检索结果-内蒙古大学图书馆

计算机工程 2022年第12期48卷 112-118页

作者：胡彬王晓军张雷南京邮电大学计算机学院南京210023 南京邮电大学物联网学院南京210023

元学习期望训练所得的元模型在学习到的“元知识”基础上利用来自新任务的少量标注样本,仅通过较少的梯度下降步骤微调模型就能够快速适应该任务。但是,由于缺乏训练样本,元学习算法在元训练期间对现有任务过度训练时所得的分类器决策... 详细信息

元学习期望训练所得的元模型在学习到的“元知识”基础上利用来自新任务的少量标注样本,仅通过较少的梯度下降步骤微调模型就能够快速适应该任务。但是,由于缺乏训练样本,元学习算法在元训练期间对现有任务过度训练时所得的分类器决策边界不够准确,不合理的决策边界使得元模型更容易受到微小对抗扰动的影响,导致元模型在新任务上的鲁棒性能降低。提出一种半监督对抗鲁棒模型无关元学习(semi-ARMAML)方法,在目标函数中分别引入半监督的对抗鲁棒正则项和基于信息熵的任务无偏正则项,以此优化决策边界,其中对抗鲁棒正则项的计算允许未标注样本包含未见过类样本,从而使得元模型能更好地适应真实应用场景,降低对输入扰动的敏感性,提高对抗鲁棒性。实验结果表明,相比ADML、R-MAML-TRADES等当下主流的对抗元学习方法,semi-ARMAML方法在干净样本上准确率较高,在MiniImageNet数据集的5-way 1-shot与5-way 5-shot任务上对抗鲁棒性能分别约提升1.8%和2.7%,在CIFAR-FS数据集上分别约提升5.2%和8.1%。

关键词：少样本学习元学习对抗训练半监督学习对抗鲁棒性

来源：评论

学校读者我要写书评

暂无评论

抗推理攻击的隐私增强联邦学习算法

引用

计算机科学 2023年第9期50卷 62-67页

作者：赵宇豪陈思光苏健南京邮电大学物联网学院南京210003 南京信息工程大学计算机学院南京210044

联邦学习在保证各分布式客户端训练数据不出本地的情况下,由中心服务器收集梯度协同训练全局网络模型,具有良好的性能与隐私保护优势。但研究表明,联邦学习存在梯度传递引起的数据隐私泄漏问题。针对现有安全联邦学习算法存在的模型学... 详细信息

联邦学习在保证各分布式客户端训练数据不出本地的情况下,由中心服务器收集梯度协同训练全局网络模型,具有良好的性能与隐私保护优势。但研究表明,联邦学习存在梯度传递引起的数据隐私泄漏问题。针对现有安全联邦学习算法存在的模型学习效果差、计算开销大和防御攻击种类单一等问题,提出了一种抗推理攻击的隐私增强联邦学习算法。首先,构建了逆推得到的训练数据与训练数据距离最大化的优化问题,基于拟牛顿法求解该优化问题,获得具有抗推理攻击能力的新特征。其次,利用新特征生成梯度实现梯度重构,基于重构后的梯度更新网络模型参数,可提升网络模型的隐私保护能力。最后,仿真结果表明所提算法能够同时抵御两类推理攻击,并且相较于其他安全方案,所提算法在保护效果与收敛速度上更具优势。

关键词：联邦学习推理攻击隐私保护梯度扰动

来源：评论

学校读者我要写书评

暂无评论

物联网数据流威胁致效机理研究

引用

计算机科学 2024年

作者：孙瑞杰李鹏朱枫南京邮电大学计算机学院国家高性能计算中心南京分中心南京邮电大学网络安全和可信计算研究所

随着物联网设备的数量爆炸性增长，针对物联网设备的攻击手段也开始变得多样且隐蔽。基于机器学习的检测方法已经得到了积极的研究，并具有巨大的潜力。然而它们的模型被认为是黑匣子，很难解释它们的分类结果，因此无法说明物联网威胁... 详细信息

随着物联网设备的数量爆炸性增长，针对物联网设备的攻击手段也开始变得多样且隐蔽。基于机器学习的检测方法已经得到了积极的研究，并具有巨大的潜力。然而它们的模型被认为是黑匣子，很难解释它们的分类结果，因此无法说明物联网威胁特有的手段与模式。为了解决这个问题，本文基于ATT&CK框架，构建了技术-特征字典，将攻击技术进行了流量的特征化描述；并构建了威胁-技术数据库，将网络威胁分解到了攻击技术的层面。本文设计了基于致效机理的威胁检测模型，构建了实时流量特征矩阵，归纳流量受到的攻击技术，将技术序列代入威胁-技术数据库，得到可能受到的威胁及其概率。试验结果表明，本模型对于数据集中的威胁检测率高达99.595%，与传统方法相比具有相当的效果，并且可以根据实验环境需要调节误报率，且为分析人员提供了可靠的攻击路径解释。

关键词：物联网数据流威胁检测致效机理 ATT&CK框架

来源：评论

学校读者我要写书评

暂无评论

采用重参数网络的Transformer目标跟踪

引用

计算机辅助设计与图形学学报 2023年第10期35卷 1521-1531页

作者：钱小燕施俞洲张峰朱新瑞韩磊李智昱南京航空航天大学民航学院南京210000 南京华为技术有限公司南京210000 南京邮电大学计算机科学与技术学院南京210000

针对目前基于Siamese结构的目标跟踪计算量大且不能实现模板与搜索区域间充分信息交融的问题,提出基于重参数网络的Transformer目标跟踪算法.首先采用重参数法降低跟踪过程中骨干网络计算量,训练时采用多分支并行结构,测试跟踪过程中使... 详细信息

针对目前基于Siamese结构的目标跟踪计算量大且不能实现模板与搜索区域间充分信息交融的问题,提出基于重参数网络的Transformer目标跟踪算法.首先采用重参数法降低跟踪过程中骨干网络计算量,训练时采用多分支并行结构,测试跟踪过程中使用重参数法将多分支并行结构重构成单分支串行结构;然后对骨干网络提取的模板特征图和搜索区域特征图使用Transformer结构进行自注意力加强,通过交叉注意力层实现像素级信息交融;最后将完成充分交融的信息映射到分类分支、中心度估计分支与边框回归分支,其中,边框回归分支采用最新的CIoU-Loss进行训练,使得跟踪算法精确度更高,具有更强鲁棒性的同时满足实时性.实验结果表明,所提算法在大规模基准数据集GOT-10k上平均重叠率为0.606,超越SiamFC++算法0.011;在大规模数据集LaSOT上,成功率、归一化精确度、精确度分别达到0.554,0.659和0.581,比SiamFC++算法提高了0.010,0.036和0.034.

关键词：目标跟踪重参数法注意力机制 Transformer

来源：评论

学校读者我要写书评

暂无评论

面向6G工业物联网的联邦学习:从需求、愿景到挑战、机遇

引用

电子与信息学报 2024年第12期46卷 4335-4353页

作者：刘淼夏雨虹赵海涛郭亮施政朱洪波南京邮电大学通信与信息工程学院南京210003 中国信息通信研究院云计算与大数据研究所北京100191

随着6G技术的蓬勃发展和工业物联网的不断演进,联邦学习在工业领域的应用备受关注。因此,该文专注于探讨6G推动下工业物联网中联邦学习的发展与应用潜力,分析6G在工业物联网的应用前景,探索如何结合6G特性利用联邦学习技术满足数据隐私... 详细信息

随着6G技术的蓬勃发展和工业物联网的不断演进,联邦学习在工业领域的应用备受关注。因此,该文专注于探讨6G推动下工业物联网中联邦学习的发展与应用潜力,分析6G在工业物联网的应用前景,探索如何结合6G特性利用联邦学习技术满足数据隐私保护、资源优化和智能决策需求。首先,调研总结了现有相关工作,提出了联邦学习技术面向6G工业物联网应用场景的发展需求与愿景。在此基础上,构建了一种基于分层跨域架构的工业联邦学习新范式,旨在融合6G与数字孪生技术赋能实现泛在、灵活、层次化的联邦学习,以支撑典型工业物联网场景中按需、可靠的分布式智能业务,实现运营信息通信技术(OCIT)的融合。其次,分析归纳了面向6G工业物联网的联邦学习(6G IIoT-FL)可能面临的研究挑战,并提出了潜在的解决方案或建议。最后,指出了该技术未来值得关注的相关方向,旨在一定程度上为后续研究开拓思路。

关键词：工业物联网联邦学习 6G 数字孪生 OICT融合

来源：评论

学校读者我要写书评

暂无评论

基于空时变换网络的视频摘要生成

引用

软件学报 2022年第9期33卷 3195-3209页

作者：李群肖甫张子屹张锋李延超南京邮电大学计算机学院、软件学院、网络空间安全学院江苏南京210023

生成是计算机视觉领域必不可少的关键任务,这一任务的目标是通过选择视频内容中信息最丰富的部分来生成一段简洁又完整的视频摘要,从而对视频内容进行总结.所生成的视频摘要通常为一组有代表性的视频帧(如视频关键帧)或按时间顺序将关... 详细信息

生成是计算机视觉领域必不可少的关键任务,这一任务的目标是通过选择视频内容中信息最丰富的部分来生成一段简洁又完整的视频摘要,从而对视频内容进行总结.所生成的视频摘要通常为一组有代表性的视频帧(如视频关键帧)或按时间顺序将关键视频片段缝合所形成的一个较短的视频.虽然视频摘要生成方法的研究已经取得了相当大的进展,但现有的方法存在缺乏时序信息和特征表示不完备的问题,很容易影响视频摘要的正确性和完整性.为了解决视频摘要生成问题,提出一种空时变换网络模型,该模型包括3大模块,分别为:嵌入层、特征变换与融合层、输出层.其中,嵌入层可同时嵌入空间特征和时序特征,特征变换与融合层可实现多模态特征的变换和融合,最后输出层通过分段预测和关键镜头选择完成视频摘要的生成.通过空间特征和时序特征的分别嵌入,以弥补现有模型对时序信息表示的不足;通过多模态特征的变换和融合,以解决特征表示不完备的问题.在两个基准数据集上做了充分的实验和分析,验证了所提模型的有效性.

关键词：视频摘要生成空时变换网络 ViLBERT 特征融合多模态

来源：评论

学校读者我要写书评

暂无评论

三维步态识别研究进展

引用

中国图象图形学报 2024年第7期29卷 1921-1933页

作者：沈澍张文昊丁浩张浩沙超王森陈书军南京邮电大学计算机学院南京210023 江苏警官学院刑事科学技术系南京210031 南京工业大学机械与动力工程学院南京211800

步态识别在身份识别领域具有重要的研究意义。随着技术的发展,步态识别的研究热点正从二维(2D)转向三维(3D)。与图像固有的2D信息相比,用视觉技术还原的3D信息能更有效地预测人员的身份。在2D视觉领域中,由于受到物体遮挡、视角变化等... 详细信息

步态识别在身份识别领域具有重要的研究意义。随着技术的发展,步态识别的研究热点正从二维(2D)转向三维(3D)。与图像固有的2D信息相比,用视觉技术还原的3D信息能更有效地预测人员的身份。在2D视觉领域中,由于受到物体遮挡、视角变化等因素的影响,传统的步态识别方法在实际应用中难以取得理想的识别性能。基于人体3D重建和人体3D姿态估计等3D人体技术,近年来的研究在3D步态识别领域取得了一系列进展。本文介绍了3D步态识别方法,探讨了基于3D步态的身份识别领域的研究现状、优势与不足;总结了主要的3D步态数据集;讨论了3D识别方法与2D识别方法的对比;提出了3D身份识别领域未来潜在的研究方向,包括3D数据集的采集和整理、2D和3D数据的多模态融合等。

关键词：计算机视觉生物特征识别步态识别三维人体身份识别三维建模

来源：评论

学校读者我要写书评

暂无评论

面向深度学习的后门攻击及防御研究综述

引用

软件学报 2025年

作者：高梦楠陈伟吴礼发张伯雷南京邮电大学计算机学院软件学院网络空间安全学院江苏省大数据安全与智能处理重点实验室(南京邮电大学)

深度学习模型是人工智能系统的重要组成部分,被广泛应用于现实多种关键场景.现有研究表明,深度学习的低透明度与弱可解释性使得深度学习模型对扰动敏感.人工智能系统面临多种安全威胁,其中针对深度学习的后门攻击是人工智能系统面临的... 详细信息

深度学习模型是人工智能系统的重要组成部分,被广泛应用于现实多种关键场景.现有研究表明,深度学习的低透明度与弱可解释性使得深度学习模型对扰动敏感.人工智能系统面临多种安全威胁,其中针对深度学习的后门攻击是人工智能系统面临的重要威胁.为了提高深度学习模型的安全性,全面地介绍计算机视觉、自然语言处理等主流深度学习系统的后门攻击与防御研究进展.首先根据现实中攻击者能力将后门攻击分为全过程可控后门、模型修改后门和仅数据投毒后门.然后根据后门构建方式进行子类划分.接着根据防御策略对象将现有后门防御方法分为基于输入的后门防御与基于模型的后门防御.最后汇总后门攻击常用数据集与评价指标,并总结后门攻击与防御领域存在的问题,在后门攻击的安全应用场景与后门防御的有效性等方面提出建议与展望.

关键词：深度学习后门攻击后门防御人工智能安全

来源：评论

学校读者我要写书评

暂无评论

联邦学习中的隐私保护技术研究

引用

信息安全研究 2024年第3期10卷 194-201页

作者：刘晓迁许飞马卓袁明钱汉伟江苏警官学院计算机信息与网络安全系南京210031 南京邮电大学计算机学院南京210023 南京大学软件学院南京210023

联邦学习中多个模型在不共享原始数据的情况下通过参数协调进行训练.大量的参数交换使模型不仅容易受到外部使用者的威胁,还会遭到内部参与方的攻击,因此联邦学习中的隐私保护技术研究至关重要.介绍了联邦学习中的隐私保护研究现状;将... 详细信息

联邦学习中多个模型在不共享原始数据的情况下通过参数协调进行训练.大量的参数交换使模型不仅容易受到外部使用者的威胁,还会遭到内部参与方的攻击,因此联邦学习中的隐私保护技术研究至关重要.介绍了联邦学习中的隐私保护研究现状;将联邦学习的安全威胁分为外部攻击和内部攻击,并以此分类为基础归纳总结了模型反演攻击、外部重建攻击、外部推断攻击等外部攻击技术和投毒攻击、内部重建攻击、内部推断攻击等内部攻击技术.从攻防对应的角度,归纳总结了中心化差分隐私、本地化差分隐私和分布式差分隐私等数据扰动技术和同态加密、秘密共享和可信执行环境等过程加密技术.最后,分析了联邦学习隐私保护技术的难点,指出了联邦学习隐私保护技术提升的关键方向.

关键词：联邦学习隐私攻击差分隐私同态加密隐私保护

来源：评论

学校读者我要写书评

暂无评论

基于图注意力机制的复杂网络关键节点识别

引用

复杂系统与复杂性科学 2023年

作者：张明磊宋玉蓉曲鸿博南京邮电大学计算机学院软件学院网络空间安全学院南京邮电大学自动化学院人工智能学院

为利用图注意力机制解决复杂网络中的关键节点识别问题，综合考虑节点传播力和结构影响力，在生成网络上构建训练标签，通过图注意力网络模型学习节点重要性。实验证明该算法在影响最大化和免疫隔离两个关键任务中表现出色。

关键词：关键节点识别复杂网络影响力最大化病毒传播

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：