检索结果-内蒙古大学图书馆

信息安全学报 2025年第1期10卷 176-193页

作者：孙德刚刘美辰李梅梅王旭石志鑫刘鹏程李楠中国科学院大学网络空间安全学院北京100049 中国科学院信息工程研究所北京100093 北京交通大学计算机与信息技术学院北京100044

内部威胁攻击是由可信的内部人员发起的,相比较外部威胁更具有透明性、隐蔽性和高危性,是当今最具有挑战的网络安全问题之一,因此需要十分重视且关注该领域的研究成果和发展趋势。本文对内部威胁研究范畴内的成果进行了概述,并使用扎根... 详细信息

内部威胁攻击是由可信的内部人员发起的,相比较外部威胁更具有透明性、隐蔽性和高危性,是当今最具有挑战的网络安全问题之一,因此需要十分重视且关注该领域的研究成果和发展趋势。本文对内部威胁研究范畴内的成果进行了概述,并使用扎根理论的方法进行严格的文献归纳和分析,通过全景视图下的内部威胁系统性研究,帮助组织减轻和消除内部威胁事件并根据自身实际情况快速制定防御方案。本文的研究对内部威胁领域有重要意义,因为它(1)概括了内部威胁的研究范畴,包含定义与分类、数据集分析、事件分析、威慑、缓解和预防、检测、响应七个方面,旨在建立内部威胁的研究框架,该框架遵循从事件到解决方案的方向描绘了内部威胁研究的工作流;(2)从定义与分类、数据集以及事件的角度对内部威胁进行了全面的分析,提出了针对内部威胁的结构化分析与分类方法,将威胁事件的重要特征维持一个易于维护和清晰的状态,便于扩展、整合以及修改;(3)基于内部威胁分析提出一个包含威慑、预防/缓解、检测和响应的分步防御框架,该框架概括了用户行为、心理和犯罪学对于事件的影响,并对防御框架内每一步包含的方法进行归纳分析;(4)通过分析内部威胁案例和当前研究进展,讨论现有研究的不足并从数据集、事件分析、防御三个方面展望进一步的研究方向。

关键词：网络安全内部威胁分析与防御文献归纳结构化分类综述

来源：评论

学校读者我要写书评

暂无评论

基于车路信息交互的车辆卫星定位协同定权方法

引用

交通运输系统工程与信息 2022年第5期22卷 85-96页

作者：刘江谭思伦蔡伯根王剑北京交通大学电子信息工程学院北京100044 北京交通大学智慧高铁系统前沿科学中心北京100044 北京交通大学计算机与信息技术学院北京100044 北京市轨道交通电磁兼容与卫星导航工程技术研究中心北京100044

为确保基于卫星导航系统的车辆定位性能满足特定交通应用需求,本文针对导航卫星观测量权重分配对复杂动态运行环境的跟踪适配问题,建立基于车路信息交互的车辆卫星定位协同定位增强总体框架;基于加权最小二乘定位解算模式,设计基于轻量... 详细信息

为确保基于卫星导航系统的车辆定位性能满足特定交通应用需求,本文针对导航卫星观测量权重分配对复杂动态运行环境的跟踪适配问题,建立基于车路信息交互的车辆卫星定位协同定位增强总体框架;基于加权最小二乘定位解算模式,设计基于轻量级梯度提升机建模与多车信息综合决策的协同定权方法,提出面向学习建模通道的导航卫星伪距残差轻量级梯度提升机建模方案,面向定权计算通道设计了基于多车信息综合决策的导航卫星观测量权重决策策略。实验结果表明:运用轻量级梯度提升机构建伪距残差模型,相较于支持向量机、随机森林以及仅基于基础卫星观测特征的轻量级梯度提升机,均方根误差分别降低了62.1%,29.9%,60.4%;运用所建立的预测模型协同定权所得水平误差标准差,相对于等权和卫星仰角/信噪比组合定权策略分别降低了48.5%和47.6%。研究结果对于充分发挥车路协同系统模式下,信息交互机制的核心优势和优化车辆卫星定位性能具有重要意义。

关键词：智能交通车路协同信息交互卫星定位协同定权

来源：评论

学校读者我要写书评

暂无评论

基于编码记忆网络的半监督视频目标分割方法

引用

弹箭与制导学报 2024年第3期44卷 11-21页

作者：尹亮张钊张宝鹏国能新朔铁路有限责任公司机务分公司北京010300 北京交通大学计算机与信息技术学院北京100044

视频目标分割是计算机视觉中的一项关键任务,在自动驾驶、视频编码等领域具有重要意义。针对视频目标分割任务,提出使用一种高效的编码记忆网络(EMNet)实现半监督视频目标分割任务。该方法包含自适应参考帧选取模块、双路径匹配模块、... 详细信息

视频目标分割是计算机视觉中的一项关键任务,在自动驾驶、视频编码等领域具有重要意义。针对视频目标分割任务,提出使用一种高效的编码记忆网络(EMNet)实现半监督视频目标分割任务。该方法包含自适应参考帧选取模块、双路径匹配模块、特征处理模块以及特征聚合模块。自适应参考帧选取模块综合考虑掩码置信度和相似度,选择包含丰富信息的参考帧。双路径匹配模块实现查询帧和参考帧之间的双向和双尺度匹配,提高目标特征匹配准确率。特征处理模块分别包含语义强化模块和特征细化模块,通过低通和高通滤波增强目标的语义和细节信息。并由特征聚合模块对各特征进行融合利用。最后通过在DAVIS2017数据集上的评估,证明所提出模型的有效性。

关键词：视频目标分割编码记忆网络注意力机制语义分割深度学习

来源：评论

学校读者我要写书评

暂无评论

AutoUnit:基于主动学习和预测引导的测试自动生成

引用

计算机科学 2022年第11期49卷 39-48页

作者：张大林张哲玮王楠刘吉强北京交通大学软件学院北京100044 北京交通大学计算机与信息技术学院北京100044

测试用例自动生成技术旨在降低测试成本,与人工生成测试用例相比,它具有更高的测试效率。现有主流的测试工具对软件中的所有文件都平等对待,但是大多数情况下含有缺陷的文件只占整个软件项目的一小部分。因此,如果测试人员能针对更易存... 详细信息

测试用例自动生成技术旨在降低测试成本,与人工生成测试用例相比,它具有更高的测试效率。现有主流的测试工具对软件中的所有文件都平等对待,但是大多数情况下含有缺陷的文件只占整个软件项目的一小部分。因此,如果测试人员能针对更易存在缺陷的文件进行测试,就能极大地节省测试资源。针对以上问题,文中设计了一种基于主动学习的预测引导的自动化测试工具AutoUnit。首先对待测文件池中的所有文件进行缺陷预测,然后对最“可疑”的文件进行测试用例生成,之后将实际测试用例执行结果反馈给缺陷预测模型并更新该预测模型,最后根据召回率判断是否进入下一轮测试。此外,AutoUnit还能在含缺陷文件总数未知时,通过设置不同的目标召回率来及时停止预测引导。它能依据已测文件来预测含缺陷文件总数并计算当前召回率,判断是否停止预测引导,保证测试效率。实验分析表明,当测得相同数量的缺陷文件时,AutoUnit花费的最短时间为目前主流测试工具的70.9%,最长时间为目前主流测试工具的80.7%;当含缺陷文件总数未知且目标召回率设置为95%时,与最新版本的Evosuite相比,AutoUnit只需要检查29.7%的源代码文件就能达到相同的检测水平,且其测试时间仅为Evosuite的34.6%,极大地降低了测试成本。实验结果表明,该方法有效地提高了测试的效率。

关键词：测试用例生成基于池的主动学习缺陷预测模型随机测试测试效率

来源：评论

学校读者我要写书评

暂无评论

无负采样的正样本增强图对比学习推荐方法PAGCL

引用

计算机应用 2024年第5期44卷 1485-1492页

作者：汪炅唐韬韬贾彩燕北京交通大学计算机与信息技术学院北京100091 交通数据分析与挖掘北京市重点实验室(北京交通大学) 北京100091

对比学习(CL)因能够提取数据本身包含的监督信号而被广泛应用于推荐任务。最近的研究表明,CL在推荐方面的成功依赖于对比损失——互信息噪声对比估计(InfoNCE)损失带来的节点分布的均匀性。此外,另一项研究证明贝叶斯个性化排序(BPR)损... 详细信息

对比学习(CL)因能够提取数据本身包含的监督信号而被广泛应用于推荐任务。最近的研究表明,CL在推荐方面的成功依赖于对比损失——互信息噪声对比估计(InfoNCE)损失带来的节点分布的均匀性。此外,另一项研究证明贝叶斯个性化排序(BPR)损失的正项与负项分别带来的对齐性和均匀性有助于提高推荐性能。由于在CL框架中对比损失能够带来比BPR负项更强的均匀性,BPR负项存在的必要性值得商榷。实验分析表明在对比框架中BPR的负项是不必要的,并基于这一观察提出了无需负采样的联合优化损失,可应用于经典的CL方法并达到相同或更高的性能。此外,与专注于提高均匀性的研究不同,为进一步加强对齐性,提出一种新颖的正样本增强的图对比学习方法(PAGCL),该方法使用随机正样本在节点表示层面进行扰动。在多个基准数据集上的实验结果表明,PAGCL在召回率及归一化折损累积增益(NDCG)这两个常用指标上均优于SOTA方法自监督图学习(SGL)、简单图对比学习(SimGCL)等,且相较于基模型轻量化图卷积(LightGCN)的NDCG@20提升最大可达17.6%。

关键词：推荐系统对比学习自监督学习图神经网络数据增强

来源：评论

学校读者我要写书评

暂无评论

可见光无线信能同传网络中能量有效的波束赋形设计

引用

电子与信息学报 2022年第8期44卷 2611-2618页

作者：陆杨熊轲高博范典潘高峰艾渤北京交通大学计算机与信息技术学院北京100044 中国信息通信研究院北京100191 北京理工大学网络空间安全学院北京100081 北京交通大学电子与信息工程学院北京100044

物联网是6G的核心应用场景,然而由于射频频谱资源稀缺,为数以百亿计的物联网设备提供高质量无线覆盖服务面临挑战。可见光通信(Visible Light Communication,VLC)作为射频通信的补充,提供了丰富的高频频谱资源。该文研究多用户VLC无线... 详细信息

物联网是6G的核心应用场景,然而由于射频频谱资源稀缺,为数以百亿计的物联网设备提供高质量无线覆盖服务面临挑战。可见光通信(Visible Light Communication,VLC)作为射频通信的补充,提供了丰富的高频频谱资源。该文研究多用户VLC无线信能同传网络的可达能量效率(Energy Efficiency,EE)性能界,即在用户信息和能量需求、避免LED谐波失真以及VLC发射机总功率约束下最大化EE。为求解所考虑的问题,结合Dinkelbach方法和连续凸近似方法构建迭代算法优化波束赋形向量和直流偏置。从理论上证明了所提算法的收敛性,并讨论了避免LED谐波失真的工作条件对EE的影响。仿真结果验证了所提方法的有效性,分析了信息需求、能量需求和VLC发射机总功率对EE的影响规律,并讨论了LED视野对EE和VLC信号传播的影响。

关键词：可见光通信系统无线信能同传波束赋形能量效率

来源：评论

学校读者我要写书评

暂无评论

智能铁路5G安全技术与策略综述

引用

计算机科学 2024年第5期51卷 1-11页

作者：李盼盼吴昊刘佳佳段莉卢云龙北京交通大学先进轨道交通自主运行全国重点实验室北京100044 北京交通大学电子信息工程学院北京100044 北京交通大学智慧高铁系统前沿科学中心北京100044 北京交通大学计算机与信息技术学院北京100044

数字技术正在重塑各行各业,这是行业发展的必经之路。5G等数字服务技术在为铁路等行业赋能的同时,也带来了一些安全风险。安全是一切服务的先决条件。为促进5G数字服务在智能铁路的创新应用,首先从基站空口、通信、数据、系统、终端和... 详细信息

数字技术正在重塑各行各业,这是行业发展的必经之路。5G等数字服务技术在为铁路等行业赋能的同时,也带来了一些安全风险。安全是一切服务的先决条件。为促进5G数字服务在智能铁路的创新应用,首先从基站空口、通信、数据、系统、终端和公专网融合应用几个角度,系统梳理了智能铁路5G通信网络面临的安全风险与挑战。然后针对大带宽、高可靠、低时延的新业务场景及网络切片、边缘计算等新技术和大规模异构新型终端以及面向铁路的智能新应用,全面分析了智能铁路5G服务的安全新需求,总结了密码算法、空口安全、隐私、统一认证及漫游等方面的5G安全增强新特性。在此基础上,给出智能铁路5G通信网络在安全认证、物理层安全、终端安全、切片安全、边缘计算安全方面需关注的重点。针对5G专网部署方式,给出基础设施、通信安全、安全管理数据安全、内生安全防御体系方面的建议。

关键词：智能铁路第5代移动通信系统(5G) 内生安全策略综述数字服务

来源：评论

学校读者我要写书评

暂无评论

融合注意力的多维特征图卷积运动想象分类

引用

计算机科学与探索 2022年第9期16卷 2050-2060页

作者：李珍琦王晶贾子钰林友芳北京交通大学计算机与信息技术学院北京100044 北京交通大学交通数据分析与挖掘北京市重点实验室北京100044

运动想象(MI)作为脑机接口(BCI)的重要应用,是运动康复训练的重要支撑。由于脑电的电极分布并非天然的欧式空间,对运动想象进行准确分类具有很大的挑战。而且现有方法仅仅考虑了脑电信号(EEG)中某一维度或者某两维度的信息,无法全面捕... 详细信息

运动想象(MI)作为脑机接口(BCI)的重要应用,是运动康复训练的重要支撑。由于脑电的电极分布并非天然的欧式空间,对运动想象进行准确分类具有很大的挑战。而且现有方法仅仅考虑了脑电信号(EEG)中某一维度或者某两维度的信息,无法全面捕获脑电信号在时、频、空三个维度存在的内在特征。同时,脑电信号各维度上的动态关联强度影响了分类的鲁棒性。针对上述问题,提出了一种新颖的融合注意力的多维特征图卷积网络(AMFGCN)。首先,根据电极节点分布的非欧空间特性设计出图结构,充分表示电极间的空间相关性。其次,提出时-空、频-空的双分支框架,同时表示脑电信号在时域、频域和空间域上的信息。最后,通过融合注意力机制、图卷积和时间/频谱卷积从图表示中学习脑电信号的空间表示、时间依赖性和频率依赖性,并自适应捕获各维度上的动态关联强度。在四个公开脑机接口数据集上进行了实验,结果表明AMFGCN模型提高了分类性能,优于其他现有的运动想象分类方法。

关键词：运动想象(MI) 注意力机制图卷积网络多维特征脑电信号(EEG)

来源：评论

学校读者我要写书评

暂无评论

面向交通事故预测的时空多模态点过程

引用

计算机应用研究 2023年第8期40卷 2340-2345页

作者：彭文闯郭晟楠万怀宇林友芳北京交通大学计算机与信息技术学院北京100044 北京交通大学交通数据分析与挖掘北京市重点实验室北京100044

交通事故预测对于构建智慧城市具有重要意义。然而发生在连续时间域上的交通事故数据同时包含具有不同语义特征的时间、空间模态信息,且这两种模态的不确定性存在差异,因此传统的序列建模方式无法全面描述交通事故的时空相关性,很难实... 详细信息

交通事故预测对于构建智慧城市具有重要意义。然而发生在连续时间域上的交通事故数据同时包含具有不同语义特征的时间、空间模态信息,且这两种模态的不确定性存在差异,因此传统的序列建模方式无法全面描述交通事故的时空相关性,很难实现准确的交通事故预测,对此提出了一种面向交通事故预测的时空多模态点过程模型MSTPP。该模型设计了一种具有双解码器的seq2seq框架。在编码器中提出了衰减感知长短期记忆网络DLSTM用于编码在连续时间域中的交通事故事件序列,有效地融合不同模态信息以及建模事件序列的异步性。在解码阶段,使用两个特殊设计的解码器去处理模态间差异性。在两个真实的交通事故数据集上的实验结果表明,MSTPP在预测下一个交通事故发生的时间和区域任务上相比于其他基准模型具有最优的预测能力。

关键词：交通事故预测事件建模神经点过程时间模态空间模态

来源：评论

学校读者我要写书评

暂无评论

基于特征归因和泰勒展开引导重要度评价的梯度流剪枝

引用

中国科学：信息科学 2022年第3期52卷 430-442页

作者：高畅王家祺景丽萍于剑北京交通大学计算机与信息技术学院北京100044 北京交通大学交通数据分析与挖掘北京市重点实验室北京100044

卷积神经网络压缩是近年来研究的热点.本文将模型存在冗余的原因归结为部分卷积核未学到任务相关特征.为去除这部分冗余,本文基于剪枝框架,从卷积核学习任务相关特征的程度和卷积核对损失函数的影响两个角度出发,提出一种新颖的重要度... 详细信息

卷积神经网络压缩是近年来研究的热点.本文将模型存在冗余的原因归结为部分卷积核未学到任务相关特征.为去除这部分冗余,本文基于剪枝框架,从卷积核学习任务相关特征的程度和卷积核对损失函数的影响两个角度出发,提出一种新颖的重要度评价标准.此评价标准能准确量化卷积核的重要度,并以此指导卷积核剪枝操作.此外,本文还将梯度流策略引入到卷积核剪枝的过程中,在每次训练迭代中根据重要性和压缩率将卷积核分成两类并对它们分别用不同的更新策略.对于冗余参数,此策略将目标函数反传的梯度进行截流,仅使其权重逐渐衰减直至为零.本文在VGGNet和ResNet两种网络框架上对此剪枝算法进行验证.结果表明:本算法不仅能够在分类精度、计算量、参数量和任务相关特征的保留程度上优于当前主流剪枝算法,而且在高压缩率情况下表现优越.

关键词：卷积神经网络压缩剪枝任务相关特征梯度流

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：