检索结果-内蒙古大学图书馆

密码学报（中英文） 2024年第1期11卷 67-100页

作者：邹云开汪定南开大学网络空间安全学院天津300350 天津市网络与数据安全技术重点实验室天津300350 数据与智能系统安全教育部重点实验室天津300350

口令是人类可记忆的短密钥,在身份认证、加密、签名等领域有广泛的应用.口令虽然被指出存在一系列安全性和可用性问题,但因其使用简单、成本低廉、容易更改,在可预见的未来仍无可替代.口令猜测是口令面临的最严重的安全威胁,是口令安全... 详细信息

口令是人类可记忆的短密钥,在身份认证、加密、签名等领域有广泛的应用.口令虽然被指出存在一系列安全性和可用性问题,但因其使用简单、成本低廉、容易更改,在可预见的未来仍无可替代.口令猜测是口令面临的最严重的安全威胁,是口令安全性研究的核心方向之一,引起了学术界的持续关注.本文首先采用数据驱动的研究方法,挖掘可被猜测攻击者利用的用户脆弱口令行为,分析用户口令构造规律,包括流行特性、语言依赖性、长度分布、口令重用、结构和语义特征等方面.接着,总结了近30年来学术界提出的28种主要口令猜测算法,并根据技术原理的不同对其进行分类.随后,回顾了目前广泛使用的口令猜测算法评估指标,探究了不同实验设置对评估算法攻破率和计算效率的影响,并根据实验结果讨论了不同猜测算法的技术特点和适用场景.最后,总结口令猜测领域的研究进展,并展望口令猜测算法的应用领域和未来的研究方向.

关键词：密钥安全口令口令强度口令猜测机器学习

来源：评论

学校读者我要写书评

暂无评论

一种时空卷积的步态识别方法

引用

西安电子科技大学学报 2021年第4期48卷 144-150页

作者：许缓缓李洪梅李富余孙学梅天津市自主智能技术与系统重点实验室天津300387 天津工业大学计算机科学与技术学院天津300387 花旗金融信息服务(中国)有限公司上海201203

由于步态识别的准确率会受到外部因素的影响,例如拍摄角度、行人穿着以及携带包的状态变化等,所以提出基于时空卷积的步态识别算法。该方法通过卷积神经网络提取步态特征,并通过对相邻帧进行重复提取来弥补当前帧丢失的信息,从而在步态... 详细信息

由于步态识别的准确率会受到外部因素的影响,例如拍摄角度、行人穿着以及携带包的状态变化等,所以提出基于时空卷积的步态识别算法。该方法通过卷积神经网络提取步态特征,并通过对相邻帧进行重复提取来弥补当前帧丢失的信息,从而在步态轮廓序列图里挖掘更丰富的时空信息。最后,在CASIA-B数据集上对所提出的方法进行验证。实验结果表明,所提出的方法在正常行走、携带包和穿外套的情况下,Rank-1准确度都得到了很大的提升。

关键词：步态识别时空卷积步态特征时空信息

来源：评论

学校读者我要写书评

暂无评论

低速率DoS攻击的短时分析算法的研究

引用

高技术通讯 2011年第9期21卷 928-933页

作者：白媛白中英天津理工大学计算机视觉与系统省部共建教育部重点实验室天津300191 天津理工大学天津市智能计算及软件新技术重点实验室天津300191 北京邮电大学计算机学院北京100876

针对低速率拒绝服务（DoS）攻击难以检测的问题，提出了采用短时分析技术检测和防御低速率DoS攻击的方法。该方法用短时过界率实现低速率DoS攻击的检测，用短时幅度差（SMD）防止检测过程中的误报。短时分析技术和传统的频域变换方法比... 详细信息

针对低速率拒绝服务（DoS）攻击难以检测的问题，提出了采用短时分析技术检测和防御低速率DoS攻击的方法。该方法用短时过界率实现低速率DoS攻击的检测，用短时幅度差（SMD）防止检测过程中的误报。短时分析技术和传统的频域变换方法比较，用更低的时间复杂度实现低速率DoS攻击的检测；用修正的短时自相关函数实现攻击周期估计，估计的周期应用在周期规避方法中实现低速率DoS攻击的防御，周期规避防御方法改进了已有的协议修正防御方法。理论分析和仿真结果证明了短时分析技术在实现低速率DoS攻击的检测防御方面具有可行性和优越性。

关键词：低速率DoS攻击短时分析短时过界率短时幅度差(SMD) 周期估计

来源：评论

学校读者我要写书评

暂无评论

脑网络分类中的改进图核

引用

小型微型计算机系统 2020年第12期41卷 2480-2483页

作者：张森森张大坤天津工业大学天津市自主智能技术与系统重点实验室天津300387

目前在用图核进行的脑网络分类研究中,所用图核没有考虑拓扑结构中对应节点是否相同的问题,使脑网络分类不够准确.本文提出一种新型图核(称其为改进图核),将每个路径中的节点加上标签信息并通过网络中加入节点标签的最短路径的长度和路... 详细信息

目前在用图核进行的脑网络分类研究中,所用图核没有考虑拓扑结构中对应节点是否相同的问题,使脑网络分类不够准确.本文提出一种新型图核(称其为改进图核),将每个路径中的节点加上标签信息并通过网络中加入节点标签的最短路径的长度和路径上节点的标签来判断两个脑网络的相似性,能够更有效地反映脑网络之间拓扑结构的差异性.为了验证改进图核的有效性,在脑网络数据集上进行了实验,并与最短路径核、子树核、多频融合图核和特征选择图核进行了对比实验.改进图核与子树核、多频融合图核、特征选择图核和最短路径核相比,其计算得到的平均相似度分别降低了67.06%、69.78%、70.20%和88.72%,说明改进图核的判断更精确.实验结果表明:本文提出的改进图核能够更有效地区分两类脑网络数据之间的差异性,提高了脑网络分类的准确性.

关键词：脑网络图核标签信息改进图核拓扑结构

来源：评论

学校读者我要写书评

暂无评论

基于多级子网络和排序性Dropout机制的人脸属性识别

引用

数据采集与处理 2018年第5期33卷 847-854页

作者：高淑蕾周冕薛彦兵徐光平高赞张桦天津理工大学计算机视觉与系统省部共建教育部重点实验室天津市智能计算及软件新技术重点实验室天津300384

如何提高自然环境下或非受限环境下人脸属性识别的准确率是应用人脸属性的一个重要问题。在日常生活中,人脸姿势和光照等不可控制的因素对识别人脸属性产生了较大影响,如何在上述因素影响下提高识别的精度是我们研究人脸属性识别的关键... 详细信息

如何提高自然环境下或非受限环境下人脸属性识别的准确率是应用人脸属性的一个重要问题。在日常生活中,人脸姿势和光照等不可控制的因素对识别人脸属性产生了较大影响,如何在上述因素影响下提高识别的精度是我们研究人脸属性识别的关键问题。目前卷积神经网络(Convolutional neural network,CNN)在图像分类中已经取得显著性成果,本文通过采用多级子网络和排序性Dropout机制算法重新构建一个网络结构,该结构对处理人脸姿势变化等具有较强的鲁棒性,在CelebA数据集和LFWA数据集中取得较好的效果,且大大降低了网络体积。

关键词：卷积神经网络人脸属性识别深度学习多级子网络排序性Dropout机制

来源：评论

学校读者我要写书评

暂无评论

基于融合模型与语义网络的App用户意图识别研究

引用

计算机工程 2024年第8期50卷 50-63页

作者：陈瀚赵春蕾蒋昊达王春东天津理工大学教育部计算机视觉与系统省部共建重点实验室天津300384 天津市智能计算与软件新技术重点实验室天津300384

随着手机应用软件的流行,应用市场上出现了大量非结构化的中文用户评论。基于用户评论识别App用户意图,可以帮助开发人员对App软件进行有针对性的维护和改善。为了从中准确识别用户意图,提出一种基于融合模型和语义网络的App用户意图识... 详细信息

随着手机应用软件的流行,应用市场上出现了大量非结构化的中文用户评论。基于用户评论识别App用户意图,可以帮助开发人员对App软件进行有针对性的维护和改善。为了从中准确识别用户意图,提出一种基于融合模型和语义网络的App用户意图识别方法FSAUIR。使用百度工具Senta判断评论的情感倾向,构建基于RoBERTa的融合意图分类模型RBMS,通过RoBERTa模型将用户评论转化为语义特征表示,并将其输入到双向门控循环单元中,以提取评论的全局上下文语义信息,同时利用多头自注意力机制和SoftPool获取关键的特征信息,保留主要特征,通过Softmax进行归一化处理,得到意图分类结果。在意图分类的基础上,引入PositionRank模型提取各意图类别下评论的关键词,计算关键词之间的共现关系,构建关键词语义网络,从而更细粒度地识别用户意图。实验结果表明,相比BERT、RoBERTa、RoBERTa-CNN等模型,RBMS模型在人工标注数据集上具有较优的分类性能,准确率、精确率、召回率、F1值分别为87.75%、88.09%、87.80%、87.88%。此外,在意图分类的结果集中,FSAUIR构建的语义网络可以高效地挖掘出用户评论中有价值的信息。

关键词：意图识别意图分类 RoBERTa模型双向循环门控单元 PositionRank模型多头自注意力机制

来源：评论

学校读者我要写书评

暂无评论

基于菲涅尔区模型的年龄段识别方法研究

引用

光电子．激光 2021年第9期32卷 979-984页

作者：张炜宁王春东天津理工大学计算机科学与工程学院天津市智能计算及软件新技术重点实验室计算机视觉与系统教育部重点实验室天津300384

基于步态特征的行为识别技术是一种新兴的人机交互技术,在安保监控、图像处理等许多领域正发挥着巨大作用。目前已经提出的各种行为识别的技术手段中,基于商用的WIFI设备的相关技术因其易于部署、设备成本不高、对应用环境要求低等优势... 详细信息

基于步态特征的行为识别技术是一种新兴的人机交互技术,在安保监控、图像处理等许多领域正发挥着巨大作用。目前已经提出的各种行为识别的技术手段中,基于商用的WIFI设备的相关技术因其易于部署、设备成本不高、对应用环境要求低等优势而得以广泛应用。现有的步态识别研究只可以识别出人的步态,但无法根据步态识别年龄段。在本文中,探讨了菲涅尔区域理论,提出了一种基于WiFi物理层信息的年龄段识别方法,即利用步态识别年龄段。使用菲涅尔区模型来学习步态特征,首先将动作数据集进行去噪处理来收集信道状态信息(CSI)。然后基于菲涅尔区域模型提取信道相位信息的特征值来描述步态动作,最后利用分类算法实现年龄段识别。实验结果表明,该方法具有良好的鲁棒性,在不同的实验环境中的平均识别准确率达到91.2%。因此,本文提出的系统可以应用于复杂的室内场景,具有广泛的应用前景。

关键词：模式识别年龄段识别菲涅尔区步态识别信道状态信息

来源：评论

学校读者我要写书评

暂无评论

高铁摩擦片表面裂纹检测方法研究

引用

光电子．激光 2021年第9期32卷 962-969页

作者：张景博汪日伟刘凤连温显斌天津理工大学计算机视觉与系统教育部重点实验室和天津市智能计算及软件新技术重点实验室天津300384 温州大学瓯江学院浙江温州325035

摩擦片的裂纹数目和长度是衡量高铁制动性能的核心评定标准之一,有效的裂纹检测对高铁的安全运行具有重要意义。提出基于CSPDarkNet53主干网络架构的改进算法,实现摩擦片裂纹的在线自动检测。一方面融合双路特征提取网络以增强对于裂纹... 详细信息

摩擦片的裂纹数目和长度是衡量高铁制动性能的核心评定标准之一,有效的裂纹检测对高铁的安全运行具有重要意义。提出基于CSPDarkNet53主干网络架构的改进算法,实现摩擦片裂纹的在线自动检测。一方面融合双路特征提取网络以增强对于裂纹特征检测的敏感度,有效提高摩擦片裂纹检测的准确率;另一方面在YOLO检测模块预测框的去冗余计算环节中,采用目标框加权融合算法(weighted fusion algorithm of target box,WBF)降低误检率。实验结果表明,相较于当前最具有代表性几类目标检测算法,本文采用的方法准确率显著提高,平均精度提升7.64%。

关键词：裂纹检测目标检测深度学习摩擦片

来源：评论

学校读者我要写书评

暂无评论

基于轻量卷积结合特征信息融合的玉米幼苗与杂草识别

引用

农业机械学报 2020年第12期51卷 238-245,303页

作者：孟庆宽张漫杨晓霞刘易张振仪天津职业技术师范大学自动化与电气工程学院天津300222 天津市信息传感与智能控制重点实验室天津300222 中国农业大学现代精细农业系统集成研究教育部重点实验室北京100083

针对自然环境下作物与杂草识别精度低、实时性和鲁棒性差等问题,以幼苗期玉米及其伴生杂草为研究对象,提出一种基于轻量卷积神经网络结合特征层信息融合机制的改进单步多框检测器(Single shot multibox detector,SSD)模型。首先,采用深... 详细信息

针对自然环境下作物与杂草识别精度低、实时性和鲁棒性差等问题,以幼苗期玉米及其伴生杂草为研究对象,提出一种基于轻量卷积神经网络结合特征层信息融合机制的改进单步多框检测器(Single shot multibox detector,SSD)模型。首先,采用深度可分离卷积结合压缩与激励网络(Squeeze-and-excitation networks,SENet)模块构建轻量特征提取单元,在此基础上通过密集化连接构成轻量化前置基础网络,替代标准SSD模型中的VGG16网络,以提高图像特征提取速度;然后,基于不同分类特征层融合机制,将扩展网络中深层语义信息与浅层细节信息进行融合,融合后的特征图具有足够的分辨率和更强的语义信息,可以提高对小尺寸作物与杂草的检测准确率。试验结果表明,本文提出的深度学习检测模型对自然环境下玉米及其伴生杂草的平均精度均值为88.27%、检测速度为32.26 f/s、参数量为8.82×10^6,与标准SSD模型相比,精度提高了2.66个百分点,检测速度提高了33.86%,参数量降低了66.21%,同时对小尺寸目标以及作物与杂草叶片交叠情况的识别具有良好的鲁棒性与泛化能力。本文方法可为农业自动化精准除草提供技术支持。

关键词：玉米幼苗杂草图像识别轻量卷积特征融合 SSD模型

来源：评论

学校读者我要写书评

暂无评论

基于轻量二阶段检测模型的自然环境多类蔬菜幼苗识别

引用

农业机械学报 2021年第10期52卷 282-290页

作者：孟庆宽张漫叶剑华都泽鑫宋名果张志鹏天津职业技术师范大学自动化与电气工程学院天津300222 天津市信息传感与智能控制重点实验室天津300222 中国农业大学现代精细农业系统集成研究教育部重点实验室北京100083

为实现自然环境下蔬菜幼苗精准快速识别,本文以豆角、花菜、白菜、茄子、辣椒、黄瓜等形态差异大、具有代表性的蔬菜幼苗为研究对象,提出一种基于轻量化二阶段检测模型的多类蔬菜幼苗检测方法。模型采用混合深度分离卷积作为前置基础网... 详细信息

为实现自然环境下蔬菜幼苗精准快速识别,本文以豆角、花菜、白菜、茄子、辣椒、黄瓜等形态差异大、具有代表性的蔬菜幼苗为研究对象,提出一种基于轻量化二阶段检测模型的多类蔬菜幼苗检测方法。模型采用混合深度分离卷积作为前置基础网络对输入图像进行运算,以提高图像特征提取速度与效率;在此基础上,引入特征金字塔网络(Feature pyramid networks,FPN)单元融合特征提取网络不同层级特征信息,用于增强深度学习检测模型对多尺度目标的检测精度;然后,通过压缩检测头网络通道维数和全连接层数量,降低模型参数规模与计算复杂度;最后,将距离交并比(DistanceIoU,DIoU)损失作为目标边框回归损失函数,使预测框位置回归更加准确。试验结果表明,本文提出的深度学习推理模型对多类蔬菜幼苗的平均精度均值为97.47%,识别速度为19.07 f/s,模型占用存储空间为60 MB,对小目标作物以及叶片遮挡作物的平均精度均值达到88.55%,相比于Faster RCNN、RFCN模型具有良好的泛化性能和鲁棒性,可以为蔬菜田间农业智能装备精准作业所涉及的蔬菜幼苗检测识别问题提供新方案。

关键词：蔬菜幼苗深度学习作物识别轻量卷积二阶段检测模型

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：