视频极性向量辅助的多模态情感分析

引用

计算机科学与探索 2025年

作者：李泽龙刘成恺生春雷卢树华中国人民公安大学信息网络安全学院公安部安全防范技术与风险评估重点实验室

针对3种模态特征融合不充分与音视频情感极性表达较弱的问题，提出一种基于模态对齐与音视频极性向量辅助的多模态情感分析方法(Modality Alignment and audio-visual Polarity Vector Auxiliary， MA-PVA)。首先，设计了模态对齐层，... 详细信息

针对3种模态特征融合不充分与音视频情感极性表达较弱的问题，提出一种基于模态对齐与音视频极性向量辅助的多模态情感分析方法(Modality Alignment and audio-visual Polarity Vector Auxiliary， MA-PVA)。首先，设计了模态对齐层，利用跨模态注意力机制，对音视频特征中与文本无关的情感信息进行过滤，减少不同模态间特征表达差异，将筛选结果用于增强文本模态，使文本与音视频模态特征充分融合。然后，设计了音视频极性向量辅助任务，用于增强音视频情感极性。上述结构与预训练语言模型进行交互，能够得到更丰富的文本模态特征，以提升最终情感预测效果。所提方法在公开基准数据集CMU-MOSI与CMU-MOSEI上进行了大量实验，结果显示与最优基线方法相比，在CMU-MOSI数据集上二分类准确率分别为88.1%/89.9%，提升了0.6/0.3个百分点，七分类准确率为52.2%，提升了4.8个百分点；在CMU-MOSEI数据集上，二分类准确率分别为85.9%/87.5%，提升了1.2/0.4个百分点，七分类准确率为54.7%，提升了0.2个百分点；表明所提方法超越当前诸多性能先进的方法，有效地提高了情感分类的准确度。

关键词：多模态情感分析预训练语言模型 Transformer模型跨模态注意力

来源：评论

学校读者我要写书评

暂无评论

基于强化学习的超高层建筑非法入侵情景推演方法

引用

智能系统学报 2025年

作者：胡今鸣胡啸峰石磊石拓滕腾中国人民公安大学信息网络安全学院中国人民公安大学首都社会安全研究基地公安部安全技术与风险评估重点实验室中国传媒大学媒体融合与传播国家重点实验室北京警察学院公安管理系

为计算超高层建筑潜在非法入侵者的“最优”入侵路径，本文提出了一种基于强化学习的情景推演方法。该方法将建筑公共走廊抽象为拓扑结构，利用贝叶斯网络计算入侵者通过每个拓扑节点的概率，结合强化学习算法获得外部人员的最优入侵路... 详细信息

为计算超高层建筑潜在非法入侵者的“最优”入侵路径，本文提出了一种基于强化学习的情景推演方法。该方法将建筑公共走廊抽象为拓扑结构，利用贝叶斯网络计算入侵者通过每个拓扑节点的概率，结合强化学习算法获得外部人员的最优入侵路径，为超高层建筑非法入侵的高效防范提供精准依据。为验证方法的有效性，以北京市CBD地区某超高层建筑为例，将入侵终点设置为顶层，设计了三种不同的入侵情景。情景推演结果表明：在初始状态下（未进行任何优化措施），SARSA模型的训练性能最佳。优化安防系统后发现，在建筑内的层间节点增加安防系统投入最有效。该优化情景下，安防系统投入与风险值的非线性拟合结果显示，随着安防系统投入的增加，入侵风险显著降低。

关键词：非法入侵情景推演超高层建筑强化学习贝叶斯网络安防系统 SARSA模型非线性回归

来源：评论

学校读者我要写书评

暂无评论

支持完整性检测的安全日志

引用

清华大学学报（自然科学版） 2016年第3期56卷 237-245页

作者：王永剑金波董健公安部第三研究所信息网络安全公安部重点实验室上海201204

随着大数据处理系统日趋复杂,软件错误、软件兼容性、管理失误甚至恶意入侵等导致的拜占庭故障对系统可用性影响日趋严重。拜占庭故障节点可能采用含糊行为欺骗正确节点,因此检测节点是否存在含糊行为是兼顾安全性和效率的一种有效手段... 详细信息

随着大数据处理系统日趋复杂,软件错误、软件兼容性、管理失误甚至恶意入侵等导致的拜占庭故障对系统可用性影响日趋严重。拜占庭故障节点可能采用含糊行为欺骗正确节点,因此检测节点是否存在含糊行为是兼顾安全性和效率的一种有效手段。该文提出了一种支持完整性检测的安全日志Log-Keeper,通过创建完整性证据支持存在性和一致性检测,证明状态的完整性。为了支持分布式环境下的频繁检测,基于IndexTree实现了Log-Keeper,支持O（lbn）规模证据。测试表明,Log-Keeper创建的证据规模是AASL（authenticated append-only skip list）的25%~50%。

关键词：拜占庭故障检测完整性检测篡改可察

来源：评论

学校读者我要写书评

暂无评论

基于NTRU格的云数据可撤销属性基加密方案

引用

东南大学学报（自然科学版） 2020年第6期50卷 1052-1061页

作者：江健豪蒋睿裴蓓吴松洋东南大学网络空间与安全学院南京210096 信息网络安全公安部重点实验室上海200031

针对现有基于离散对数求解难题的云数据加密方案无法抵御量子计算攻击并同时实现安全有效的属性撤销问题,提出一种基于NTRU格的云数据可撤销密文策略属性基加密方案RNL-ABE.首先将基于NTRU格的加密算法与属性基加密结合以抵御量子计算攻... 详细信息

针对现有基于离散对数求解难题的云数据加密方案无法抵御量子计算攻击并同时实现安全有效的属性撤销问题,提出一种基于NTRU格的云数据可撤销密文策略属性基加密方案RNL-ABE.首先将基于NTRU格的加密算法与属性基加密结合以抵御量子计算攻击,实现细粒度访问控制和安全属性撤销,避免重新进行密钥分发;改进密钥结构,防止系统中的合法用户、撤销用户、外部攻击者之间实施共谋攻击.最后基于环上误差学习难题(R-LWE),对RNL-ABE方案进行了形式化证明,并与同类型方案进行了仿真性能比较.结果表明:RNL-ABE方案在选择属性集模型下能够抵御量子计算攻击并实现安全的属性撤销;相比其他同类型方案,所提出方案在效率上更具有优势,计算和通信开销均减少50%以上.

关键词：属性基加密抗量子计算攻击 NTRU格环上误差学习属性撤销

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：