检索结果-内蒙古大学图书馆

计算机研究与发展 2022年第2期59卷 430-439页

作者：朱素霞王蕾孙广路哈尔滨理工大学计算机科学与技术学院哈尔滨150080 哈尔滨理工大学信息安全与智能技术研究中心哈尔滨150080

本地差分隐私作为一种隐私保护技术,被广泛用于连续数值型数据的均值估计,使用的扰动机制将直接影响均值的准确度.为进一步提高均值估计的准确性,提出了一种满足差分隐私的分类变换扰动机制.该机制对连续数值型数据划分变换范围并进行分... 详细信息

本地差分隐私作为一种隐私保护技术,被广泛用于连续数值型数据的均值估计,使用的扰动机制将直接影响均值的准确度.为进一步提高均值估计的准确性,提出了一种满足差分隐私的分类变换扰动机制.该机制对连续数值型数据划分变换范围并进行分段,根据分段将其变换为1维二元分类数据.转换后使用随机响应机制进行扰动,再根据扰动后的数据标识的数值段从中随机均匀抽取数值作为扰动值.在真实数据和合成数据中的均值估计实验结果表明该机制极大地提高了准确性.除此之外,将分类变换扰动机制用于构建满足本地差分隐私的小批量梯度下降算法,并完成线性回归学习任务,实验结果证明该方法同样优于其他已有机制,可得到更小的均方误差.

关键词：本地差分隐私数据转换均值估计小批量梯度下降随机响应

来源：评论

学校读者我要写书评

暂无评论

基于最大信息系数和近似马尔科夫毯的特征选择方法

引用

自动化学报 2017年第5期43卷 795-805页

作者：孙广路宋智超刘金来朱素霞何勇军哈尔滨理工大学计算机科学与技术学院哈尔滨150080 哈尔滨理工大学信息安全与智能技术研究中心哈尔滨150080

最大信息系数(Maximum information coefficient,MIC)可以对变量间的线性和非线性关系,以及非函数依赖关系进行有效度量.本文首先根据最大信息系数理论,提出了一种评价各维特征间以及每维特征与类别间相关性的度量标准,然后提出了基于... 详细信息

最大信息系数(Maximum information coefficient,MIC)可以对变量间的线性和非线性关系,以及非函数依赖关系进行有效度量.本文首先根据最大信息系数理论,提出了一种评价各维特征间以及每维特征与类别间相关性的度量标准,然后提出了基于新度量标准的近似马尔科夫毯特征选择方法,删除冗余特征.在此基础上提出了基于特征排序和近似马尔科夫毯的两阶段特征选择方法,分别对特征的相关性和冗余性进行分析,选择有效的特征子集.在UCI和ASU上的多个公开数据集上的对比实验表明,本文提出的方法总体优于快速相关滤波(Fast correlation-based filter,FCBF)方法,与Relief F,FAST,Lasso和RFS方法相比也具有优势.

关键词：特征选择最大信息系数近似马尔科夫毯特征相关性特征冗余性

来源：评论

学校读者我要写书评

暂无评论

自适应概念漂移问题的增量集成分类算法

引用

计算机科学与探索 2020年第7期14卷 1200-1210页

作者：韩明明孙广路朱素霞哈尔滨理工大学计算机科学与技术学院哈尔滨150080 哈尔滨理工大学信息安全与智能技术研究中心哈尔滨150080

由于数据流具有非平稳特性,即概念漂移问题,导致机器学习模型的性能随着概念漂移的发生而降低。对分类器如何自适应概念漂移进行了研究,提出了以小数据块为输入的增量学习的增强集成算法,用于处理概念漂移情况下的数据流分类问题。该算... 详细信息

由于数据流具有非平稳特性,即概念漂移问题,导致机器学习模型的性能随着概念漂移的发生而降低。对分类器如何自适应概念漂移进行了研究,提出了以小数据块为输入的增量学习的增强集成算法,用于处理概念漂移情况下的数据流分类问题。该算法没有复杂的参数,但对弱分类器提出较高的要求,每次移除不合格的弱分类器后添加新的弱分类器,在迭代增量训练过程中根据训练误差更新样本和弱分类器的权重,最后通过加权投票方式整合各弱分类器的预测结果。用五组已知具体漂移情况的人工数据和三组未知漂移情况的真实数据进行实验,并与已有的算法进行对比,实验结果表明该算法能很好地处理概念漂移下的数据流分类问题。

关键词：数据流分类问题概念漂移集成算法

来源：评论

学校读者我要写书评

暂无评论

基于混合方法的流量测量系统(英文)

引用

电机与控制学报 2011年第6期15卷 91-96页

作者：孙广路郎非杨明明哈尔滨理工大学计算机科学与技术学院信息安全与智能技术研究中心黑龙江哈尔滨150080 清华大学信息技术研究院北京100084 哈尔滨理工大学外国语学院黑龙江哈尔滨150080

流量测量是流量控制和管理中的关键问题。传统方法对于当今网络中大量出现的具备动态端口、加密载荷信息或未知协议载荷特征等特点的流量无法进行有效地测量。虽然基于机器学习模型的测量方法能够在一定程度上解决上述问题,但是由于现... 详细信息

流量测量是流量控制和管理中的关键问题。传统方法对于当今网络中大量出现的具备动态端口、加密载荷信息或未知协议载荷特征等特点的流量无法进行有效地测量。虽然基于机器学习模型的测量方法能够在一定程度上解决上述问题,但是由于现有特征的区分能力有限,该类方法单独使用时,难以在大规模的真实网络流量中准确地测量出某种特定协议的流量。为了解决流量测量问题,提出了基于混合方法的流量测量系统,融合了基于端口、基于特征串匹配、基于正则表达式匹配和基于机器学习模型的多种流量测量方法。在构建系统框架和相关模块的基础上,应用一种混合方法解决了基于安全套接层协议的流量测量和应用层协议分析问题。实验结果表明,该混合方法能够测量出超过99%的基于安全套接层协议的流量,并有效地分析其中不同应用层协议的流量,准确率达到93.76%。此外,在稳定而可行的内存占用率下,系统能够良好运行,总体测量结果优于开源软件OpenDPI的结果。

关键词：流量控制和管理流量测量混合方法机器学习模型

来源：评论

学校读者我要写书评

暂无评论

面向不平衡类的联邦学习客户端智能选择算法

引用

哈尔滨理工大学学报 2024年第2期29卷 33-42页

作者：朱素霞王云梦颜培森孙广路哈尔滨理工大学计算机科学与技术学院哈尔滨150080 哈尔滨理工大学信息安全与智能技术研究中心哈尔滨150080

在联邦学习应用场景下,若客户端设备之间的数据呈现非独立同分布特征,甚至出现类不平衡的情况时,客户端本地模型的优化目标将偏离全局优化目标,从而给全局模型的性能带来巨大挑战。为解决这种数据异质性带来的挑战,通过积极选择合适的... 详细信息

在联邦学习应用场景下,若客户端设备之间的数据呈现非独立同分布特征,甚至出现类不平衡的情况时,客户端本地模型的优化目标将偏离全局优化目标,从而给全局模型的性能带来巨大挑战。为解决这种数据异质性带来的挑战,通过积极选择合适的客户端子集以平衡数据分布将有助于提高模型的性能。因此,设计了一种面向不平衡类的联邦学习客户端智能选择算法—FedSIMT。该算法不借助任何辅助数据集,在保证客户端本地数据对服务器端不可见的隐私前提下,使用Tanimoto系数度量本地数据分布与目标分布之间的差异,采用强化学习领域中的组合多臂老虎机模型平衡客户端设备选择的开发和探索,在不同数据异质性类型下提高了全局模型的准确率和收敛速度。实验结果表明,该算法具有有效性。

关键词：联邦学习类不平衡客户端选择算法多臂老虎机

来源：评论

学校读者我要写书评

暂无评论

基于聚类和流量传播图的P2P流量识别方法

引用

计算机应用研究 2019年第11期36卷 3448-3451,3455页

作者：苏阳阳孙冬璞李丹丹孙广路哈尔滨理工大学计算机科学与技术学院哈尔滨150080 哈尔滨理工大学信息安全与智能技术研究中心哈尔滨150080

为有效监管网络,快速精确识别P2P流量,通过分析P2P网络流量中节点与节点、节点与链路之间的交互和行为特征,将聚类方法与流量传播图方法相结合,提出了一种基于网络行为特征的P2P流量识别方法。该方法首先通过采集网络流的包级和流级统... 详细信息

为有效监管网络,快速精确识别P2P流量,通过分析P2P网络流量中节点与节点、节点与链路之间的交互和行为特征,将聚类方法与流量传播图方法相结合,提出了一种基于网络行为特征的P2P流量识别方法。该方法首先通过采集网络流的包级和流级统计特征对不同种类的网络应用的流量进行聚类,然后利用流量传播图对P2P流量进行识别。实验结果表明,提出的方法在骨干网络数据上能够有效识别P2P网络应用流量,F 1-measure达到95%以上。

关键词： P2P流量识别流量行为特征流量传播图基于密度带噪声的空间聚类算法

来源：评论

学校读者我要写书评

暂无评论

秸秆资源海量存储系统的设计与实现

引用

计算机研究与发展 2011年第S1期48卷 78-83页

作者：孙广路张洛什薛一波清华大学信息技术研究院北京100084 哈尔滨理工大学计算机科学与技术学院信息安全与智能技术研究中心哈尔滨150080

海量数据资源的存储和保护是目前信息存储技术中的重要问题.采用磁盘阵列进行数据存储并保护数据安全,同时利用双机热备技术保护系统的持续运行是目前海量数据存储和管理的最佳解决方案之一.依据建立秸秆资源基础数据库的需求,分析研究... 详细信息

海量数据资源的存储和保护是目前信息存储技术中的重要问题.采用磁盘阵列进行数据存储并保护数据安全,同时利用双机热备技术保护系统的持续运行是目前海量数据存储和管理的最佳解决方案之一.依据建立秸秆资源基础数据库的需求,分析研究了不同磁盘阵列模式的固性及特点,提出新的磁盘阵列选择方法,设计实现了磁盘阵列及双机热备系统,最终建立了合理的秸秆资源基础数据库海量存储系统,实现了"数据永不丢失,系统永不停机"的要求.同时,大规模的数据与信息资源平台的建立既满足了相关研究人员的研究需求,也为广大农民群众提供了丰富的应用信息及知识.

关键词：海量存储系统磁盘阵列双机热备

来源：评论

学校读者我要写书评

暂无评论

特征选择方法中三种度量的比较研究

引用

哈尔滨理工大学学报 2018年第1期23卷 111-116页

作者：宋智超康健孙广路何勇军哈尔滨理工大学计算机科学与技术学院黑龙江哈尔滨150080 哈尔滨理工大学信息安全与智能技术研究中心黑龙江哈尔滨150080 北京宇航系统工程研究所北京100076

不同类型数据中特征与类别以及特征与特征之间存在一定的线性和非线性相关性。针对基于不同度量的特征选择方法在不同类型数据集上选取的特征存在明显差别的问题,本文选择线性相关系数、对称不确定性和互信息三种常用的线性或非线性度量... 详细信息

不同类型数据中特征与类别以及特征与特征之间存在一定的线性和非线性相关性。针对基于不同度量的特征选择方法在不同类型数据集上选取的特征存在明显差别的问题,本文选择线性相关系数、对称不确定性和互信息三种常用的线性或非线性度量,将它们应用于基于相关性的快速特征选择方法中,对它们在基因微阵列和图像数据上的特征选择效果进行实验验证和比较。实验结果表明,基于相关性的快速特征选择方法使用线性相关系数在基因数据集上选取的特征集往往具有较好分类准确率,使用互信息在图像数据集上选取的特征集的分类效果较好,使用对称不确定性在两种类型数据上选取特征的分类效果较为稳定。

关键词：特征选择线性相关系数对称不确定性互信息基于相关性的快速特征选择方法

来源：评论

学校读者我要写书评

暂无评论

基于子空间聚类的网络流量分类方法

引用

哈尔滨理工大学学报 2015年第2期20卷 63-68页

作者：李丹丹田春伟李佰洋孙广路康健哈尔滨理工大学计算机科学与技术学院黑龙江哈尔滨150080 哈尔滨理工大学信息安全与智能技术研究中心黑龙江哈尔滨150080 北京宇航系统工程研究所北京100076

应用层网络流量分类技术对流量控制与管理等研究具有重要意义.针对传统的基于有监督机器学习的分类方法对所有应用程序使用相同的特征,使得某些特征对一种或几种应用类型有区分性,而对其他应用类型的网络流分类产生干扰等问题,提出基于... 详细信息

应用层网络流量分类技术对流量控制与管理等研究具有重要意义.针对传统的基于有监督机器学习的分类方法对所有应用程序使用相同的特征,使得某些特征对一种或几种应用类型有区分性,而对其他应用类型的网络流分类产生干扰等问题,提出基于子空间聚类方法的网络流分类框架.利用子空间聚类算法,在总特征集中为每一种类型应用进行特征选择,提取与之相对应的关键特征,自动消除不相关的特征,使得每种应用类型都产生对应的特征签名集,并用这些不同的特征签名对未知的网络流进行分类.实验结果表明:本文提出的方法能够有效地提出每种应用类型的特征签名,并且所提出的特征签名具有明显的可区分性,该方法的分类准确率在93%以上,并且能很好的识别新出现的应用.

关键词：子空间聚类网络流分类特征签名

来源：评论

学校读者我要写书评

暂无评论

基于链路同质性的应用层流量分类方法

引用

哈尔滨理工大学学报 2013年第4期18卷 84-88页

作者：董辉孙广路李丹丹肖锋哈尔滨理工大学计算机科学与技术学院信息安全与智能技术研究中心黑龙江哈尔滨150080

随着高速网络链路中数据量的剧增,以及越来越多的流行应用使用动态端口或使用加密流量通信,导致传统的网络流量分类方法失效.本文研究了应用层流量中存在的链路同质性,结合统计关联学习方法和流量传播图挖掘方法,提出了一种基于链路同... 详细信息

随着高速网络链路中数据量的剧增,以及越来越多的流行应用使用动态端口或使用加密流量通信,导致传统的网络流量分类方法失效.本文研究了应用层流量中存在的链路同质性,结合统计关联学习方法和流量传播图挖掘方法,提出了一种基于链路同质性的应用层流量分类方法.我们分析数据集中邻接链路之间的统计依赖关系并应用于网络协议识别,而不依赖于数据包载荷与网络流特征.实验结果表明,本文提出的方法能够实现超过80%的流量识别精度.

关键词：流量分类应用层流量链路同质性

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：