检索结果-内蒙古大学图书馆

信息技术 2024年第6期48卷 87-93页

作者：陈亚当杨刚王铎霖余文斌南京信息工程大学计算机学院南京210044 南京信息工程大学数字取证教育部工程研究中心南京210044

提示学习旨在利用提示模板减小语言模型的预训练任务和下游任务间的差距。其难点在于提示模板的设计,为此,文中在构造提示模板的过程中,提出一个通过自动搜索离散提示对连续提示优化的新方法。其中,自动搜索提示基于双向Transformer编码... 详细信息

提示学习旨在利用提示模板减小语言模型的预训练任务和下游任务间的差距。其难点在于提示模板的设计,为此,文中在构造提示模板的过程中,提出一个通过自动搜索离散提示对连续提示优化的新方法。其中,自动搜索提示基于双向Transformer编码器(Bidirectional Encoder Representation from Transformers, BERT)的预训练任务掩码语言模型训练,连续提示优化是训练自动搜索输出的离散提示在连续空间内的映射张量,根据损失函数对提示模板进行训练。实验表明,在公共基准SuperGLUE中,基于提示学习的BERT相比于原始的BERT模型在准确率和F1值上均有显著的提升。

关键词：提示学习双向Transformer编码器自然语言处理连续提示优化掩码语言模型

来源：评论

学校读者我要写书评

暂无评论

基于熵值过滤和类质心优化的无监督域适应

引用

计算机科学 2024年第7期51卷 345-353页

作者：田青卢章虎杨宏南京信息工程大学软件学院南京210044 南京信息工程大学计算机学院、网络空间安全学院南京210044 南京信息工程大学数字取证教育部工程研究中心南京210044 南京大学计算机软件新技术国家重点实验室南京210023

无监督域适应作为机器学习领域的新兴研究方向之一,其主要利用源域监督信息来辅助无标记目标域的学习。截至目前,已有较多无监督域适应方法被提出,但在关系挖掘方面仍存在一些不足之处。具体来说,现有方法通常对目标域样本采取一致性处... 详细信息

无监督域适应作为机器学习领域的新兴研究方向之一,其主要利用源域监督信息来辅助无标记目标域的学习。截至目前,已有较多无监督域适应方法被提出,但在关系挖掘方面仍存在一些不足之处。具体来说,现有方法通常对目标域样本采取一致性处理策略,而忽略了目标域样本在关系挖掘中的差异性,因此文中提出了熵值过滤和类质心优化方法。所提方法利用生成对抗网络架构对目标域样本进行标记,利用所获伪标签计算样本熵值,并与所设阈值进行比较,从而进一步划分目标域样本。对于简单样本,分配伪标签;对于困难样本,该方法结合对比学习思想,利用源域和简单样本来学习更加鲁棒的分类器对困难样本分类,并进一步获得源和目标域的类质心。通过优化域间和实例对比对齐,来减小域间和域内的差异。最后,在3个标准数据集上与目前几种先进的领域自适应方法进行了对比实验,实验结果表明所提方法的性能均优于对比方法。

关键词：迁移学习无监督域适应对抗学习对比学习类质心优化

来源：评论

学校读者我要写书评

暂无评论

共性特征学习的高泛化伪造指纹检测

引用

中国图象图形学报 2024年第9期29卷 2780-2792页

作者：袁程胜徐震宇向凌云付章杰夏志华南京信息工程大学计算机学院、网络空间安全学院南京210044 南京信息工程大学数字取证教育部工程研究中心南京210044 长沙理工大学计算机与通信工程学院长沙410114 暨南大学网络空间安全学院广州510632

目的指纹识别技术已大规模应用于人们的日常生活中,如身份鉴定、指纹支付与考勤等。然而,最新研究表明这些系统极易遭受伪造指纹的欺骗攻击,因此在使用指纹认证用户身份前,鉴别待测指纹的真伪至关重要。伪造指纹的制作材料具有多样性,... 详细信息

目的指纹识别技术已大规模应用于人们的日常生活中,如身份鉴定、指纹支付与考勤等。然而,最新研究表明这些系统极易遭受伪造指纹的欺骗攻击,因此在使用指纹认证用户身份前,鉴别待测指纹的真伪至关重要。伪造指纹的制作材料具有多样性,现有工作忽视了不同材料伪造指纹之间数据分布的关联性,致使跨材料检测泛化性普遍较低。因此,本文通过分析不同材料伪造指纹数据间的分布关联性,挖掘不同伪造指纹间的材料域不变伪造特征,提出了一种基于共性特征学习的高泛化伪造指纹检测方法。方法首先,为了表征和学习不同材料伪造指纹间的特征,设计了一种多尺度伪造特征提取器(multi-scale spoofing feature extractor,MSFE),包含一个多尺度空间通道(multi-scale spatial-channel,MSC)注意力模块,以学习真假指纹类间的细粒度差异特征。然后,为了进一步分析不同材料伪造指纹数据间的分布关联性,又构造了一种共性伪造特征提取器(common spoofing feature extractor,CSFE),在MSFE先验知识的引导下进行多任务的材料域不变伪造特征学习。最后,设计一个材料鉴别器对学习到的共性伪造特征进行约束,同时构建一个自适应联合优化损失模块来平衡多个模块在训练过程中的损失权重,以进一步提高面对未知材料伪造指纹检测时的泛化性。结果在两个公开的指纹数据集(LivDet(liveness detection com⁃petition)2017和LivDet2019)上进行了跨材料测试,实验结果表明所提算法相较对比工作,ACE(average classification error)降低了1.34%,TDR(true detection rate)提高了1.43%,表现出较高的泛化性。结论本文算法在ACE和TDR方面均取得优异性能。此外,当面对未知材料的伪造指纹检测时,同样表现出较强的泛化性。

关键词：伪造指纹检测材料域不变伪造特征注意力共性特征学习泛化性

来源：评论

学校读者我要写书评

暂无评论

针对BMP格式掩盖的JPEG同步重压缩检测方法

引用

软件学报 2024年第12期35卷 5653-5670页

作者：王金伟王伟王昊罗向阳马宾数字取证教育部工程研究中心(南京信息工程大学) 江苏南京210044 南京信息工程大学计算机学院、网络空间安全学院江苏南京210044 数学工程与先进计算国家重点实验室河南郑州450001 南京理工大学自动化学院江苏南京210094 中国人民解放军战略支援部队信息工程大学河南郑州450001 齐鲁工业大学网络空间安全学院山东济南250353

检测JPEG(joint photographic experts group)同步重压缩是数字图像取证中一项具有挑战性的任务.已有的研究提出了一些能够有效检测同步JPEG重压缩的方法,但这些方法基本上都是在JPEG解压缩过程中获取的特征,如果以BMP格式保存同步JPEG... 详细信息

检测JPEG(joint photographic experts group)同步重压缩是数字图像取证中一项具有挑战性的任务.已有的研究提出了一些能够有效检测同步JPEG重压缩的方法,但这些方法基本上都是在JPEG解压缩过程中获取的特征,如果以BMP格式保存同步JPEG重压缩图像,则这些方法将难以直接应用.为了解决该问题,提出一种基于双阈值的量化步长估计方法,从而获取量化表并提取特征.此外,根据质量因子100时JPEG压缩的特殊性定义最小误差,通过去除特征中的最小误差,进一步提高特征的检测性能.最后,基于反量化后JPEG系数的收敛特性提取一阶相对误差特征,进一步提高所提方法在质量因子较低时的检测性能.实验结果表明,所提方法在不同质量因子时的性能均优于当前先进算法.

关键词：数字图像取证 JPEG重压缩量化步长估计最小误差收敛特性

来源：评论

学校读者我要写书评

暂无评论

基于强化样本的伪孪生网络图像篡改定位模型

引用

网络与信息安全学报 2024年第1期10卷 33-47页

作者：王金伟张子荷罗向阳马宾南京信息工程大学数字取证教育部工程研究中心江苏南京210044 南京信息工程大学计算机学院江苏南京210044 南京信息工程大学网络空间安全学院江苏南京210044 数字工程与先进计算国家重点实验室河南郑州450001 信息工程大学河南郑州450001 齐鲁工业大学网络空间安全学院山东济南250353

随着互联网不断发展,网络上的篡改图像越来越多,掩盖篡改痕迹的手段越来越丰富。而现在大多数检测模型没有考虑到图像后处理操作对篡改检测算法的影响,限制了其在实际生活中的应用。为了解决上述问题,提出了一种通用的基于强化样本的伪... 详细信息

随着互联网不断发展,网络上的篡改图像越来越多,掩盖篡改痕迹的手段越来越丰富。而现在大多数检测模型没有考虑到图像后处理操作对篡改检测算法的影响,限制了其在实际生活中的应用。为了解决上述问题,提出了一种通用的基于强化样本的伪孪生网络图像篡改定位模型。所提模型利用伪孪生网络,一方面学习真实图像中的篡改特征;另一方面通过约束卷积,抑制图像内容,从而能够更加关注篡改残留的痕迹信息。网络的两分支结构可以达到充分利用图像特征信息的目的。模型利用强化样本,可以自适应地生成当前最需要学习的篡改类型图片,实现对模型有针对性地训练,使得模型在各个方向上学习收敛,最终得到全局最优模型。利用数据增强思路,自动生成丰富的篡改图像以及其对应的掩膜,这很好地解决了篡改数据集有限的问题。在4个数据集上的大量实验证明了所提模型在像素级操作检测方面的可行性和有效性。尤其是在Columbia数据集上,算法的F1值提高了33.5%,Matthews correlation coefficirnt(MCC)得分提高了23.3%,说明所提模型利用深度学习模型的优点,显著提高了篡改定位的检测效果。

关键词：强化样本篡改定位伪孪生网络数据增强篡改图像

来源：评论

学校读者我要写书评

暂无评论

基于信息融合与CNN的齿轮箱故障诊断方法

引用

测控技术 2022年第11期41卷 11-19页

作者：赵晓平魏旭全孙中波王荣发南京信息工程大学计算机与软件学院江苏南京210044 南京信息工程大学数字取证教育部工程研究中心江苏南京210044

齿轮箱在实际生产中面临复杂多变的工况,其部件的故障特征随工况发生改变,常规方法在变工况下难以有效识别故障。针对该问题,提出一种基于信息融合和卷积神经网络(IFCNN)的故障诊断方法。IFCNN使用多传感器信息融合和多域特征融合改进... 详细信息

齿轮箱在实际生产中面临复杂多变的工况,其部件的故障特征随工况发生改变,常规方法在变工况下难以有效识别故障。针对该问题,提出一种基于信息融合和卷积神经网络(IFCNN)的故障诊断方法。IFCNN使用多传感器信息融合和多域特征融合改进卷积神经网络(CNN),首先将不同位置的加速度传感器采集到的振动信号转换成频域、时频域信息,将来自不同传感器的信息融合,然后用CNN对故障信号的频域、时频域信息分别进行特征提取和多域特征融合,结合注意力机制选择重要特征进行故障分类。多组实验结果表明,IFCNN在变工况场景下,可有效提取齿轮箱振动信号的故障特征,12组变工况实验平均识别准确率为98.38%,明显高于所提出的对比方法。

关键词：故障诊断卷积神经网络多域特征融合齿轮箱变工况

来源：评论

学校读者我要写书评

暂无评论

融合注意力机制和二次特征提取的ResNet小样本农作物病虫害识别

引用

计算机系统应用 2024年第9期33卷 208-215页

作者：汪志立王定成曹蓉郑梦丽刘亚鹏卓欣南京信息工程大学软件学院南京210044 南京信息工程大学计算机学院、网络空间安全学院南京210044 南京信息工程大学数字取证教育部工程研究中心南京210044

针对传统机器学习方法对于小样本和多类别的农作物叶片病虫害识别效果和时间不理想的问题,本文利用改进的ResNet模型来实现农作物病害识别.通过加入dropout层、激活函数、最大池化层和注意力机制来提高模型的鲁棒性、特征捕捉能力、实... 详细信息

针对传统机器学习方法对于小样本和多类别的农作物叶片病虫害识别效果和时间不理想的问题,本文利用改进的ResNet模型来实现农作物病害识别.通过加入dropout层、激活函数、最大池化层和注意力机制来提高模型的鲁棒性、特征捕捉能力、实现了用较低的模型参数量来提高病虫害识别的准确率.首先对从公共数据集Plant Village获取的图像进行预处理和增强,将ReLU激活函数替换为PReLU,解决ReLU函数在小于0部分神经元坏死的问题;然后在全局平均池化层之前加入dropout层,设置合理的阈值,有效避免过拟合现象的发生,增强模型的鲁棒性;此外,在dropout与全局平均池化层之间加入最大池化层,不仅能扩大神经元的感受野,还能帮助模型获取局部病虫害的最显著特征,减小图片背景的噪声影响,实现二次特征提取;最后嵌入CBAM注意力机制,使模型自动学习输入特征图中最重要的通道信息,并对其进行通道与空间之间加权,从而更好地捕捉图像中的语义信息.实验结果表明,改进后的模型对测试集识别准确度达99.15%,模型参数量仅为9.13M,与Xception、InceptionV3、原ResNet等模型相比,准确率分别超过了1.01,0.68,0.59个百分点,降低了模型参数量,为农作物病虫害识别提供了一种先进的深度学习方法.

关键词：病虫害识别注意力机制迁移学习最大池化激活函数PReLU

来源：评论

学校读者我要写书评

暂无评论

针对车牌识别系统的双重对抗攻击

引用

网络与信息安全学报 2023年第3期9卷 16-27页

作者：陈先意顾军颜凯江栋许林峰付章杰南京信息工程大学数字取证教育部工程研究中心江苏南京210044 综合业务网理论及关键技术国家重点实验室(西安电子科技大学) 陕西西安710126

使用深度神经网络的人工智能系统面对对抗样本的攻击表现出极大的脆弱性。因此,在基于深度神经网络的车牌识别系统(LPR,license plate recognition)场景下,提出针对车牌识别系统的双重对抗攻击(DAA,doubleadversarialattack)方法。通过... 详细信息

使用深度神经网络的人工智能系统面对对抗样本的攻击表现出极大的脆弱性。因此,在基于深度神经网络的车牌识别系统(LPR,license plate recognition)场景下,提出针对车牌识别系统的双重对抗攻击(DAA,doubleadversarialattack)方法。通过添加对抗补丁到车牌的图案位置,使LPR的目标检测子系统不能检测到车牌类;通过在车牌号上添加不规则的单连通区域扰动斑点以模拟自然形成的铁锈、污渍等,使LPR的车牌号识别子系统产生误识别。针对车牌研究设计不同形状的对抗补丁、不同颜色的对抗斑点,以此产生对抗车牌,并迁移到物理世界中。实验结果表明,设计出的对抗样本既不会被人眼所察觉,也能够欺骗车牌识别系统,如EasyPR,在物理世界中的攻击成功率能够达到99%。关于LPR的对抗攻击及深度学习的脆弱性研究,对提高车牌识别模型的鲁棒性具有积极促进意义。

关键词：车牌识别对抗补丁对抗斑点对抗攻击

来源：评论

学校读者我要写书评

暂无评论

面向工业物联网的轻量级群组密钥协商方案

引用

计算机科学 2023年第S02期50卷 876-885页

作者：王子宸袁程胜王一力郭萍付章杰南京信息工程大学计算机学院数字取证教育部工程研究中心南京210044 西安电子科技大学综合业务网理论及关键技术国家重点实验室西安710071

近年来,基于群组信息共享的工业物联网技术因具有实时、安全和信息互通等特性,被广泛应用于工业制造和金融贸易等领域。但是,该技术大多基于群组密钥协商协议,存在开销大、安全性弱、可拓展性低等缺陷。因此,如何设计安全高效的群组密... 详细信息

近年来,基于群组信息共享的工业物联网技术因具有实时、安全和信息互通等特性,被广泛应用于工业制造和金融贸易等领域。但是,该技术大多基于群组密钥协商协议,存在开销大、安全性弱、可拓展性低等缺陷。因此,如何设计安全高效的群组密钥协商协议成为当前亟需解决的科学难题,为此文中利用平衡不完全区组设计的数学结构和椭圆曲线Qu Vanstone认证协议,提出了一种全新的基于结构化的群组密钥协商协议。首先,为了降低协议的计算开销,使用ECQV认证协议,避免执行配对运算。然后,为了证明协议的安全性,借助ECDDH假设,对所提协议进行了安全性证明。最后,为了降低协议的通信开销,提高协议的可拓展性,利用非对称平衡不完全区组设计,对现有的群组密钥协商协议进行了拓展,将所支持的成员数从p 2拓展为p 2和p 2+p+1。实验结果表明,所提协议能够将计算开销降低至O(n n m),将通信开销降低至O(n n)。该协议在保证抵抗选择明文攻击时安全性的同时,还能使参与群组密钥协商的人数灵活地自适应扩展,进一步提升了群组密钥协商协议的安全性和执行效率。

关键词：群组密钥协商平衡不完全区组设计无配对运算工业物联网椭圆曲线Qu Vanstone认证

来源：评论

学校读者我要写书评

暂无评论

基于多尺度特征融合的图像压缩感知重构

引用

软件导刊 2024年第1期23卷 156-160页

作者：何卓豪宋甫元陆越南京信息工程大学数字取证教育部工程研究中心南京信息工程大学计算机学院、网络空间安全学院江苏南京210044

图像压缩感知(CS)重构方法旨在将采样过后的图像恢复为高质量图像。目前,基于深度学习的CS重构算法在重构质量及速度上性能优越,但在较低采样率时存在图像重构质量较差的问题。为此,提出一种基于多尺度注意力融合的图像CS重构网络,在网... 详细信息

图像压缩感知(CS)重构方法旨在将采样过后的图像恢复为高质量图像。目前,基于深度学习的CS重构算法在重构质量及速度上性能优越,但在较低采样率时存在图像重构质量较差的问题。为此,提出一种基于多尺度注意力融合的图像CS重构网络,在网络中引入多个多尺度残差块提取图像不同尺寸的信息,并融合每个多尺度残差块的空间注意力与密集残差块的通道注意力,自适应地将局部特征与全局依赖性集成,从而提升图像重构质量。实验表明,所提算法在图像的PSNR、SSIM上均优于其他经典方法,重构性能更好。

关键词：压缩感知注意力机制深度学习多尺度特征提取

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：