检索结果-内蒙古大学图书馆

通信学报 2021年第6期42卷 195-212页

作者：李尤慧子殷昱煜高洪皓金一王新珩杭州电子科技大学计算机学院浙江杭州310018 上海大学计算机工程与科学学院上海200444 韩国嘉泉大学计算机工程系城南市461701 北京交通大学计算机与信息技术学院北京100044 西交利物浦大学电气与电子工程系江苏苏州215123

海量数据价值虽高但与用户隐私关联也十分密切,以高效安全地共享多方数据且避免隐私泄露为目标,介绍了非聚合式数据共享领域的研究发展。首先,简述安全多方计算及其相关技术,包括同态加密、不经意传输、秘密共享等;其次,分析联邦学习架... 详细信息

海量数据价值虽高但与用户隐私关联也十分密切,以高效安全地共享多方数据且避免隐私泄露为目标,介绍了非聚合式数据共享领域的研究发展。首先,简述安全多方计算及其相关技术,包括同态加密、不经意传输、秘密共享等;其次,分析联邦学习架构,从源数据节点和通信传输优化方面探讨现有研究;最后,整理对比面向隐私保护的非聚合式数据共享框架,为后续研究方案构建和运行提供支撑。此外,总结提出非聚合式数据共享领域的挑战和潜在的研究方向,如复杂多参与方场景、优化开销平衡、相关安全隐患等。

关键词：隐私保护数据共享联邦学习安全多方计算

来源：评论

学校读者我要写书评

暂无评论

战术通信网中EIGRP路由协议的应用研究

引用

计算机工程 2020年第11期46卷 214-222,230页

作者：韩婷婷刘强孙延涛郭首江北京交通大学计算机与信息技术学院北京100044

为了提升战场环境下的通信质量,根据战术通信网的异构网络特点,将EIGRP路由协议与战术通信网相结合,依据典型战术建制总结归纳战术通信网的体系结构并构建战术通信网层级结构中的节点逻辑模型,在此基础上,提出一种战术通信网中的EIGRP... 详细信息

为了提升战场环境下的通信质量,根据战术通信网的异构网络特点,将EIGRP路由协议与战术通信网相结合,依据典型战术建制总结归纳战术通信网的体系结构并构建战术通信网层级结构中的节点逻辑模型,在此基础上,提出一种战术通信网中的EIGRP路由协议参数配置基本原则。基于OPNET仿真工具进行实验对比,结果表明,相比OSPF路由协议,EIGRP路由协议在战术通信网中的网络恢复时间更短,路由峰值更低,且不同的参数配置可以产生符合不同需求的选路结果。

关键词： EIGRP路由协议战术通信网 OPNET仿真工具路径计算节点逻辑模型

来源：评论

学校读者我要写书评

暂无评论

基于内存访问轨迹的程序脆弱性检测

引用

北京交通大学学报 2020年第5期44卷 55-62页

作者：彭双和韩静北京交通大学计算机与信息技术学院北京100044

针对可执行程序中难以发现的内存脆弱性,提出了一种基于内存访问轨迹的程序脆弱性检测方法.应用有限状态机模型,将内存访问的轨迹看作各状态之间的转化,基于其中不合法的转化定义了几种内存脆弱性及约束条件:内存泄漏、未初始化读、双... 详细信息

针对可执行程序中难以发现的内存脆弱性,提出了一种基于内存访问轨迹的程序脆弱性检测方法.应用有限状态机模型,将内存访问的轨迹看作各状态之间的转化,基于其中不合法的转化定义了几种内存脆弱性及约束条件:内存泄漏、未初始化读、双重释放、释放后读写、死写以及重复频繁读.借助二进制插桩工具Intel-Pin获取可执行程序的内存访问轨迹,结合自定义的内存脆弱性约束,通过约束求解器混合求解,从而确定程序的内存脆弱性类别和位置.结果表明:本文方法可以检测出一些可执行程序中普遍存在的内存脆弱性以及低效代码,同时也能检测出近几年曝出的危害极大的内存漏洞及其变种.

关键词：网络空间安全内存脆弱性内存轨迹约束求解

来源：评论

学校读者我要写书评

暂无评论

基于多视角学习和注意力的特征选择算法

引用

北京交通大学学报 2020年第5期44卷 70-76页

作者：庞华鑫韦世奎马俊才赵玉凤赵耀北京交通大学计算机与信息技术学院北京100044

从海量且包含噪声的数据中挑选出关键性的特征,即特征选择,一直是机器学习任务中的重要挑战.鉴于此,提出了基于多视角表征学习和注意力机制的特征选择方法.首先,该算法通过多实例生成器为每个样本生成实例包,同时采用特殊的填补方式来... 详细信息

从海量且包含噪声的数据中挑选出关键性的特征,即特征选择,一直是机器学习任务中的重要挑战.鉴于此,提出了基于多视角表征学习和注意力机制的特征选择方法.首先,该算法通过多实例生成器为每个样本生成实例包,同时采用特殊的填补方式来保证特征位置不变性.其次,多视角表征模块从多个视角挖掘特征的自身信息及交互信息,并利用注意力机制模块为这些表征计算贡献度权重,最后,分类网络利用权重化表征进行分类.实验结果表明:该模型可以为每个标签挑选出最具代表性的特征群,并在不同类型数据集上取得了性能提升.

关键词：信号与信息处理注意力机制多视角表征特征选择

来源：评论

学校读者我要写书评

暂无评论

QL-OLSR:一种基于Q-Learning思想优化的移动自组织网络路由协议

引用

北京交通大学学报 2020年第2期44卷 66-73页

作者：熊轲金鑫刘强北京交通大学计算机与信息技术学院北京100044

现有的OLSR中能够完成对全网路由信息的交互,但是随着节点的移动速度增加,网络拓扑也在快速动态变化,从而导致了路由信息更新慢,网络性能下降,端到端时延大、包丢失率增加和节点吞吐量小等问题.针对上述问题,提出了一种基于Q-Learning... 详细信息

现有的OLSR中能够完成对全网路由信息的交互,但是随着节点的移动速度增加,网络拓扑也在快速动态变化,从而导致了路由信息更新慢,网络性能下降,端到端时延大、包丢失率增加和节点吞吐量小等问题.针对上述问题,提出了一种基于Q-Learning思想的移动自组网OLSR路由策略,该路由策略从节点移动性、链路速率和节点跳数三方面进行考虑.与传统方法相比,QLearning能够在线学习,适应MANET高度动态变化的拓扑结构,检测不同时间点的节点移动程度,使每个节点能相应的更新路由度量,从而提高路由协议的稳定性,提供可靠的路由路径.实验结果表明,改进的方法具有更低的端到端延迟、更小的包丢失率以及更高的吞吐量.

关键词： Q-Learning思想 OLSR 路由策略节点移动性路由路径

来源：评论

学校读者我要写书评

暂无评论

基于改进CBAM多分支平滑空洞卷积的入侵检测算法

中国科技论文在线精品论文

引用

中国科技论文在线精品论文 2023年第2期16卷 209-222页

作者：孙志超杜晔黎妹红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交通大学计算机与信息技术学院北京100044

针对现有入侵检测算法模型存在表征能力弱、预测准确率低和漏报率高的问题,本文提出基于改进卷积注意力模块的多分支平滑空洞卷积神经网络(multi-branch smoothed dilation convolutional neural network based on improved convolution... 详细信息

针对现有入侵检测算法模型存在表征能力弱、预测准确率低和漏报率高的问题,本文提出基于改进卷积注意力模块的多分支平滑空洞卷积神经网络(multi-branch smoothed dilation convolutional neural network based on improved convolutional block attention module,MSDCNN-ICBAM)算法模型。该模型首先使用加权随机采样解决数据集不平衡问题,然后设计扁平式的多分支平滑空洞卷积神经网络(MSDCNN)在多感受野下提取多尺度特征以解决网络退化问题,最后提出改进卷积注意力模块(ICBAM)在通道和空间双维度上指导特征表达以解决卷积操作无法感知特征重要性问题。与其他入侵检测模型在UNSW-NB15数据集上的对比实验表明,该模型准确率提高了3.04%,漏报率降低了5.77%,检测率可达90.98%。

关键词：计算机科学技术基础学科入侵检测算法平滑空洞卷积卷积注意力模块加权随机采样

来源：评论

学校读者我要写书评

暂无评论

小学生羞怯特质预测及语言风格模型构建

引用

心理学报 2021年第2期53卷 155-169页

作者：骆方姜力铭田雪涛肖梦格马彦珍张生北京师范大学心理学部北京100875 北京交通大学计算机与信息技术学院北京100044 中国基础教育质量监测协同创新中心北京100875

收集在线教学平台上1306名小学生的作文、日记及评论,采用自然语言处理技术进行文本分析,并应用机器学习模型实现对羞怯特质的自动预测,构建小学生羞怯行为、认知和情绪的语言风格模型。研究发现:(1)扩充的心理词典适合分析小学生文本;... 详细信息

收集在线教学平台上1306名小学生的作文、日记及评论,采用自然语言处理技术进行文本分析,并应用机器学习模型实现对羞怯特质的自动预测,构建小学生羞怯行为、认知和情绪的语言风格模型。研究发现:(1)扩充的心理词典适合分析小学生文本;(2)分别存在羞怯行为、认知和情绪问题的学生其日常用语既有共性也有特性,且与普通学生存在差异;(3)羞怯各维度在不同分类器上达到较好的预测效果,其中随机森林模型的整体表现相对最好。

关键词：羞怯在线写作心理词典文本挖掘语言风格模型

来源：评论

学校读者我要写书评

暂无评论

机器学习在无人农场中的应用现状与展望

引用

科学与财富 2022年第33期14卷 115-117页

作者：廖清垚北京交通大学计算机与信息技术学院人工智能专业北京海淀 100044

随着机器学习在生物信息、面部识别等领域的成功应用,它也推动了机器学习在无人农场的发展.首先,本文描述了无人驾驶农场和机器学习农场的基本概念.与此同时,机器学习的应用也在农业和畜牧业中得到了分析.在农业中,机器学习在识别杂草... 详细信息

随着机器学习在生物信息、面部识别等领域的成功应用,它也推动了机器学习在无人农场的发展.首先,本文描述了无人驾驶农场和机器学习农场的基本概念.与此同时,机器学习的应用也在农业和畜牧业中得到了分析.在农业中,机器学习在识别杂草、检测作物害虫和预测作物产量方面的应用得到了描述.同时本文也介绍了机器学习的不足,如难以提取和标记培训样本,嵌入式芯片的性能缺陷,以及缺乏专业知识.若计划建立一个数据库,预测动物健康的发展和动物专家系统的实时监测环境状况,还应加强嵌入式机器学习的研究.本文概述了无人驾驶农场的应用现状、机器学习存在的问题和前景,希望为今后的研究提供参考.

关键词：机器学习无人农场作物管理畜牧养殖精准识别生产预测

来源：评论

学校读者我要写书评

暂无评论

基于CenterNet的轻量级扬尘污染源检测方法

引用

软件导刊 2025年第1期24卷 123-128页

作者：蒋方冰周围田灵娣郑娜北京交通大学交通大数据与人工智能教育部重点实验室北京交通大学计算机与信息技术学院北京100044 河北先河环保科技股份有限公司河北石家庄050035

近年来,人工智能、图像识别技术在扬尘污染源的监测和管理上发挥着越来越重要的作用。为实现轻量化高精度的扬尘污染源检测,提出一种基于CenterNet的轻量级扬尘污染源目标检测方法。首先,为解决图像中部分目标漏检问题,提出基于一次性... 详细信息

近年来,人工智能、图像识别技术在扬尘污染源的监测和管理上发挥着越来越重要的作用。为实现轻量化高精度的扬尘污染源检测,提出一种基于CenterNet的轻量级扬尘污染源目标检测方法。首先,为解决图像中部分目标漏检问题,提出基于一次性聚集扩张的扬尘污染源检测方法,使用一次性聚集扩张模块替代常规卷积,在扩大感受野的同时获得包含不同接受域的特征,降低了检测的平均漏检率;其次,针对监测网络的轻量化需求,引入MobileNet并加入集中特征金字塔实现特征融合,由此提出基于集中特征金字塔的轻量级污染源检测方法 mCFP-CenterNet;最后,构建一个扬尘污染源图像数据集,并在该数据集和PASCAL VOC 2007数据集上进行实验。结果表明,该方法在推理时间、计算量、参数量、平均漏检率等评价指标上与其他方法相比效果更好,可满足轻量级和高精度的应用需求。

关键词：目标检测 CenterNet 扬尘污染源特征融合轻量化模型

来源：评论

学校读者我要写书评

暂无评论

计算合数阶群中低重量离散对数的低存储算法

引用

密码学报 2021年第3期8卷 444-451页

作者：朱玉清刘吉强北京交通大学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

设合数阶有限循环群G=G 1×G 2,其中2^(n−1)<|G|≤2 n,p是|G 1|的最大素因子.对于Hamming重量为δn的离散对数问题,其中δ∈(0,1),May和Ozerov给出了时间复杂度为˜O(√p+√|G2|^(H(δ)))、空间复杂度为˜O(√|G2|^(H(δ)))的一般... 详细信息

设合数阶有限循环群G=G 1×G 2,其中2^(n−1)<|G|≤2 n,p是|G 1|的最大素因子.对于Hamming重量为δn的离散对数问题,其中δ∈(0,1),May和Ozerov给出了时间复杂度为˜O(√p+√|G2|^(H(δ)))、空间复杂度为˜O(√|G2|^(H(δ)))的一般性算法.为了降低空间复杂度,本文给出了计算合数阶群中低Hamming重量离散对数的低存储算法.基于启发式假设,该算法的时间复杂度为˜O(√p+√|G2|^(2H(δ)−H(ϕ(δ))))、空间复杂度为O(1).进一步,我们给出算法的并行版本.当我们将空间复杂度提高至˜O(|G2|^(H(δ)−H(ϕ(δ))))时,时间复杂度可以降低至˜O(√p+√|G2|^(H(δ))),和May-Ozerov算法一致,但空间复杂度更低.

关键词：离散对数问题低Hamming重量一般性算法

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：