检索结果-内蒙古大学图书馆

计算机研究与发展 2022年第12期59卷 2708-2722页

作者：韩伟力张俊杰徐铭王传旺张浩东何震瀛陈虎复旦大学数据分析与安全实验室上海200438 华南理工大学软件学院广州510006

基于文本口令的认证方法仍是当前用户身份认证的主流方式.为更好地研究口令安全性,研究人员提出了多种数据驱动的口令猜测方法,如概率上下文无关文法(probabilistic context-free grammars,PCFG)和马尔可夫(Markov)方法等.这些方法在猜... 详细信息

基于文本口令的认证方法仍是当前用户身份认证的主流方式.为更好地研究口令安全性,研究人员提出了多种数据驱动的口令猜测方法,如概率上下文无关文法(probabilistic context-free grammars,PCFG)和马尔可夫(Markov)方法等.这些方法在猜测口令时有其独特的猜测优势,即能够以更小的猜测数猜中特定类型的口令.为充分利用这些优势以实现更优的猜测效率,提出了一个通用的参数化混合猜测框架.该框架由模型剪枝方法和理论证明最优的猜测数分配策略构成,能够混合不同数据驱动方法的猜测优势以生成更高效的猜测集.为了验证框架的通用性和最优性,通过分析并混合现有数据驱动猜测方法的不同优势,基于该框架设计了多个混合多元模型的参数化混合猜测方法(统称为hyPassGu)用于猜测实践.并且,还利用从真实网站泄露的4个大规模口令数据集(总共超过1.5亿条口令)对这些混合猜测方法进行了评估实验.实验结果表明,由不同方法组合构建的hyPassGu均表现出超越单一方法的猜测效率,且在10^(10)猜测数下超越了单一方法最优效率的1.52%~35.49%.此外,不同猜测数下的对比实验结果表明,提出的最优分配策略的猜测表现稳定,优于平均分配策略和随机分配策略,并在分布离散程度最大的口令数据集上有16.87%的相对提升,同时更多元的混合方法整体上也表现出更好的猜测效率.

关键词：口令安全数据驱动猜测概率上下文无关文法马尔可夫模型混合模型

来源：评论

学校读者我要写书评

暂无评论

评论情感分析增强的深度推荐模型

引用

计算机应用与软件 2022年第8期39卷 258-264页

作者：田添星复旦大学软件学院上海201203 数据分析与安全实验室上海201203

传统推荐模型缺乏对单篇评论文本的准确理解,影响了推荐的性能。因此,提出SERS(Sentiment Analysis Enhanced Recommender System)。该模型通过情感分析任务建立对评论文本的理解,从而根据评论抽取准确的用户偏好与物品属性,辅助神经协... 详细信息

传统推荐模型缺乏对单篇评论文本的准确理解,影响了推荐的性能。因此,提出SERS(Sentiment Analysis Enhanced Recommender System)。该模型通过情感分析任务建立对评论文本的理解,从而根据评论抽取准确的用户偏好与物品属性,辅助神经协同过滤网络预测用户对物品的评分。通过在真实数据集上的实验,证明了该方法比已有的相关方法拥有更好的推荐性能。

关键词：推荐系统情感分析协同过滤深度学习自然语言处理

来源：评论

学校读者我要写书评

暂无评论

基于图像数据的缺失活动日志修复CNN方法

引用

计算机集成制造系统 2024年第8期30卷 2787-2796页

作者：刘旺成方欢张顺安徽理工大学数学与大数据学院安徽淮南232001 安徽省煤矿安全大数据分析与预警技术工程实验室安徽淮南232001

由于异常值和缺失值的扰动影响,业务流程系统可能会产生低质量的事件日志。针对缺失活动的日志修复问题,现有日志修复研究主要从缺失活动的重构方面进行展开,很少有从预测缺失活动角度进行修复工作。鉴于此,提出一种结合迹行为特征的卷... 详细信息

由于异常值和缺失值的扰动影响,业务流程系统可能会产生低质量的事件日志。针对缺失活动的日志修复问题,现有日志修复研究主要从缺失活动的重构方面进行展开,很少有从预测缺失活动角度进行修复工作。鉴于此,提出一种结合迹行为特征的卷积神经网络模型,用来修复迹中的缺失活动。其核心思想是按照时间属性和活动属性两个维度,根据活动之间的行为关系,将业务流程的事件日志转换为空间数据,继而转化为图像矩阵,并通过卷积神经网络模型训练来预测缺失活动。所提方法从事件日志的角度出发,不依赖于任何有关生成事件日志的业务流程模型先验知识,最后利用真实和人工生成事件日志将所提方法与已有研究进行对比分析,实验结果表明所提方法在活动修复精确度上优于已有研究结果。

关键词：日志修复卷积神经网络缺失活动事件预测

来源：评论

学校读者我要写书评

暂无评论

ASTNN:一种用于道路级稀疏交通流预测的注意力时空神经网络模型

引用

地球信息科学学报 2025年第3期27卷 682-697页

作者：赵今朝魏志成河北师范大学计算机与网络空间安全学院石家庄050024 河北省网络与信息安全重点实验室石家庄050024 供应链大数据分析与数据安全河北省工程研究中心石家庄050024

【目的】城市交通流量预测对智能交通系统至关重要。传统方法常将路网划分为栅格进行区域预测,但忽略了道路间的关联,导致预测结果无法准确反映交通流变化。基于道路段数据的方法虽能捕捉道路间的空间联系,却面临轨迹映射时数据冗余、... 详细信息

【目的】城市交通流量预测对智能交通系统至关重要。传统方法常将路网划分为栅格进行区域预测,但忽略了道路间的关联,导致预测结果无法准确反映交通流变化。基于道路段数据的方法虽能捕捉道路间的空间联系,却面临轨迹映射时数据冗余、轨迹错配和数据稀疏等问题。【方法】为了解决这些问题,本文提出了一种用于道路级稀疏交通流预测的注意力时空神经网络(ASTNN)模型。模型首先对轨迹数据做预处理和基于隐马尔可夫模型(HMM)的地图匹配,得到各道路段的交通流数据;并采用面向路网的自适应紧凑二维图像表示方法,将路网表示为以道路段为像素点的二维图像。在分析交通流时空特征的基础上,提出了两种新的注意力时空模块:注意力时空记忆块(ASTM block)和注意力时空聚焦块(ASTF block),分别用于时间相关性挖掘和空间稀疏特征提取。基于这2个模块,并融合外部信息,构造了ASTNN模型实现道路级交通流预测。【结果】本研究以成都出租车轨迹数据为研究对象,在成都市三环区域内的五级路网中,完成了轨迹数据的预处理和流量的映射,并对流量预测模型进行了验证。结果显示,本文所提出的数据处理方法可使轨迹与路网匹配时间降低73.6%。在与CNN、ConvLSTM、GRU、STNN等现有方法的对比实验中,本文方法在RMSE、MAE以及R^(2)等指标上均取得了最优的预测准确度。在此基础上,进一步验证了在ASTNN中引入温度信息对提高预测准确度的显著作用,为模型性能优化提供了新的思路。【结论】本研究提出的ASTNN模型为城市道路级稀疏交通流预测提供了可行的实施思路和技术路线。

关键词：道路级交通流预测轨迹匹配路网图像稀疏数据时空注意力多尺度卷积

来源：评论

学校读者我要写书评

暂无评论

基于迹函数的negabent函数构造

引用

电子与信息学报 2024年第1期46卷 335-343页

作者：赵海霞李文宇韦永壮桂林电子科技大学数学与计算科学学院广西高校数据分析与计算重点实验室桂林541002 广西应用数学中心桂林541002 广西密码学与信息安全重点实验室桂林541002

Negabent函数是一种具有最优自相关性、较高非线性度的布尔函数,在密码学、编码理论及组合设计中都有着广泛的应用。该文基于有限域上的迹函数,将其与置换多项式相结合,提出两种构造negabent函数的方法。所构造的两类negabent函数均具备... 详细信息

Negabent函数是一种具有最优自相关性、较高非线性度的布尔函数,在密码学、编码理论及组合设计中都有着广泛的应用。该文基于有限域上的迹函数,将其与置换多项式相结合,提出两种构造negabent函数的方法。所构造的两类negabent函数均具备Tr_(1)^(k)(λx^(2^(k)+1))+Tr_(1)^(n)(ux)Tr_(1)^(n)(vx)+Tr_(1)^(n)(mx)Tr_(1)^(n)(dx)形式:构造方法1通过调整λ,u,v,m中的3个参数来获得negabent函数,特别地,当λ≠1时,能得到(2^(n-1)-2)(2^(n)-1)(2^(n)-4)个negabent函数;构造方法2通过调整λ,μ,v,m,d中的4个参数来获得negabent函数,特别地,当λ≠1时,至少能够得到2^(n-1)[(2^(n-1)-2)(2^(n-1)-3)+2^(n-1)-4]个negabent函数。

关键词： Negabent函数迹函数置换多项式

来源：评论

学校读者我要写书评

暂无评论

MARL-GPN:一种基于多智能体强化学习的博弈Petri网

引用

计算机集成制造系统 2023年第5期29卷 1590-1601页

作者：刘雨舟方贤文安徽理工大学数学与大数据学院安徽淮南232001 安徽省煤矿安全大数据分析与预警技术工程实验室安徽淮南232001

作为过程挖掘中的一个重要研究分支,变化挖掘可运用在系统安全分析、IPS安全建设等场景下,从变化域的生成情况判断可能存在的未知漏洞。而传统变化挖掘算法更注重业务流程的安全性,无法满足在动态博弈场景下挖掘需要考虑多方安全效益所... 详细信息

作为过程挖掘中的一个重要研究分支,变化挖掘可运用在系统安全分析、IPS安全建设等场景下,从变化域的生成情况判断可能存在的未知漏洞。而传统变化挖掘算法更注重业务流程的安全性,无法满足在动态博弈场景下挖掘需要考虑多方安全效益所形成有效变化域的情况。针对此问题,提出一种基于多智能体强化学习的博弈Petri网(MARL-GPN),以专用于动态安全模型的有效变化域研究。该新型的博弈Petri网会首先根据攻防事件构建效益矩阵,然后各智能体间会根据对方当前状态与下一步走势生成最优应对策略,其次在指定学习周期下达成纳什平衡得到双方最优活动迹,与传统变化挖掘进行比对即可得到有效变化域。最后以典型信息安全事件为例验证了该模型的可行性。

关键词：变化挖掘强化学习多智能体博弈博弈Petri网网络攻防

来源：评论

学校读者我要写书评

暂无评论

浅水湖泊水生植被和藻类水华时空演变遥感长期监测:以太湖流域长荡湖为例(1985-2021年)

引用

湖泊科学 2025年第2期37卷 368-377,I0001页

作者：黄林生倪贵高王康赵晋陵罗菊花安徽大学农业生态大数据分析与应用技术国家地方联合工程研究中心合肥230601 中国科学院南京地理与湖泊研究所湖泊与流域水安全全国重点实验室南京211135

水生植被和藻类作为湖泊生态系统的主要初级生产者,对湖泊生态系统具有重要作用。在气候变化和人类活动的双重作用下,湖泊富营养化加剧,水生植被退化,藻类水华频发。开展湖泊水生植被群落和藻类水华的长期观测可为湖泊生态系统水生植被... 详细信息

水生植被和藻类作为湖泊生态系统的主要初级生产者,对湖泊生态系统具有重要作用。在气候变化和人类活动的双重作用下,湖泊富营养化加剧,水生植被退化,藻类水华频发。开展湖泊水生植被群落和藻类水华的长期观测可为湖泊生态系统水生植被修复和藻类水华管控提供决策依据。本研究以太湖流域浅水湖泊长荡湖为研究区,基于1985-2021年的Landsat 5和8卫星数据,利用VBI(vegetation and bloom indices)草藻分类算法,开展了浮叶/挺水植被、沉水植被和藻类水华长时序时空演变分析。结果表明:36年来,长荡湖水生植被(包括浮叶/挺水植被和沉水植被)都呈现显著下降趋势,其中沉水植被下降趋势尤为明显,沉水植被从湖中心向岸边逐步退化,其覆盖度从1985年的75%下降至2021年的不足21%;自2011年起,长荡湖水生植被优势生活型从沉水植被转变为浮叶/挺水植被;2010年首次监测到水华发生,2020年和2021年连续两年均监测到湖中心有大面积水华。基于湖泊围网面积和气象数据分析发现,围网拆除是水生植被退化和优势生活型转变的主要因素。

关键词：太湖流域长荡湖水生植被藻类水华围网遥感

来源：评论

学校读者我要写书评

暂无评论

基于DMN的数据影响交互流程变化感知分析方法

引用

计算机集成制造系统 2024年

作者：郝惠晶方贤文张希为安徽理工大学数学与大数据学院安徽省煤矿安全大数据分析与预警技术工程实验室

流程模型的变化挖掘作为业务流程管理的重要内容，是解决业务系统可信管理的关键点之一。已有的研究主要是针对业务流程的控制流进行变化分析，或将控制流与数据流进行融合分析，较少考虑数据变化对跨域交互流程中行为和数据的变化链影... 详细信息

流程模型的变化挖掘作为业务流程管理的重要内容，是解决业务系统可信管理的关键点之一。已有的研究主要是针对业务流程的控制流进行变化分析，或将控制流与数据流进行融合分析，较少考虑数据变化对跨域交互流程中行为和数据的变化链影响。基于此，本文提出了一种基于决策模型和标记（DMN）的数据影响交互流程的变化分析方法，首先提取以数据为中心的BPMN决策模式，将流程上下文数据建模在单独的决策模型中。然后将BPMN与DMN相结合进行控制流与数据流融合建模，并分析生成的数据感知流程模型的合理性。在此基础上，通过数据影响分析识别数据变化对后续的流程执行及数据的联动变化影响，从而综合分析控制流与数据流约束下的变化传播区域。最后利用CPN tools进行仿真模拟并通过比较实验进行评估，实验结果表明数据影响下的交互流程变化传播的一致性度相对较高，并优化了模型结构。

关键词：变化感知决策模型和标记数据影响数据感知合理性跨域交互

来源：评论

学校读者我要写书评

暂无评论

预训练语言模型特征增强的多跳知识库问答

引用

计算机工程与应用 2024年第22期60卷 184-196页

作者：魏谦强赵书良卢丹琦贾晓文杨世龙河北师范大学计算机与网络空间安全学院石家庄050024 供应链大数据分析与数据安全河北省工程研究中心石家庄050024 河北省网络与信息安全重点实验室石家庄050024

知识库问答(knowledge base question answering,KBQA)是一个具有挑战性的热门研究方向,多跳知识库问答主要的挑战是非结构化的自然语言问题与结构化的知识库推理路径存在不一致性,基于图检索的多跳知识库问答模型善于把握图的拓扑结构... 详细信息

知识库问答(knowledge base question answering,KBQA)是一个具有挑战性的热门研究方向,多跳知识库问答主要的挑战是非结构化的自然语言问题与结构化的知识库推理路径存在不一致性,基于图检索的多跳知识库问答模型善于把握图的拓扑结构,但忽略了图中结点和边携带的文本信息。为了充分学习知识库三元组的文本信息,构造了知识库三元组的文本形式,并提出了三个基于非图检索的特征增强模型RBERT、CBERT、GBERT,它们分别使用前馈神经网络、深层金字塔卷积网络、图注意力网络增强特征。三个模型显著提高了特征表示能力和问答准确率,其中RBERT结构最简单,CBERT训练最快,GBERT性能最优。在数据集MetaQA、WebQSP和CWQ上进行实验对比,在Hits@1和F1两个指标上三个模型明显优于目前的主流模型,也明显优于其他BERT的改进模型。

关键词：多跳知识库问答预训练语言模型特征增强

来源：评论

学校读者我要写书评

暂无评论

自监督对比的属性图联合表示聚类

引用

计算机工程与应用 2024年第16期60卷 133-142页

作者：王静红王慧河北师范大学计算机与网络空间安全学院石家庄050024 河北省网络与信息安全重点实验室石家庄050024 供应链大数据分析与数据安全河北省工程研究中心石家庄050024

现实世界中越来越多的复杂数据被表示为具有属性节点的图,因此属性图聚类是图挖掘中的一个重要问题。图神经网络在图结构数据的编码表示方面取得较好性能,但基于卷积操作或者注意力机制的图神经网络方法存在节点噪声、特征过度平滑、网... 详细信息

现实世界中越来越多的复杂数据被表示为具有属性节点的图,因此属性图聚类是图挖掘中的一个重要问题。图神经网络在图结构数据的编码表示方面取得较好性能,但基于卷积操作或者注意力机制的图神经网络方法存在节点噪声、特征过度平滑、网络异质性、计算代价高昂等问题。基于深度学习方法如自编码器能够有效地提取节点属性表示,但不能包含丰富结构信息。因此提出了一种基于自监督训练和对比学习的图联合表示聚类方法(self-supervised contrastive graph joint representation clustering,SCRC)。使用自编码器预训练学习节点的属性表示,通过在图结构信息上增加对比损失信息,使用影响对比损失融合更加丰富的结构信息,联合图结构信息和属性表示,基于神经网络自监督训练机制迭代优化完成聚类任务。通过设计简单的线性模型,避免使用卷积和注意力机制,有效整合结构信息,使得运行速度更快。在广泛使用的引文网络数据上进行实验,对参数敏感性进行分析,验证了影响对比损失和自监督联合聚类的有效性。实验结果表明,所提出的方法取得了显著的性能提升,并且对节点噪声、特征过度平滑和网络异质性更具有鲁棒性。

关键词：属性图聚类自监督训练对比学习自编码器联合表示学习

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：