检索结果-内蒙古大学图书馆

计算机科学与探索 2023年第8期17卷 1749-1775页

作者：王群李馥娟倪雪莉夏玲玲梁广俊马卓江苏警官学院计算机信息与网络安全系南京210031 江苏省电子数据取证分析工程研究中心南京210031 计算机软件新技术国家重点实验室(南京大学) 南京210093

区块链是一项多方共识、可溯源、防篡改的分布式账本技术,为构建高效、可信、安全的数据共享机制和优化业务流程提供了广阔的应用前景。然而,当区块链正处于百花齐放的快速发展阶段时,如何实现信息的跨链交互和价值的跨链转移,成为区块... 详细信息

区块链是一项多方共识、可溯源、防篡改的分布式账本技术,为构建高效、可信、安全的数据共享机制和优化业务流程提供了广阔的应用前景。然而,当区块链正处于百花齐放的快速发展阶段时,如何实现信息的跨链交互和价值的跨链转移,成为区块链向纵深伸延过程中亟待解决的问题。首先,在综述已有研究成果的基础上,提出了区块链互操作性的概念,并将其分为链间互操作、层间互操作、分叉间互操作、片间互操作和链上链下互操作五方面进行了讨论;其次,通过梳理区块链跨链操作的演进和实现方式,并借鉴TCP/IP体系结构,设计了跨链操作模型,对主要实现步骤进行了功能描述;再次,针对当前区块链跨链操作研究现状,选择了公证人机制、侧链/中继、哈希锁定和分布式私钥控制四类区块链跨链操作关键技术进行了重点分析;然后,结合技术特点和应用场景,突出应用示范,选取了部分典型跨链应用项目进行了介绍,并对区块链跨链操作的安全性进行了分析;最后,总结探索了区块链互操作性和跨链技术的未来发展趋势。

关键词：区块链互操作性跨链技术信息交换价值转移

来源：评论

学校读者我要写书评

暂无评论

基于源模型贡献量化的多无源域适应

引用

计算机科学 2025年第2期52卷 116-124页

作者：田青刘祥王斌郁江森申镓硕南京信息工程大学软件学院南京210044 南京信息工程大学无锡研究院江苏无锡214000 南京大学计算机软件新技术国家重点实验室南京210023

作为机器学习领域的研究新方向,多无源域适应旨在将多个源域模型中的知识迁移到目标域,以实现对目标域样本的准确预测。本质上,解决多无源域适应的关键在于如何量化多个源模型对目标域的贡献,并利用源模型中的多样性知识来适应目标域。... 详细信息

作为机器学习领域的研究新方向,多无源域适应旨在将多个源域模型中的知识迁移到目标域,以实现对目标域样本的准确预测。本质上,解决多无源域适应的关键在于如何量化多个源模型对目标域的贡献,并利用源模型中的多样性知识来适应目标域。为了应对上述问题,提出了一种基于源模型贡献量化(Source Model Contribution Quantizing,SMCQ)的多无源域适应方法。具体而言,提出了源模型可转移性感知,以量化源模型的可转移性贡献,从而为目标域模型有效地分配源模型的自适应权重。其次,引入了信息最大化方法,以缩小跨域的分布差异,并解决模型退化的问题。然后,提出了可信划分全局对齐方法,该方法用于划分高可信和低可信样本,以应对域差异引起的嘈杂环境,并有效降低标签分配错误的风险。此外,还引入了样本局部一致性损失,以减小伪标签噪声对低可信样本聚类错误的影响。最后,在多个数据集上进行实验,验证了所提方法的有效性。

关键词：多无源域适应多模型贡献量化源模型可转移性感知信息最大化样本可信划分

来源：评论

学校读者我要写书评

暂无评论

基于多原型重放和对齐的类增量无源域适应

引用

计算机科学 2025年第3期52卷 206-213页

作者：田青康陆禄周亮宇南京信息工程大学软件学院南京210044 南京信息工程大学无锡研究院江苏无锡214000 南京大学计算机软件新技术国家重点实验室南京210023

传统无源域适应通常假设目标域数据全部可用,然而在实际应用中目标域数据常以流的形式出现,即未标记的目标域中的类会依次增加,这无疑带来了新的挑战。首先,在每个时间步骤中,目标域的标签空间都是源域的一个子集,盲目对齐反而会导致模... 详细信息

传统无源域适应通常假设目标域数据全部可用,然而在实际应用中目标域数据常以流的形式出现,即未标记的目标域中的类会依次增加,这无疑带来了新的挑战。首先,在每个时间步骤中,目标域的标签空间都是源域的一个子集,盲目对齐反而会导致模型性能下降;其次,在学习新类的过程中会破坏先前学习到的知识,导致之前知识的灾难性遗忘。为了解决这些问题,提出了一种基于多原型重放和对齐(MPRA)的方法。该方法通过累积预测概率检测目标域中的共享类来应对标签空间不一致问题,并采用多原型重放来处理灾难性遗忘,提高模型的记忆能力。同时,基于多原型和源模型权重进行跨域的对比学习,从而对齐特征分布,提高模型性能。大量的实验表明,所提方法在3个基准数据集上都取得了优越的表现。

关键词：无源域适应类增量学习多原型对比学习迁移学习

来源：评论

学校读者我要写书评

暂无评论

区块链数据形成与隐私威胁

引用

计算机工程 2023年第8期49卷 1-12页

作者：王群李馥娟倪雪莉夏玲玲梁广俊江苏警官学院计算机信息与网络安全系南京210031 江苏省电子数据取证分析工程研究中心南京210031 计算机软件新技术国家重点实验室(南京大学) 南京210093

区块链借助于密码学、共识算法、激励机制、点对点网络、分布式账本、智能合约等关键技术,在没有第三方权威机构参与的互不信任网络环境中,实现了对事务记录的分布式一致性、不可篡改性、可溯源性等功能特性,构成了一种崭新的可信、安... 详细信息

区块链借助于密码学、共识算法、激励机制、点对点网络、分布式账本、智能合约等关键技术,在没有第三方权威机构参与的互不信任网络环境中,实现了对事务记录的分布式一致性、不可篡改性、可溯源性等功能特性,构成了一种崭新的可信、安全、可编程的网络生态。与此同时,支撑区块链自身功能实现的相关技术及机制也带来了隐私安全问题。将隐私作为个人数据的一个子集进行研究,从而将区块链数据划分为事务数据和区块数据等2种类型,并通过对区块链数据的解构以及对所得信息的关联,分析隐藏在数据中的隐私信息。从数据传输方式和数据结构方面介绍区块链数据构成;在分析区块链数据特点的基础上,综合对隐私的理解、度量、泄露途径等因素,给出区块链隐私的定义,并从身份隐私、数据隐私、网络隐私等方面进行分析;通过对网络安全、密码学安全、跨链操作、共识算法等方面带来的隐私泄露风险的分析,指出区块链隐私威胁存在的挑战和未来研究方向。

关键词：区块链隐私威胁身份隐私数据隐私网络隐私

来源：评论

学校读者我要写书评

暂无评论

区块链隐私保护机制研究

引用

计算机工程 2023年第4期49卷 1-13页

区块链作为一类由多节点共同维护的分布式账本,综合运用P2P网络、共识算法、智能合约、密码学等技术,在开放网络环境中构建高效率、低成本的去中心化信任机制,实现防篡改、防伪造等安全功能,但同时面临严重的数据隐私泄露风险。基于对... 详细信息

区块链作为一类由多节点共同维护的分布式账本,综合运用P2P网络、共识算法、智能合约、密码学等技术,在开放网络环境中构建高效率、低成本的去中心化信任机制,实现防篡改、防伪造等安全功能,但同时面临严重的数据隐私泄露风险。基于对区块链隐私的理解和对隐私数据形成过程的分析,重点从身份隐私、数据隐私、网络隐私等3个方面分析目前区块链隐私保护的具体技术、工作机制和实现协议。针对身份隐私保护研究,在讨论混币技术的基础上,对比分析中心化混币技术和去中心化混币技术的实现原理和应用特点;针对数据隐私保护研究,介绍零知识证明和环签名技术在区块链隐私保护中的应用;针对网络隐私保护研究,讨论网络数据隐藏技术和通道隔离技术。从隐私内容、隐私威胁、隐私保护机制等3个方面对身份隐私、数据隐私和网络隐私进行对比分析,并结合当前区块链应用,在系统梳理隐私保护研究新进展的基础上,展望区块链隐私保护机制的未来发展趋势。

关键词：区块链隐私保护混币技术隐写通道隔离

来源：评论

学校读者我要写书评

暂无评论

基于多特征融合和Stacking的跨站脚本攻击检测方法

引用

计算机应用与软件 2024年

作者：王铃铜杨少聪王慧玲伊犁师范大学网络安全与信息技术学院伊犁师范大学伊犁河谷智能计算研究与应用重点实验室南京大学计算机软件新技术国家重点实验室(南京大学)

针对现有深度学习方法不能很好捕捉样本局部与全局信息的综合特征、模型泛化能力弱等问题，提出一种名为AutoStacking的跨站脚本攻击检测方法。AutoStacking包含两个阶段：AutoEncoder特征融合阶段和Stacking模型融合阶段。在第一阶段... 详细信息

针对现有深度学习方法不能很好捕捉样本局部与全局信息的综合特征、模型泛化能力弱等问题，提出一种名为AutoStacking的跨站脚本攻击检测方法。AutoStacking包含两个阶段：AutoEncoder特征融合阶段和Stacking模型融合阶段。在第一阶段，提出基于自编码器的特征融合模块GLEncoder，通过自编码器将Transformer提取的全局特征与CNN提取的局部特征进行融合并去除噪声特征。深度挖掘XSS攻击样本中的潜在特征，实现更全面特征表征的同时减轻了伪相关特征的影响。在第二阶段，通过Stacking策略，将多个深度学习模型的预测结果与逻辑回归模型进行组合学习，降低对单一特征的依赖，进一步削弱伪相关特征。实验结果表明，AutoStacking方法在准确率方面达到了99.54%，相较于现有深度学习方法提升约2%，误报率与漏报率综合降低4%。实验结果验证了AutoStacking在处理XSS攻击检测任务时的优越性，能够有效扩展模型的决策空间，提供更为可靠的检测方案。

关键词：跨站脚本攻击自编码器特征融合全局特征局部特征 Stacking

来源：评论

学校读者我要写书评

暂无评论

基于双分支特征融合的跨站脚本攻击检测方法

引用

计算机应用与软件 2024年

针对XSS攻击检测传统分词方法对罕见词和未知词覆盖不全面、现有深度学习方法不能很好结合当前样本局部信息与数据集全局信息表征能力等问题，提出一种基于双分支特征融合的深度学习方法NN-Transformer。该方法包含邻近策略分支和Transf... 详细信息

针对XSS攻击检测传统分词方法对罕见词和未知词覆盖不全面、现有深度学习方法不能很好结合当前样本局部信息与数据集全局信息表征能力等问题，提出一种基于双分支特征融合的深度学习方法NN-Transformer。该方法包含邻近策略分支和Transformer分支，二者通过全连接层连接，实现了标签信息和特征信息的融合，更好地挖掘XSS攻击特征与标签之间的相关性。具体而言，邻近策略分支利用数据驱动的邻近策略，通过在训练集中找到与当前样本最相似的K个样本的标签，帮助模型做出分类决策；Transformer分支引入字节对编码（BPE）分词器，动态调整分词粒度以覆盖未知词和罕见词，同时保留词形信息和上下文关联，以便更准确的提取XSS攻击特征。实验结果表明，NN-Transformer的准确率为99.35%，比近年来的深度学习方法提高了约2%，表明该模型的双分支特征融合能够有效应对XSS攻击。

关键词： XSS攻击特征融合 BPE 标签信息特征信息 Transformer

来源：评论

学校读者我要写书评

暂无评论

车联网边缘计算环境下基于流量预测的高效任务卸载策略研究

引用

电子学报 2024年

作者：许小龙杨威杨辰翊程勇齐连永项昊龙窦万春南京信息工程大学软件学院江苏省大气环境与装备技术协同创新中心江苏省先进计算与智能服务工程研究中心东南大学软件学院中国石油大学(华东)计算机科学与技术学院南京大学计算机软件新技术国家重点实验室

车联网（Internet of Vehicles,IoV）边缘计算通过将移动边缘计算和车联网相结合，实现了车辆计算任务从云服务器向边缘服务器的下沉，从而有效降低了车联网服务的响应时延.然而，车联网中不规则的交通流时空分布会导致边缘服务器计算... 详细信息

车联网（Internet of Vehicles,IoV）边缘计算通过将移动边缘计算和车联网相结合，实现了车辆计算任务从云服务器向边缘服务器的下沉，从而有效降低了车联网服务的响应时延.然而，车联网中不规则的交通流时空分布会导致边缘服务器计算负载不均衡，进而影响车联网服务的实时响应.为此，本文提出了一种车联网边缘计算环境下基于流量预测的高效任务卸载策略.具体而言，首先设计了能充分挖掘路段间连通性和距离信息的切比雪夫图加权网络（Chebyshev graph Weighted Network,ChebWN）进行交通流量预测.然后，设计了一种基于深度强化学习的二元任务卸载方法（DRL-based Binary task Offloading Algorithm,DBOA），该算法将二元任务卸载的决策过程分为两个阶段，即首先通过深度强化学习得到卸载策略，再通过一维双端查找算法确定最大化总计算速率的时间片分配方案，降低了决策过程的复杂度.最后，通过大量的对比实验验证了ChebWN在预测交通流量方面的准确性，以及DBOA在提升车联网服务响应速度方面的优越性.

关键词：移动边缘计算深度强化学习车联网图神经网络(GNN) 任务卸载

来源：评论

学校读者我要写书评

暂无评论

支持乱序执行的Raft协议

引用

软件学报 2021年第6期32卷 1748-1778页

作者：谷晓松魏恒峰乔磊黄宇计算机软件新技术国家重点实验室(南京大学) 江苏南京210023 北京控制工程研究所北京100190

PolarFS是阿里巴巴开发的分布式文件系统,它实现了分布式共识协议Raft的一种变体,称为***突破了Raft中顺序提交、顺序执行的限制,允许状态机乱序执行用户命令.然而文献表明:ParallelRaft并未开源,仅有简短的文字描述,更缺乏严格的形式... 详细信息

PolarFS是阿里巴巴开发的分布式文件系统,它实现了分布式共识协议Raft的一种变体,称为***突破了Raft中顺序提交、顺序执行的限制,允许状态机乱序执行用户命令.然而文献表明:ParallelRaft并未开源,仅有简短的文字描述,更缺乏严格的形式化规约.更进一步,它的正确性也尚未经过必要的数学论证或形式化检验.旨在为ParallelRaft提供严格的形式化规约并证明其正确性,主要贡献包括:首先,为了理清ParallelRaft与Raft之间的关系,提出了允许乱序提交、顺序执行的ParallelRaft-SE(sequential execution)协议,并建立了从ParallelRaft-SE到Multi-Paxos的精化关系;其次,现有的ParallelRaft描述忽略了可能会违反状态一致性的"幽灵日志"问题,因此在ParallelRaft-SE的基础上提出了ParallelRaft-CE(concurrent execution)协议.ParallelRaft-CE限制了ParallelRaft-SE在乱序提交阶段的并行度,避免了"幽灵日志"问题,支持乱序执行,并保证乱序执行下的状态机一致性.证明了ParallelRaft-CE的正确性.最后,使用TLA+给出了ParallelRaft-SE和ParallelRaft-CE的形式化规约,并对协议参与者数量较小的情形,使用TLC模型检验与模拟测试工具验证了从ParallelRaft-SE到Multi-Paxos的精化关系以及ParallelRaft-CE的正确性.

关键词： Raft ParallelRaft Multi-Paxos 共识协议 TLA+ 精化关系模型检验

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

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：