检索结果-内蒙古大学图书馆

计算机科学 2024年

作者：付文浩葛礼勇汪文张淳南京邮电大学计算机学院

为了解决多无人机在三维未知障碍环境中对动态目标追击的路径规划问题，将人工势场法与深度强化学习算法结合，提出一种基于改进Dueling Deep Q Network(Dueling-DQN)的多无人机路径规划算法，用以解决多无人机合作捕捉动态目标的路径... 详细信息

为了解决多无人机在三维未知障碍环境中对动态目标追击的路径规划问题，将人工势场法与深度强化学习算法结合，提出一种基于改进Dueling Deep Q Network(Dueling-DQN)的多无人机路径规划算法，用以解决多无人机合作捕捉动态目标的路径规划问题。首先，将人工势场法的思想融入到多无人机合作捕捉动态目标的训练奖励函数中，不仅解决了传统人工势场法复杂环境中表现不佳，易陷入局部最优的问题，同时解决了多无人机合作和无人机复杂环境避障问题。此外，为了使无人机之间能更好合作捕捉动态目标，设计了一种多无人机与动态目标的捕捉逃逸策略。仿真结果表明，与Dueling-DQN算法相比，文中提出的APF-Dueling-DQN算法有效降低了无人机航迹规划任务过程中发生碰撞的概率，缩短捕捉动态目标所需规划路径长度。

关键词：多无人机 Dueling-DQN 路径规划避障人工势场捕捉逃逸

来源：评论

学校读者我要写书评

暂无评论

基于最优邻域搜索改进模拟退火的多雷达优化布站

引用

东南大学学报（自然科学版） 2024年第5期54卷 1322-1329页

作者：刘林姜龙玉张伯雷东南大学计算机科学与工程学院南京211189 南京电子技术研究所南京210039 南京邮电大学计算机学院南京210046

针对多雷达组网探测系统,首先建立以空域覆盖率为优化目标、以多雷达位置为优化变量的数学模型,将多雷达布站建模为一个离散优化问题,从而筹划形成最优的多雷达部署方案.其次提出一种基于最优邻域搜索的改进模拟退火算法,通过在历史全... 详细信息

针对多雷达组网探测系统,首先建立以空域覆盖率为优化目标、以多雷达位置为优化变量的数学模型,将多雷达布站建模为一个离散优化问题,从而筹划形成最优的多雷达部署方案.其次提出一种基于最优邻域搜索的改进模拟退火算法,通过在历史全局最优解的邻域范围内搜索产生新解来提升算法收敛速度;为确保算法的有效性,利用多项复杂性能测试函数对改进算法进行全面的性能分析.最后,在典型的仿真场景中,设定6部雷达、2个高度层的环境条件,对提出的算法进行验证.仿真结果表明,基于最优邻域搜索的改进模拟退火算法在收敛速度上表现优异,且以此为基础得到的多雷达布站方案能够满足任务需求,确保空域覆盖率的最大化.

关键词：多雷达优化布站最优邻域搜索改进模拟退火算法任务规划智能优化

来源：评论

学校读者我要写书评

暂无评论

基于抽象语法树嵌入的智能合约漏洞检测技术

引用

计算机工程 2024年

作者：徐瀅傅紫薇张伟陈云芳南京邮电大学计算机学院

目前基于深度学习的智能合约漏洞检测方案中，直接使用字节码或源码进行文本序列的特征表达存在对程序语义特征理解的不足，基于抽象语法树嵌入的智能合约漏洞检测技术充分考虑了合约向量化表达需要的语法和语义特征以及合适的处理粒度... 详细信息

目前基于深度学习的智能合约漏洞检测方案中，直接使用字节码或源码进行文本序列的特征表达存在对程序语义特征理解的不足，基于抽象语法树嵌入的智能合约漏洞检测技术充分考虑了合约向量化表达需要的语法和语义特征以及合适的处理粒度，能够更加准确地捕捉智能合约漏洞特征。首先，根据Solidity语法树解析设计了一种抽象语法树嵌入的智能合约向量化方法，对语句级别的节点类型递归划分生成一系列语句树，然后采用递归神经网络自底向上地对每个语句树进行编码，将复杂的抽象语法树结构转化为语句级别的特征向量，在此基础上构建了基于注意力机制的双向门控循环神经网络模型，实现对语句树序列特征的学习，完成了对重入漏洞、未校验返回值、时间戳依赖、访问权限控制和拒绝服务攻击五种典型漏洞的检测及分类。实验结果表明，基于抽象语法树嵌入的向量化方法相较于直接将源码视为文本序列进行向量化的方法在micro-F1和macro-F1指标上分别提高了13%和10%，在时间戳依赖、访问权限控制以及拒绝服务攻击漏洞分类任务中，加入注意力机制的双向门控循环神经网络模型的F1分数高达88%以上。

关键词：区块链安全智能合约漏洞检测抽象语法树深度学习

来源：评论

学校读者我要写书评

暂无评论

针对多样化网络需求下的优先级队列与流量调度算法

引用

计算机工程 2024年

作者：陈杰王俊昌胡嘉晨许杨南京邮电大学计算机学院

随着互联网的不断发展，不同应用对性能的需求也呈现多样化趋势。例如，云存储和文件共享服务等应用依赖于高吞吐量以实现高速的数据传输，而多人在线游戏等应用则侧重于低延迟，以保证用户间的即时交互和优质游戏体验。然而，现有的网... 详细信息

随着互联网的不断发展，不同应用对性能的需求也呈现多样化趋势。例如，云存储和文件共享服务等应用依赖于高吞吐量以实现高速的数据传输，而多人在线游戏等应用则侧重于低延迟，以保证用户间的即时交互和优质游戏体验。然而，现有的网络交换设备大多采用固定的硬件架构和预定义的转发规则来处理数据流，随着互联网应用场景的多样化，这些固定的架构和功能限制了它们对不同网络流量类型的适应能力，很难为不同类型的应用提供差异化服务。针对这些局限，提出了一种使用不同优先级队列的流量调度算法。它通过交换机的数据平面实时监控流的特征，并动态地将不同的流量分配到具有不同转发优先级的队列，能够更有效地处理不同类型的流量，使得网络服务能够根据不同应用场景灵活提供资源分配。通过搭建实验平台和仿真实验的验证，采用不同优先级队列隔离流量的方法能够实现小流的低延迟、大流的高吞吐量以及降低丢包率等多个目标。这些实验结果为满足不同应用程序的性能需求提供了有力的支持。

关键词：流量分类队列管理服务质量拥塞控制流量隔离

来源：评论

学校读者我要写书评

暂无评论

NDN区块链网络拓扑结构性能分析及优化模型

引用

通信学报 2024年第11期45卷 46-58页

作者：修佳鹏刘卉馨杨正球张德昊郭少勇北京邮电大学计算机学院(国家示范性软件学院) 北京100876

为进一步提升基于命名数据网络(NDN)的区块链系统的网络层传输性能,提出一种NDN区块链网络拓扑结构性能分析及优化模型,该模型包括NDN区块链系统中区块同步时间和区块传输冗余度的计算方法、基于区块同步时间和区块传输冗余度的网络拓... 详细信息

为进一步提升基于命名数据网络(NDN)的区块链系统的网络层传输性能,提出一种NDN区块链网络拓扑结构性能分析及优化模型,该模型包括NDN区块链系统中区块同步时间和区块传输冗余度的计算方法、基于区块同步时间和区块传输冗余度的网络拓扑结构评分指标体系和基于网络拓扑结构属性和评分的网络拓扑结构优化方案。利用所提模型,可以解决基于TCP/IP的区块链网络拓扑结构评价模型与NDN区块链的不适配性,并且在已知网络环境参数和NDN网络层数据同步方法的前提下,完成性能指标计算和分析,为NDN区块链的实际组网提供优化方案。实验结果表明,使用所提模型对9个节点的网络拓扑结构进行分析和优化,优化后的网络拓扑结构与原有评分最高的网络拓扑结构相比,可以在维持区块传输冗余度不变的情况下,将区块同步时间从2.95 s降低至2.37 s,降低了19.66%,同时评分由0.64提升至0.82,证明所提模型在提升NDN区块链性能上具有较好的效果。

关键词： NDN 区块链传输性能网络拓扑性能分析及优化冗余度

来源：评论

学校读者我要写书评

暂无评论

引入局部特征对齐和原型修正的少样本图像分类模型

引用

小型微型计算机系统 2024年

作者：李平宋琦张锋南京邮电大学计算机学院

少样本学习是目前机器学习领域研究的热点问题.其目标是学习一个具有良好泛化能力的模型，在面对新类别时，该模型能够利用少量的标注图像来掌握新类别的概念.本文针对现有少样本模型仅单独使用全局特征或单独使用局部特征导致的信息未... 详细信息

少样本学习是目前机器学习领域研究的热点问题.其目标是学习一个具有良好泛化能力的模型，在面对新类别时，该模型能够利用少量的标注图像来掌握新类别的概念.本文针对现有少样本模型仅单独使用全局特征或单独使用局部特征导致的信息未能充分利用问题，以及未考虑噪声影响导致样本服从不同分布假设问题，提出一种引入局部特征对齐和原型修正机制的少样本图像分类模型（ARNet）.该模型首先通过卷积神经网络提取数据的全局和局部特征，进而利用最大均值差异对全局特征进行加权，从而对类原型进行修正.同时，为了能够充分利用局部特征，模型使用神经网络建模局部特征权重，进而实现局部特征的语义对齐.在多个少样本学习数据集上的实验结果表明，ARNet通过充分利用图像数据的全局和局部特征，获得了明显优于现有模型的分类精度.本文实验代码下载链接为https://***/zxCode6/ARNet.

关键词：少样本学习全局特征局部特征特征对齐原型修正

来源：评论

学校读者我要写书评

暂无评论

结合多视图学习的分心驾驶行为识别方法研究

引用

小型微型计算机系统 2024年

作者：沈澍刘秉松朱浩黄苏岩南京邮电大学计算机学院

随着科技发展，汽车驾驶引发的交通事故日益增长。其中驾驶员分心驾驶导致的事故最多。本文引入多视图学习与图卷积对分心驾驶行为识别的方法进行了深入研究。首先，本文构建了多视图分心驾驶行为数据集MDAD。然后，本文以View-GCN为模... 详细信息

随着科技发展，汽车驾驶引发的交通事故日益增长。其中驾驶员分心驾驶导致的事故最多。本文引入多视图学习与图卷积对分心驾驶行为识别的方法进行了深入研究。首先，本文构建了多视图分心驾驶行为数据集MDAD。然后，本文以View-GCN为模型基础架构，基于任务需求与实际采集信息设计了各个视图的顶点空间坐标位置，并对基础架构中视角采样器与训练过程中损失函数的组合策略进行了调整，构建了多视图分心驾驶行为识别模型MVD-GCN，其准确率高达91.54%。经过各种对比实验，本文验证了MVD-GCN不仅在与传统单视图模型的对比中展现了明显的优势，而且在与本文中使用其他方法训练的多视图模型相比，也显示出了更高的分类性能。

关键词：多视图学习多视图分心驾驶行为数据集图卷积驾驶行为识别

来源：评论

学校读者我要写书评

暂无评论

基于身份的密钥隔离的多云多副本可证数据持有方案

引用

计算机科学 2025年第1期52卷 401-411页

作者：周杰王化群南京邮电大学计算机学院南京210023

可证数据持有方案(Provable Data Possession, PDP)可以让用户在不下载全部数据的情况下验证其外包数据是否完好无损。为了提高外包数据的可用性和安全性,许多用户将数据的多个副本存储在单云服务器上,但是单云服务器在发生故障或者其... 详细信息

可证数据持有方案(Provable Data Possession, PDP)可以让用户在不下载全部数据的情况下验证其外包数据是否完好无损。为了提高外包数据的可用性和安全性,许多用户将数据的多个副本存储在单云服务器上,但是单云服务器在发生故障或者其他意外情况时,用户存储的数据副本也会遭到破坏因而无法恢复原始数据。同时,许多可证数据持有方案依赖于公钥基础设施(Public Key Infrastructure, PKI)技术,存在密钥管理问题。此外,现有的可证数据持有方案大多是在用户端使用密钥对数据进行处理。由于用户端的安全意识较弱或者安全设置较低,密钥可能会有泄露的风险。恶意云一旦获得了用户端的密钥,就可以通过伪造虚假的数据持有证明来隐藏数据丢失的事件。基于上述问题,提出了一种基于身份的密钥隔离的多云多副本可证数据持有方案(Identity-Based Key-Insulated Provable Multi-Copy Data Possession in Multi-Cloud Storage, IDKIMC-PDP)。基于身份的可证数据持有方案消除了公钥基础设施技术中复杂的证书管理。多云多副本确保了即使在某个云服务器上的副本被篡改或者被破坏的情况下,用户仍然可以从其他云服务器上获取副本并恢复数据。同时,方案中使用了密钥隔离技术实现了前向和后向安全。即使某一时间段内的密钥泄露,其他时间段内云存储审计的安全性也不会受到影响。给出了该方案的正式定义、系统模型和安全模型;在标准困难问题下,给出了该方案的安全性证明。安全性分析表明,IDKIMC-PDP方案具有强抗密钥泄露性、可检测性以及数据块标签和证明的不可伪造性。实验结果表明,与现有的多云多副本相关方案相比,IDKIMC-PDP方案具有相对较高的效率。

关键词：可证数据持有密钥隔离基于身份的签名多云多副本

来源：评论

学校读者我要写书评

暂无评论

基于深度强化学习的Windows域渗透攻击路径生成方法

引用

计算机科学 2025年第3期52卷 400-406页

作者：霍兴鹏沙乐天刘建文吴尚苏子悦南京邮电大学计算机学院南京210023

Windows域被视作内网渗透测试的重点目标,然而Windows域渗透测试的场景和方法与常规的内网渗透有很大差异。因此,当前常规的智能化路径发现研究并不适用于Windows域环境。为了增强Windows域的安全防护,提出了一种基于深度强化学习的Wind... 详细信息

Windows域被视作内网渗透测试的重点目标,然而Windows域渗透测试的场景和方法与常规的内网渗透有很大差异。因此,当前常规的智能化路径发现研究并不适用于Windows域环境。为了增强Windows域的安全防护,提出了一种基于深度强化学习的Windows域渗透测试路径自动化生成方法。首先,将Windows域渗透测试场景建模为马尔可夫决策过程,通过OpenAI的Gymnasium设计了一个适用于强化学习的模拟器;其次,为了解决在大动作空间和观察空间下的探索不充分问题,提出了通过先验知识对冗余动作进行削减并对无效观察空间进行压缩的方法;最后,在小型服务器中利用虚拟机技术部署Windows域环境,以NDD-DQN作为基础算法,实现了在真实环境中从信息收集、模型构建到路径生成的全流程自动化。实验结果表明,所提方法在真实的Windows复杂环境中具有良好的模拟和训练效果。

关键词：渗透测试 Windows域深度强化学习 DQN算法攻击路径

来源：评论

学校读者我要写书评

暂无评论

基于单语优先级采样自训练神经机器翻译的研究

引用

通信学报 2024年第4期45卷 65-72页

作者：张笑燕逄磊杜晓峰陆天波夏亚梅北京邮电大学计算机学院(国家示范性软件学院) 北京100876

为了提高神经机器翻译(NMT)性能,改善不确定性过高的单语在自训练过程中对NMT模型的损害,提出了一种基于优先级采样的自训练神经机器翻译模型。首先,通过引入语法依存分析构建语法依存树并计算单语单词重要程度。然后,构建单语词典并基... 详细信息

为了提高神经机器翻译(NMT)性能,改善不确定性过高的单语在自训练过程中对NMT模型的损害,提出了一种基于优先级采样的自训练神经机器翻译模型。首先,通过引入语法依存分析构建语法依存树并计算单语单词重要程度。然后,构建单语词典并基于单语单词的重要程度和不确定性定义优先级。最后,计算单语优先级并基于优先级进行采样,进而合成平行数据集,作为学生NMT的训练输入。在大规模WMT英德部分数据集上的实验结果表明,所提模型能有效提升NMT的翻译效果,并改善不确定性过高对模型的损害。

关键词：机器翻译数据增强自训练不确定性语法依存

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：