检索结果-内蒙古大学图书馆

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

CT-CloudDetect:用于遥感卫星云检测的混合模型

引用

遥感信息 2024年第5期39卷 1-11页

作者：方巍陶恩屹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 南京气象科技创新研究院中国气象局交通气象重点开放实验室南京210041 南京信息工程大学江苏省大气环境与装备技术协同创新中心南京210041 苏州大学江苏省计算机信息处理技术重点实验室江苏苏州215000

云检测是在遥感卫星云图中检测云的任务。近年来,人们提出了基于深度学习的云检测方法,并取得了良好的性能。然而,现有的基于深度学习的云检测模型大多还是基于卷积神经网络(convolutional neural network,CNN),由于卷积运算的固有局部... 详细信息

云检测是在遥感卫星云图中检测云的任务。近年来,人们提出了基于深度学习的云检测方法,并取得了良好的性能。然而,现有的基于深度学习的云检测模型大多还是基于卷积神经网络(convolutional neural network,CNN),由于卷积运算的固有局部性,难以捕获长距离依赖关系。针对上述问题,文章提出一个基于CNN和ViT(Vision Transformer)的混合型云检测模型,并提出一种基于CNN和ViT的编码器,使网络具备捕捉局部和全局信息的能力。为了更好地融合语义和尺度不一致的特征,提出了一个双尺度注意力融合模块,通过注意力机制有选择地融合特征。此外,提出了轻量级路由解码器,该解码器通过路由结构降低模型复杂度。在3个公开云检测数据集上对模型进行了评估。大量实验表明,所提出的模型具有比现有模型更好的性能。

关键词：深度学习卷积神经网络空间Vision Transformer 混合模型云检测

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

基于改进A*算法的应急救援无人机路径规划

引用

计算机仿真 2024年第6期41卷 84-88,353页

作者：王其王磊倪世松陈明星南京信息工程大学计算机学院、软件学院、网络空间安全学院江苏南京210044 数字取证教育部工程研究中心江苏南京210044

针对救援无人机传统路径规划算法存在搜索扩展节点数多、搜索路径时间长、规划轨迹不平滑的缺点,提出了一种改进A*算法的应急救援无人机路径规划方法。采用对角线距离作为启发函数并进行指数加权,通过双向搜索策略进行搜索优化,对生成... 详细信息

针对救援无人机传统路径规划算法存在搜索扩展节点数多、搜索路径时间长、规划轨迹不平滑的缺点,提出了一种改进A*算法的应急救援无人机路径规划方法。采用对角线距离作为启发函数并进行指数加权,通过双向搜索策略进行搜索优化,对生成的路径点使用贝塞尔曲线进行曲线拟合。实验中设计了多种非结构化地图,对Dijkstra算法、传统A*算法和改进A*算法在搜索扩展节点数、规划路径长度和搜索路径时间三方面进行对比。实验结果表明,设计的多种地图中改进A*算法在搜索扩展节点数较Dijkstra算法和传统A*算法分别至少降低了59.82%、39.40%,在搜索路径时间分别至少降低了57.38%、33.46%,规划后的路径经过贝塞尔曲线优化后满足无人机的实际飞行要求,可以实现高效率无人机应急救援。

关键词：应急救援指数加权双向搜索贝塞尔曲线

来源：评论

学校读者我要写书评

暂无评论

基于迁移学习的小样本齿轮箱故障诊断方法

引用

测控技术 2023年第6期42卷 52-62,77页

作者：赵晓平徐文波刘涛邵凡南京信息工程大学计算机学院江苏南京210044 南京信息工程大学自动化学院江苏南京210044 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

实际工程场景中齿轮箱受工况、环境等因素影响,数据难以满足特征分布相同、训练数据充足等条件,如何在变工况情况下对齿轮故障进行诊断是故障诊断领域一大难点。为此,提出了一种结合Logistic混沌麻雀搜索优化算法(LSSA)与深度置信网络(D... 详细信息

实际工程场景中齿轮箱受工况、环境等因素影响,数据难以满足特征分布相同、训练数据充足等条件,如何在变工况情况下对齿轮故障进行诊断是故障诊断领域一大难点。为此,提出了一种结合Logistic混沌麻雀搜索优化算法(LSSA)与深度置信网络(DBN)的智能故障诊断方法,即LSSADBN。首先,将时域振动信号进行快速傅里叶变换(FFT)转换为频域信号作为训练数据集,运用Logistic混沌映射对SSA种群进行初始化,采用LSSA方法对训练数据集进行DBN结构寻优;使用最优结构DBN对源域训练集进行预训练,并加入少量目标域样本用于反向权重调优,最终实现在小样本情况下对目标域齿轮箱健康状况的准确识别。实验对比结果证明,LSSADBN方法在模型调优阶段具有更快的收敛速度,且针对不同的目标域进行迁移时都具备较高的准确率,LSSADBN方法的研究对小样本情况下的齿轮箱故障诊断具有一定的应用价值。

关键词：齿轮箱麻雀优化算法深度置信网络小样本迁移学习

来源：评论

学校读者我要写书评

暂无评论

基于CBAM&ConvLSTM的短时交通拥塞预测

引用

信息技术 2024年第6期48卷 1-7页

作者：余文斌沈鑫禹钱铭冯昊王苏勋张成军南京信息工程大学江苏大气环境和装备技术协同创新中心南京210044 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

短时交通拥塞预测是智能交通的重点问题,其难点在于时空序列的数据处理和特征提取。卷积长短期记忆网络(Convolutional Long Short-Term Memory, ConvLSTM)适合处理兼具时间和空间相关性的交通数据。而卷积注意力机制(Convolutional Blo... 详细信息

短时交通拥塞预测是智能交通的重点问题,其难点在于时空序列的数据处理和特征提取。卷积长短期记忆网络(Convolutional Long Short-Term Memory, ConvLSTM)适合处理兼具时间和空间相关性的交通数据。而卷积注意力机制(Convolutional Block Attention Module, CBAM)在空间和时间维度引入注意力机制,使模型对于数据的变化更加敏感。文中结合ConvLSTM和CBAM,设计了一种新模型,对短时交通拥塞进行预测。实验基于百度地图实时数据,并与其他主流模型进行了比较。结果表明,该模型在交通数据的适应性方面优于其他模型,为解决交通拥塞的预测问题提供了一种新的思路和方法。

关键词：深度学习短时交通拥塞预测卷积长短期记忆网络卷积注意力机制时空预测

来源：评论

学校读者我要写书评

暂无评论

基于DPSO-LSTM超参数调优的股市价格预测

引用

信息技术 2024年第5期48卷 1-7页

作者：张成军李琪王梅乔译陈亚当余文斌南京信息工程大学江苏大气环境和装备技术协同创新中心南京210044 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

长短期记忆网络(Long Short-Term Memory,LSTM)适合处理和预测时间序列中间隔和延迟较长的重要事件。由于其复杂的网络结构、不确定的超参数和耗时的网络训练,使得人工寻找高效的网络配置成为一项具有挑战性的工作。文中采用分布式粒子... 详细信息

长短期记忆网络(Long Short-Term Memory,LSTM)适合处理和预测时间序列中间隔和延迟较长的重要事件。由于其复杂的网络结构、不确定的超参数和耗时的网络训练,使得人工寻找高效的网络配置成为一项具有挑战性的工作。文中采用分布式粒子群算法(Distributed Particle Swarm Optimization,DPSO)来有效解决LSTM的超参数调优问题,研究LSTM中最优的隐藏元个数、激活函数以及学习率等超参数的选择,寻找高性能的LSTM。基于沪深300历史交易数据进行价格预测,实验结果表明该方法是有效的,这为超参数调优与股市价格预测提供了新的思路和方法。

关键词：长短期记忆网络人工神经网络分布式粒子群优化算法超参数调优股市预测

来源：评论

学校读者我要写书评

暂无评论

基于MobileNet-CBAM模型的轻量级鸟类识别方法

引用

信息技术 2024年第8期48卷 1-7,17页

作者：成迪雷毅张成军陈亚当刘文杰余文斌南京信息工程大学江苏大气环境和装备技术协同创新中心南京210044 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

对于鸟类识别任务,当前一些深度学习网络模型的效果并不理想,针对现有模型的痛点,提出了一种在识别精度、计算性能、资源消耗和实用性上更具优势的轻量级鸟类识别方法。该方法基于轻量级MobileNet模型,融合了卷积注意力机制(Convolution... 详细信息

对于鸟类识别任务,当前一些深度学习网络模型的效果并不理想,针对现有模型的痛点,提出了一种在识别精度、计算性能、资源消耗和实用性上更具优势的轻量级鸟类识别方法。该方法基于轻量级MobileNet模型,融合了卷积注意力机制(Convolutional Block Attention Module,CBAM),在减少模型复杂度的同时增强了局部特征的提取能力,与主流模型的对比实验验证了该模型的有效性。此外,该模型能够应用于机器人、便携式手机等硬件平台,扩展了应用场景,并添加数据库来进行辅助计算,减少额外开销,兼具便携性和实用性。

关键词： MobileNet 注意力机制 Android平台鸟类识别图像识别

来源：评论

学校读者我要写书评

暂无评论

复杂网络中节点度增量的预测研究

引用

信息技术 2024年第5期48卷 30-37页

作者：余文斌钱铭杨泽俊沈鑫禹李琪张成军南京信息工程大学江苏大气环境和装备技术协同创新中心南京210044 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

节点的度属性是复杂网络的拓扑性质,因此对节点度增量的预测在复杂网络的未来趋势预测中具有重要意义。文中设计了基于链路预测相似性算法的节点度增量预测方法,并分析复杂网络中节点度增量的预测准确性。通过对比连边和度增量的预测结... 详细信息

节点的度属性是复杂网络的拓扑性质,因此对节点度增量的预测在复杂网络的未来趋势预测中具有重要意义。文中设计了基于链路预测相似性算法的节点度增量预测方法,并分析复杂网络中节点度增量的预测准确性。通过对比连边和度增量的预测结果,表明两者之间不存在相关性。进一步实验,文中分析了节点自身度属性和未来度增量之间的关系,实验表明:大度节点的度增量预测准确性较高,小度节点的准确性较低。由此可知,大度节点之间的差异性使得未来度增量的预测结果更加准确,同时表明链路预测结果存在异质性。

关键词：复杂网络链路预测度增量度属性异质性

来源：评论

学校读者我要写书评

暂无评论

JPEG量化步长估计综述

引用

信息安全学报 2024年第4期9卷 150-162页

作者：程鑫王金伟王昊罗向阳李晓龙朱国普马宾南京信息工程大学数字取证教育部工程研究中心南京210044 南京信息工程大学计算机与软件学院南京210044 数学工程与先进计算国家重点实验室郑州450001 南京理工大学自动化学院南京210094 中国人民解放军战略支援部队信息工程大学郑州450001 北京交通大学信息科学研究所北京100044 哈尔滨工业大学网络空间安全学院哈尔滨150001 齐鲁工业大学网络空间安全学院济南250353

随着JPEG(Joint Photographic Experts Group)格式的图片在网络存储和传输中的广泛应用,基于JPEG格式的篡改、拼接等恶意操作也层出不穷,利用JPEG图像特性的研究受到越来越多的关注。其中,JPEG图像特性与量化步长息息相关。如果,JPEG压... 详细信息

随着JPEG(Joint Photographic Experts Group)格式的图片在网络存储和传输中的广泛应用,基于JPEG格式的篡改、拼接等恶意操作也层出不穷,利用JPEG图像特性的研究受到越来越多的关注。其中,JPEG图像特性与量化步长息息相关。如果,JPEG压缩后的图像以位图的形式进行保存,研究者无法直接获取到量化步长,从而无法有效地分析JPEG图像特性。因此,对于量化步长的估计在数字图像取证领域越来越受到关注。本文首先介绍了量化步长估计的研究背景,并将量化步长估计问题分成两类问题:单压缩图像的量化步长估计和重压缩图像的首次量化步长估计。其次,在经典的JPEG压缩模型基础上分别了给出了这两类问题的量化步长估计模型,并对每类问题的各种现有方法进行了详细介绍和梳理。随后,在相同实验环境下对经典算法进行了实验,并对经典算法进行了相应的分析与评价。实验结果表明:在单压缩图像的量化步长估计任务中,现有技术相对成熟并且部分算法估计准确率高于90%;但是,在对齐重压缩图像的首次量化步长估计任务中,现有方法仅能估计低频、中频的量化步长,并且当首次与第二次的压缩质量因子相近时,估计准确率较低;在非对齐重压缩图像的首次量化步长估计任务中,由于网格偏移会增加估计量化步长的困难,导致算法在非对齐重压缩上性能较差。最后,指出了量化步长估计中有待进一步解决的问题和发展趋势。

关键词：数字取证 JPEG压缩量化步长估计 DCT系数分析深度学习取证

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：