检索结果-内蒙古大学图书馆

现代计算机 2022年第6期28卷 11-17页

作者：祝卫军黎琳北京交通大学计算机与信息技术学院北京100044

网络安全法的颁布和信息安全等级保护2.0标准的实施对网络安全领域提出了更高的要求,这就促使现有的防护理念需要向主动防御、动态防御进行转变,使用网络安全态势感知技术对信息系统进行防护。贝叶斯优化考虑上文寻优信息,不断更新先验... 详细信息

网络安全法的颁布和信息安全等级保护2.0标准的实施对网络安全领域提出了更高的要求,这就促使现有的防护理念需要向主动防御、动态防御进行转变,使用网络安全态势感知技术对信息系统进行防护。贝叶斯优化考虑上文寻优信息,不断更新先验,具有迭代次数少、速度快的优点,CatBoost模型具有防止过拟合和自动特征值处理等优点。因此针对CatBoost模型使用贝叶斯优化的方法进行参数优化,将优化后的模型应用于网络威胁的态势评估当中。在KDD99和CICIDS2017数据集上进行实验验证,通过与常用分类算法进行对比,各项评估指标均优于其他算法,验证基于贝叶斯优化的CatBoost模型在安全态势评估当中的可行性。

关键词：网络安全态势评估贝叶斯优化 CatBoost模型

来源：评论

学校读者我要写书评

暂无评论

基于多任务学习的电子病历实体识别方法

引用

计算机与现代化 2022年第9期 40-50页

作者：于鹏陈钰枫徐金安张玉洁北京交通大学计算机与信息技术学院北京100044

中文电子病历NER是医疗信息抽取的难点。本文提出一种多任务学习的实体识别方法,联合实体识别和分词训练模型,使用基于Bi-LSTM的私有层提取专有信息,融合注意力网络作为共享层并增加通用特征增强机制来筛选全局信息,降低过拟合风险并增... 详细信息

中文电子病历NER是医疗信息抽取的难点。本文提出一种多任务学习的实体识别方法,联合实体识别和分词训练模型,使用基于Bi-LSTM的私有层提取专有信息,融合注意力网络作为共享层并增加通用特征增强机制来筛选全局信息,降低过拟合风险并增强模型的泛化能力。此外提出均衡样本过采样方法扩充数据集,有效解决实体类别不平衡所带来的问题。使用CCKS2017/CCKS2020电子病历实体识别语料和Medicine医药分词语料联合训练,实验结果显示本文提出的模型整体性能提升明显,同时也显著提高了Medicine语料的分词实验效果,F1值较基线提升了3个百分点。实验表明本文提出的模型能够有效改善因电子病历中数据不规范、无结构或专有名词等原因造成的实体切分错误等问题。

关键词：深度学习命名实体识别多任务学习神经网络注意力机制

来源：评论

学校读者我要写书评

暂无评论

Tor隐藏服务DoS攻击方法研究

引用

网络安全与数据治理 2022年第7期41卷 63-69页

作者：杨欢乐刘志天北京交通大学计算机与信息技术学院北京100044

Tor隐藏服务能保护服务提供方身份地址位置隐私。在分析Tor隐藏服务协议的基础上,提出了针对隐藏服务进行DoS攻击的策略。针对Tor隐藏服务发布、链路建立以及数据传输的不同阶段对隐藏服务目录、引入节点、隐藏服务守卫节点以及隐藏服... 详细信息

Tor隐藏服务能保护服务提供方身份地址位置隐私。在分析Tor隐藏服务协议的基础上,提出了针对隐藏服务进行DoS攻击的策略。针对Tor隐藏服务发布、链路建立以及数据传输的不同阶段对隐藏服务目录、引入节点、隐藏服务守卫节点以及隐藏服务器等隐藏服务相关的网络节点实施基于带宽和内存的DoS攻击,达到降低隐藏服务可用性的目的。通过仿真实验进行了攻击验证,实验结果表明,对守卫节点的DoS攻击具有较好的攻击效果,采用带宽级别DoS攻击,自定义构建20个长路径能够消耗守卫节点大约1.2 MB/s的带宽资源,令普通用户获取隐藏服务的延迟时间中位数从9 s上升到30 s。采用内存级别的DoS攻击策略,敌手每构建一个内存级别的停止读攻击连接消耗大约60 KB/s的带宽资源就能以6 MB/s的速率消耗守卫节点内存。

关键词： Tor DoS攻击守卫节点隐藏服务

来源：评论

学校读者我要写书评

暂无评论

基于图的汉语字级别依存分析联合模型

引用

情报工程 2022年第3期8卷 68-80页

作者：汪凯梁宇腾张玉洁徐金安陈钰枫北京交通大学计算机与信息技术学院北京100044

[目的/意义]汉语分词、词性标注和依存句法分析作为汉语自然语言处理的三大基本任务发挥着至关重要的作用。基于转移的三个任务联合模型曾经取得最好精度,但是随着神经网络和计算能力的发展,具有全局信息建模能力的图模型,在单任务和两... 详细信息

[目的/意义]汉语分词、词性标注和依存句法分析作为汉语自然语言处理的三大基本任务发挥着至关重要的作用。基于转移的三个任务联合模型曾经取得最好精度,但是随着神经网络和计算能力的发展,具有全局信息建模能力的图模型,在单任务和两个任务上已经超过转移模型。如何在基于图模型下联合三个任务,进一步提升精度成为新的挑战。[方法/过程]本文提出一种基于图的汉语分词、词性标注和依存句法分析的联合模型,通过设计统一的字级别标签实现三个任务的联合,并采用预训练语言模型融合上下文信息的字表示方法和基于双仿射注意力机制的评分函数。本文也设计了联合模型的解法算法用于三个任务的解码。[结果/结论]实验结果表明,本文词性标注任务的引入方式可以建模词性与分词以及词性与依存句法分析之间的关系,从而带来其他两个任务上精度的提升。与目前精度最好的Yan[1]工作相比,在三个任务上都取得最好精度。

关键词：依存分析联合模型词性标注汉语分词

来源：评论

学校读者我要写书评

暂无评论

联邦学习隐私保护机制综述

引用

现代计算机 2022年第14期28卷 1-12页

作者：王浩竣梁亚楠黎琳李锐北京交通大学计算机与信息技术学院北京100091

随着数据孤岛的出现和隐私意识的增强,传统的中心化的机器学习模式遇到了一系列挑战。联邦学习作为一种新兴的隐私保护的分布式机器学习模型迅速成为一个热门的研究问题。有研究表明,机器学习模型的梯度会泄露用户数据集的隐私,能够被... 详细信息

随着数据孤岛的出现和隐私意识的增强,传统的中心化的机器学习模式遇到了一系列挑战。联邦学习作为一种新兴的隐私保护的分布式机器学习模型迅速成为一个热门的研究问题。有研究表明,机器学习模型的梯度会泄露用户数据集的隐私,能够被攻击者利用以获取非法的利益,因此,需要采用一些隐私保护的机制来保护这种敏感信息。本文研究了当前联邦学习系统中采用的隐私保护机制,并根据研究者采用的隐私保护技术,将联邦学习中的隐私保护机制分为五类,总结了不同的隐私保护机制的研究思路和研究进展。通过对当前联邦学习中使用的隐私保护机制的研究,联邦学习系统的设计人员可以提高联邦学习系统的安全性,更好地保护数据隐私。

关键词：联邦学习隐私保护密码学

来源：评论

学校读者我要写书评

暂无评论

Hyperledger Fabric共识机制优化方案

引用

自动化学报 2021年第8期47卷 1885-1898页

作者：孟吴同张大伟智能交通数据安全与隐私保护技术北京市重点实验室北京100044 北京交通大学计算机与信息技术学院北京100044

针对Hyperledger Fabric使用固定背书节点处理交易所带来的安全风险和性能瓶颈问题,提出了一种非交互、可验证的随机化背书节点优化方案.基于“背书−排序−验证”的Hyperledger fabric共识模型,引入背书节点候选集,使用可验证随机函数随... 详细信息

针对Hyperledger Fabric使用固定背书节点处理交易所带来的安全风险和性能瓶颈问题,提出了一种非交互、可验证的随机化背书节点优化方案.基于“背书−排序−验证”的Hyperledger fabric共识模型,引入背书节点候选集,使用可验证随机函数随机抽取背书节点进行交易背书,实现了背书节点的非交互式可验证随机选取和背书过程的并行处理.分析和实验表明,优化后的共识机制具有更高的安全性和更快的交易处理速度.

关键词：区块链共识机制可验证随机函数 Hyperledger fabric

来源：评论

学校读者我要写书评

暂无评论

联邦学习赋能6G网络综述

引用

物联网学报 2023年第2期7卷 50-66页

作者：耿光磊高博熊轲樊平毅陆杨王煜炜北京交通大学计算机与信息技术学院北京100044 北京交通大学高速铁路网络管理教育部工程研究中心北京100044 清华大学北京信息科学与技术国家研究中心北京100084 中国科学院计算技术研究所北京100190

基于内生人工智能(AI,artificial intelligence)在大规模复杂异构网络中实现万物智联是6G的重要特征之一。联邦学习(FL,federated learning)因其数据处理本地化这一特有的机器学习架构,被认为是在6G场景中实现分布式泛在智联的重要途径... 详细信息

基于内生人工智能(AI,artificial intelligence)在大规模复杂异构网络中实现万物智联是6G的重要特征之一。联邦学习(FL,federated learning)因其数据处理本地化这一特有的机器学习架构,被认为是在6G场景中实现分布式泛在智联的重要途径,已成为6G的重要研究方向。为此,首先分析了在未来6G,特别是物联网(IoT,internet of things)场景中引入分布式AI的必要性,以此为基础论述了FL在满足相关6G指标要求的潜力,并从架构设计、资源利用、数据传输、隐私保护、服务提供角度综述了FL如何赋能6G网络,最后给出了FL赋能6G研究存在的一些关键挑战和未来有价值的研究方向。

关键词： 6G网络物联网人工智能联邦学习

来源：评论

学校读者我要写书评

暂无评论

大数据风险性预测方法在地质灾害评估工作中的应用

引用

中国科技成果 2023年第1期24卷 28-30页

作者：李雅元张东明北京交通大学计算机与信息技术学院北京100044 重庆大学资源与安全学院重庆400030

重庆市骡坪镇斜坡和两坪乡斜坡多为碎块石和土质边坡,极易发生滑坡灾害,有部分区域已出现局部滑移和边坡滑塌.为了更好地预防滑坡灾害的发生,我们结合现场地质资料,构建了灾害评价体系,编制了滑坡风险性预测与评价软件.该软件可实现滑... 详细信息

重庆市骡坪镇斜坡和两坪乡斜坡多为碎块石和土质边坡,极易发生滑坡灾害,有部分区域已出现局部滑移和边坡滑塌.为了更好地预防滑坡灾害的发生,我们结合现场地质资料,构建了灾害评价体系,编制了滑坡风险性预测与评价软件.该软件可实现滑坡概率计算并绘制影响因素图,计算结果有利于滑坡的预防工作,影响因素图也可作为滑坡治理的参考,这对于灾害的防治有着重要意义.此外,案例分析的结果也验证了软件的准确性,表明该软件可运用于同种类型的滑坡预测与评价,对相关的研究工作有着参考价值;构建出的算法体系也为灾害评价提供了新的思路.

关键词：滑坡风险评价影响因子风险预测

来源：评论

学校读者我要写书评

暂无评论

结合高低频分解和多尺度两级融合策略的单一深度图去噪方法

引用

北京交通大学学报 2022年第5期46卷 30-41页

作者：赵利军王可张晋京白慧慧赵耀太原科技大学电子信息工程学院太原030024 中北大学大数据学院太原030051 北京交通大学计算机与信息技术学院北京100044

现有的很多基于神经网络的深度图去噪方法忽略了深度图结构信息和细节信息之间的差异性,导致这些方法往往无法准确地恢复深度图的几何结构信息.为此,提出一种结合图像高低频分解和多尺度两级融合策略的单一深度图去噪方法.首先,考虑到... 详细信息

现有的很多基于神经网络的深度图去噪方法忽略了深度图结构信息和细节信息之间的差异性,导致这些方法往往无法准确地恢复深度图的几何结构信息.为此,提出一种结合图像高低频分解和多尺度两级融合策略的单一深度图去噪方法.首先,考虑到不同噪声的差异性,引入多尺度高斯滤波器将含噪声的深度图分解为一组低频结构分量和一组高频细节分量.其次,考虑到低频结构信息和高频细节信息的互补特性,将这两组分量分别输入到基于多尺度两级融合的低频特征提取网络和高频特征提取网络,并且提出在这两个网络之间使用互补的特征加权融合机制进行多级特征融合和反馈.最后,对高低频特征提取网络输出的高低频增强特征,使用高低频合并重建模块进行残差预测,再将其与输入图相融合得到高质量的深度图.实验结果表明,在峰值信噪比、均方根误差、结构相似性和综合性能对比方面,本文方法比多个主流的深度图去噪方法如ARCNN、Fast ARCNN、DnCNN、ADNet和FFDNet拥有更好的性能.

关键词：深度图去噪图像分解多尺度融合深度神经网络

来源：评论

学校读者我要写书评

暂无评论

基于度量的小样本分类方法研究综述

引用

模式识别与人工智能 2021年第10期34卷 909-923页

作者：刘鑫周凯锐何玉琳景丽萍于剑北京交通大学交通数据分析与挖掘北京市重点实验室北京100044 北京交通大学计算机与信息技术学院北京100044 北京新纽科技有限公司北京100083

小样本学习旨在让机器像人类一样通过对少量样本的学习达到对事物认知和概括的能力.基于度量的小样本学习方法希望学习一个低维嵌入空间,直接对比查询集合和支持类之间的相似性,分类测试样本.文中针对基于度量的小样本学习方法,尝试从... 详细信息

小样本学习旨在让机器像人类一样通过对少量样本的学习达到对事物认知和概括的能力.基于度量的小样本学习方法希望学习一个低维嵌入空间,直接对比查询集合和支持类之间的相似性,分类测试样本.文中针对基于度量的小样本学习方法,尝试从这类方法需要解决的关键问题、类表示学习和相似性度量入手,梳理相关文献.与已有相关综述不同,文中只针对基于度量的小样本学习方法进行更详尽全面的分类,而且从关键问题角度进行分类.最后总结目前代表性工作在常用的图像分类任务数据集上的实验结果,分析现有方法存在的问题,并展望未来工作.

关键词：小样本学习基于度量的小样本学习类表示相似性学习图像分类

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：