检索结果-内蒙古大学图书馆

电子与信息学报 2025年第2期47卷 427-438页

作者：张涛张迁朱颖雯代陈江苏开放大学信息工程学院南京210000 南京航空航天大学计算机科学与技术学院南京210016 南京邮电大学计算机学院南京210023

为了应对智能反射面(RIS)辅助的无人机(UAV)在物联网数据收集过程中能量高效利用与信息收集时效性之间的均衡问题,该文提出一种基于深度强化学习的数据收集优化策略。针对无人机在数据采集过程中的飞行能耗、通信复杂性及采集信息时效性... 详细信息

为了应对智能反射面(RIS)辅助的无人机(UAV)在物联网数据收集过程中能量高效利用与信息收集时效性之间的均衡问题,该文提出一种基于深度强化学习的数据收集优化策略。针对无人机在数据采集过程中的飞行能耗、通信复杂性及采集信息时效性(AoI)约束,设计了一种基于双深度Q网络(DDQN)的联合优化方案,涵盖无人机轨迹规划、物联网设备调度以及智能反射面相位调整。该方案有效缓解了传统Q学习方法中Q值过估计的问题,使无人机能够根据实时环境动态调整飞行轨迹和通信策略,从而在提升数据传输效率的同时降低能量消耗。仿真结果表明,与传统方法相比,所提方案能够显著提高数据收集效率。此外,通过合理分配能量与通信资源,所提方案能够动态适应不同通信环境参数变化,确保系统在能耗与AoI之间达到最佳均衡。

关键词：无人机辅助通信时效性深度强化学习智能反射面

来源：评论

学校读者我要写书评

暂无评论

基于设备WiFi重连流量的隐蔽智能摄像头检测方法

引用

信息安全研究 2025年第2期11卷 173-180页

作者：郭回马骏臣吴礼发南京邮电大学计算机学院、软件学院、网络空间安全学院南京210023

随着物联网技术的快速发展,智能摄像头由于易用性和低成本,在个人及公共安全方面得到广泛使用.然而,未授权录像问题也引发了人们对于隐私安全的担忧,因此特定环境内隐蔽智能摄像头的检测和识别具有重要意义.现有隐蔽智能摄像头检测方法... 详细信息

随着物联网技术的快速发展,智能摄像头由于易用性和低成本,在个人及公共安全方面得到广泛使用.然而,未授权录像问题也引发了人们对于隐私安全的担忧,因此特定环境内隐蔽智能摄像头的检测和识别具有重要意义.现有隐蔽智能摄像头检测方法无法准确地检测出那些将数据延迟传输或保存到本地的摄像头,因为这些方法主要依赖用户查看监控时所产生的摄像头音视频网络流量.针对这一问题,提出了一种基于设备WiFi重连流量的隐蔽智能摄像头检测方法.该方法通过MDK4泛洪攻击使得已接入WiFi热点的所有智能设备下线重连,然后嗅探和分析环境内智能设备重连WiFi过程中产生的加密流量,利用机器学习方法检测出其中的隐蔽智能摄像头设备.实验结果表明,没有接入WiFi的情况下,对于延迟传输或数据被保存在本地的隐蔽智能摄像头设备,该方法仍然具有较高的检测准确率.

关键词：加密流量隐蔽智能摄像头检测 WiFi 机器学习物联网安全

来源：评论

学校读者我要写书评

暂无评论

基于动态样本选择的概念漂移自适应预测方法

引用

电子学报 2024年第9期52卷 3228-3239页

作者：代劲李昊王国胤重庆邮电大学软件学院重庆400065 重庆邮电大学计算机学院重庆400065 计算智能重庆市重点实验室重庆400065

概念漂移是影响流数据挖掘性能的重要因素,当前主要通过增量更新或重训练模型进行处理,但对已有知识并未充分利用.从综合利用全体样本出发,本文构建了一种基于动态样本选择的概念漂移自适应分类方法.该方法在新样本到来时进行基于局部... 详细信息

概念漂移是影响流数据挖掘性能的重要因素,当前主要通过增量更新或重训练模型进行处理,但对已有知识并未充分利用.从综合利用全体样本出发,本文构建了一种基于动态样本选择的概念漂移自适应分类方法.该方法在新样本到来时进行基于局部一致性的漂移检测,在发现漂移发生时去除区域内的噪声样本,当检测到新概念出现时,对历史相似概念进行重用.最后,对区域内不同类别样本进行多代表点归纳,并同步更新预测模型.本文在含有不同漂移类型的合成数据集上进行去噪效果验证,并在真实数据集上进行预测任务.实验结果表明,该方法可以有效去除因概念漂移而形成的漂移噪声,有效提升了预测模型性能,整体预测表现优于流行的概念漂移自适应模型.

关键词：概念漂移局部漂移检测流数据样本选择样本去噪自适应预测

来源：评论

学校读者我要写书评

暂无评论

一种基于加权状态选择的LTE NAS协议模糊测试方法

引用

信息安全研究 2025年第1期11卷 12-20页

作者：廖显锋吴礼发南京邮电大学计算机学院、软件学院、网络空间安全学院南京210023

NAS协议是LTE(long-term evolution)网络中移动设备与核心网络之间的主要控制面协议,其安全性对于保障整个4G网络稳健安全运行具有重要意义.模糊测试是一种广泛使用的漏洞挖掘技术,现有的模糊测试方法应用于NAS(non-access stratum)协... 详细信息

NAS协议是LTE(long-term evolution)网络中移动设备与核心网络之间的主要控制面协议,其安全性对于保障整个4G网络稳健安全运行具有重要意义.模糊测试是一种广泛使用的漏洞挖掘技术,现有的模糊测试方法应用于NAS(non-access stratum)协议时存在测试效率低、测试用例难以构建等问题.为了解决这些问题,提出了一种基于权重的测试状态选择算法:以NAS协议状态机为基础,根据测试反馈动态地调整每个测试状态的权重;以消息元素IE为最小单位设计了测试用例生成算法;实现了模糊测试工具NASFuzzer并对开源核心网open5GS及真实终端设备进行测试.测试结果表明,该方法能够有效挖掘LTE NAS协议实现中的漏洞.

关键词： LTE NAS 模糊测试状态选择漏洞挖掘

来源：评论

学校读者我要写书评

暂无评论

融合注意力机制和课程式学习的人脸识别方法

引用

计算机科学与探索 2023年第8期17卷 1893-1903页

作者：王海勇潘海涛刘贵楠南京邮电大学计算机学院南京210023 南京邮电大学智慧校园研究中心南京210023

针对当前人脸识别算法中提取的人脸特征可区分性不强、难易样本区分度不够的问题,提出一种融合注意力机制和课程式学习的人脸识别算法(ECACFace)。该算法提出一种高效的空间通道注意力模块(ESCA)并将其融入特征提取网络的基本模块中,使... 详细信息

针对当前人脸识别算法中提取的人脸特征可区分性不强、难易样本区分度不够的问题,提出一种融合注意力机制和课程式学习的人脸识别算法(ECACFace)。该算法提出一种高效的空间通道注意力模块(ESCA)并将其融入特征提取网络的基本模块中,使用高效的通道注意力模块(ECA)获取通道关注度并在ECA之后加入空间注意力模块,在关注图像通道信息的基础之上进一步获取空间关注度,从而得到信息更加丰富的人脸特征向量用于人脸分类。同时在训练时引入基于课程式学习的损失函数,做到在训练过程中区分难易样本,并在前期着重训练简单样本,后期着重训练困难样本,实现有区分度的样本学习。在CASIAWebFace数据集上训练基于轻量级网络和浅层网络的ECACFace,与原始网络相比有超过1.5个百分点的精度提升。在百万规模的MS1MV2数据集上训练基于深层网络的ECACFace,在CPLFW数据集上比ArcFace精度提升了1.14个百分点,实验结果表明,融合ESCA模块和基于课程式学习的损失函数能够进一步提升人脸识别性能。

关键词：人脸识别特征提取课程式学习注意力机制

来源：评论

学校读者我要写书评

暂无评论

基于可解释性的不可见后门攻击研究

引用

信息安全研究 2025年第1期11卷 21-27页

作者：郑嘉熙陈伟尹萍张怡婷南京邮电大学计算机学院、软件学院、网络空间安全学院南京210023

深度学习在各种关键任务上取得了显著的成功.然而,最近的研究表明,深度神经网络很容易受到后门攻击,攻击者释放出对良性样本行为正常的反向模型,但将任何触发器施加的样本错误地分类到目标标签上.与对抗性样本不同,后门攻击主要实施在... 详细信息

深度学习在各种关键任务上取得了显著的成功.然而,最近的研究表明,深度神经网络很容易受到后门攻击,攻击者释放出对良性样本行为正常的反向模型,但将任何触发器施加的样本错误地分类到目标标签上.与对抗性样本不同,后门攻击主要实施在模型训练阶段,用触发器干扰样本,并向模型中注入后门,提出了一种基于可解释性算法的不可见后门攻击方法.与现有的任意设置触发掩膜的工作不同,精心设计了一个基于可解释性的触发掩膜确定,并采用最新型的随机像素扰动作为触发器样式设计,使触发器施加的样本更自然和难以察觉,用以规避人眼的检测,以及对后门攻击的防御策略.通过在CIFAR-10,CIFAR-100和ImageNet数据集上进行了大量的对比实验证明该攻击的有效性和优越性.还使用SSIM指数评估所设计的后门样本与良性样本之间的差异,得到了接近0.99的评估指标,证明了生成的后门样本在目视检查下是无法识别的.最后还证明了攻击的抗防御性,可以抵御现有的后门防御方法.

关键词：深度学习深度神经网络后门攻击触发器可解释性后门样本

来源：评论

学校读者我要写书评

暂无评论

车联网边缘场景下基于DEDLGWO的任务卸载策略

引用

南京邮电大学学报(自然科学版) 2025年

作者：岳文静鲁奕铭陈志南京邮电大学通信与信息工程学院南京邮电大学计算机学院软件学院网络空间安全学院

针对车联网移动边缘计算中任务卸载的负载不均衡、覆盖范围受限及多目标优化不足等问题，提出一种基于差分维度学习灰狼优化算法（DEDLGWO）的任务卸载策略。首先，构建多车辆任务卸载系统模型，综合考虑时延、能耗及资源约束，建立系... 详细信息

针对车联网移动边缘计算中任务卸载的负载不均衡、覆盖范围受限及多目标优化不足等问题，提出一种基于差分维度学习灰狼优化算法（DEDLGWO）的任务卸载策略。首先，构建多车辆任务卸载系统模型，综合考虑时延、能耗及资源约束，建立系统总开销优化目标；其次，通过Hammersley序列优化种群初始化，引入动态非线性双参数控制策略平衡全局与局部搜索能力，并融合差分进化与维度学习策略增强算法鲁棒性。实验结果表明，DEDLGWO算法在任务数据量、车辆数量及信道带宽变化时，系统总开销平均降低33.98%～36.49%，收敛性能与稳定性优于对比算法。研究证明，该卸载策略能够高效协调车联网边缘场景下的资源分配与任务卸载，为资源受限场景下的任务处理提供了可靠保障。

关键词：车联网移动边缘计算任务卸载灰狼优化算法 Hammersley序列差分维度学习

来源：评论

学校读者我要写书评

暂无评论

Gait-ViT：基于Vision Transformer的跨视角步态识别方法

引用

小型微型计算机系统 2025年

作者：沈澍王森黄苏岩张秉睿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通信与信息工程学院

步态识别作为一种远程生物特征识别技术，在医疗康复、刑侦侦查及社会治安等领域展现出广泛的应用前景.近年来，随着深度学习的快速发展，步态识别方法逐渐从传统的卷积神经网络(Convolutional Neural Network，CNN)转向更为先进的Trans... 详细信息

步态识别作为一种远程生物特征识别技术，在医疗康复、刑侦侦查及社会治安等领域展现出广泛的应用前景.近年来，随着深度学习的快速发展，步态识别方法逐渐从传统的卷积神经网络(Convolutional Neural Network，CNN)转向更为先进的Transformer架构.尽管CNN在图像处理任务中表现优异，但其对图像关键区域的关注能力有限，而注意力机制则能够通过聚焦图像局部区域来学习更具判别性的特征.为此，本文提出了一种融合注意力机制的Vision Transformer模型(Gait-ViT)用于步态识别，该方法首先将步态轮廓划分成多个小块并转化成块序列；然后通过位置嵌入和类嵌入对序列中的位置信息进行重新排列和编码；最后，将向量序列反馈给Vision Transformer进行预测.Gait-ViT模型在CASIA-B和OU-MVLP两个公开步态数据集上分别取得了98.1%和91.2%的识别准确率，验证了所提模型的有效性.

关键词：步态识别 Vision Transformer 卷积神经网络特征提取

来源：评论

学校读者我要写书评

暂无评论

基于改进正余弦优化搜索的影响力最大化算法

引用

复杂系统与复杂性科学 2025年

作者：熊锦烨李汝琦宋玉蓉张晖蒋国平南京邮电大学自动化学院人工智能学院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满运软件科技有限公司

在影响力最大化问题中，现有的基于贪婪和网络结构中心性的方法难以在准确度和时间复杂度之间取得平衡。针对已有算法的局限性，提出了一种改进的正余弦优化搜索的影响力最大化算法DSCA。该方法考虑了节点二跳邻居，结合优化算法的位置... 详细信息

在影响力最大化问题中，现有的基于贪婪和网络结构中心性的方法难以在准确度和时间复杂度之间取得平衡。针对已有算法的局限性，提出了一种改进的正余弦优化搜索的影响力最大化算法DSCA。该方法考虑了节点二跳邻居，结合优化算法的位置更新概念与动态小范围搜索对单个节点进行细致优化。使用正余弦搜索与对齐、突变算子在排序的基础上进行节点搜索。在四个网络上的实验表明，法较先进的基准方法传播范围更广、时间复杂度更低，证明了该算法的优越性和准确性。

关键词：社交网络独立级联模型优化算法影响力最大化重要节点

来源：评论

学校读者我要写书评

暂无评论

基于跨模态单向加权的多模态情感分析模型

引用

计算机科学 2024年

作者：王有康程春玲南京邮电大学计算机学院软件学院网络空间安全学院

多模态情感分析模型大多利用跨模态注意力机制处理多模态特征信息，这类方法容易忽略不同模态内特有的有效信息，且存在多模态共有冗余信息对有效信息提取的干扰，使模型分类精度降低。为此，提出一种基于跨模态单向加权的多模态情感分... 详细信息

多模态情感分析模型大多利用跨模态注意力机制处理多模态特征信息，这类方法容易忽略不同模态内特有的有效信息，且存在多模态共有冗余信息对有效信息提取的干扰，使模型分类精度降低。为此，提出一种基于跨模态单向加权的多模态情感分析模型。该模型利用单向加权模块完成不同模态内共有信息和特有信息的提取；同时实现多模态数据信息的交互。为了避免在交互过程中提取大量的重复有效信息，使用KL散度损失函数对相同模态信息进行对比学习。此外，提出含有过滤门控的时间卷积网络来完成单模态数据的特征提取，增强单模态特征信息的表达能力。在两个公开数据集CMU-MOSI和CMU-MOSEI上与13个基线模型相比，在分类精度、F1值等指标上体现出明显优势，验证了方法的有效性。

关键词：多模态情感分析 Transformer模型单向加权注意力机制 KL散度

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：