检索结果-内蒙古大学图书馆

计算机学报 2025年第2期48卷 477-496页

作者：翁嘉思辜燕云刘家男李明翁健暨南大学网络空间安全学院东莞理工学院计算机科学与技术学院

全球数字化进程的加速伴随着数据主体信息失控现象日益显著。国内外数据安全相关法律相继出台,其中遗忘权(the Right to Be Forgotten)强调了数据主体拥有从数据使用方撤回其数据的权利。模型遗忘(Machine Unlearning)是机器学习领域践... 详细信息

全球数字化进程的加速伴随着数据主体信息失控现象日益显著。国内外数据安全相关法律相继出台,其中遗忘权(the Right to Be Forgotten)强调了数据主体拥有从数据使用方撤回其数据的权利。模型遗忘(Machine Unlearning)是机器学习领域践行遗忘权的技术,允许模型拥有方(即数据使用方)从已训练的模型中遗忘原本训练数据的指定数据,以满足数据拥有方撤回其数据的需求。现有针对模型遗忘效果的验证方法通常假设存在一个从未使用过被遗忘数据的基准模型,并通过测量遗忘后模型和基准模型的参数分布或输出分布是否足够相似来完成验证。然而,在恶意攻击场景下,模型拥有方容易伪造遗忘后模型的参数和输出分布,且模型参数通常难以归因于特定的训练数据,导致验证方难以有效验证目标模型是否遗忘其数据。本文提出了一种新的公开可验证模型遗忘方案,该方案在数据拥有方和模型拥有方之间执行,并在模型拥有方出现恶意行为时,数据拥有方能够生成任意第三方可验证的不可否认凭证。具体地,数据拥有方先利用动态通用累加器来认证被授权使用的数据或删除不被授权使用的数据;随后,模型拥有方在公开可验证隐蔽模型下证明模型训练使用了被累加数据或没有使用不被累加数据;最后,数据拥有方验证证明的有效性,若发现模型拥有方使用了未授权数据,则其生成公开可验证的凭证来追责模型拥有方的不合法行为。实验评估了不同数据量下证明和验证的计算开销,同时评估了不同数据点删除对模型预测结果的影响。

关键词：机器学习数据安全遗忘权模型遗忘可验证性

来源：评论

学校读者我要写书评

暂无评论

横向联邦学习:研究现状、系统应用与挑战

引用

计算机学报 2025年第1期48卷 35-67页

作者：吴文泰吴应良林伟伟左文明暨南大学信息科学技术学院广州510632 华南理工大学电子商务系广州510006 华南理工大学计算机科学与工程学院广州510006 人工智能与数字经济广东省实验室(广州) 广州510335

随着数据和算力向网络边缘下沉,人工智能应用的研发愈加依赖隐私敏感的用户数据。在这一趋势的推动下,联邦学习因其强调隐私保护的特性而逐渐成为一个广泛应用的分布式机器学习框架。作为联邦学习的原始范式,横向联邦学习(Horizontal Fe... 详细信息

随着数据和算力向网络边缘下沉,人工智能应用的研发愈加依赖隐私敏感的用户数据。在这一趋势的推动下,联邦学习因其强调隐私保护的特性而逐渐成为一个广泛应用的分布式机器学习框架。作为联邦学习的原始范式,横向联邦学习(Horizontal Federated Learning,HFL)具有扩展能力强和使用场景广泛等特点,因此是近年来该领域的研究重心,同时在产业界相关需求的驱动下有着十分广泛的应用前景。横向联邦学习的研究涉及机器学习、分布式系统、无线通信和信息安全等多个学术领域,从研究动机到技术方法都呈现多样化,但现有文献未能展现相关研究现状的全貌。此外,横向联邦学习相关技术的发展催化出了一系列开源系统框架、公开数据集以及多种场景下的应用,对进一步研究与实践都具有参考价值。为此,本文对横向联邦学习的研究现状和系统应用进行综合性调研:首先,对相关文献按照研究目标和技术角度进行全面地分类梳理,从多领域视角分析了各分支的研究现状;其次,从应用实践的视角,对比分析了面向横向联邦学习的主流系统框架与代码库、描述了数据准备方法以及典型的应用场景。在此基础上,阐明了横向联邦学习算法研究和系统应用面临的6个关键挑战,为如何缩小相关研究与系统实践之间的鸿沟提供了新的参考。

关键词：横向联邦学习数据隐私分布式系统机器学习人工神经网络

来源：评论

学校读者我要写书评

暂无评论

居民消费价格指数、工业增加率与股票指数波动关系分析——基于GARCH-MIDAS模型

引用

数学的实践与认识 2025年第3期55卷 1-12页

作者：谢贤芬何亦琛毛宜军古万荣张子烨黄天睿暨南大学经济学院广东广州510632 华南理工大学计算机科学与工程学院广东广州510641 华南农业大学数学与信息学院广东广州510642 广东第二师范学院计算机学院广东广州510303

为探究宏观经济因素与股市波动之间的关系,选取上证180指数与中证100指数为研究对象,将居民消费价格指数和工业增加率作为研究变量,基于多因子GARCH-MIDAS模型,研究宏观经济变量对股票价格长短期波动的影响.结果表明:模型能够很好地拟... 详细信息

为探究宏观经济因素与股市波动之间的关系,选取上证180指数与中证100指数为研究对象,将居民消费价格指数和工业增加率作为研究变量,基于多因子GARCH-MIDAS模型,研究宏观经济变量对股票价格长短期波动的影响.结果表明:模型能够很好地拟合股市的波动性,能较好地反映宏观经济变量与股市波动性之间的相关性;两个变量均对股市长期波动产生正向影响,均能显著影响未来股票市场波动.两者对股市波动短期影响则各有不同,工业增加率的影响不明显,而股市短期波动对居民消费价格指数的波动非常敏感。

关键词：股市波动率 GARCH-MIDAS 混频数据长短期波动

来源：评论

学校读者我要写书评

暂无评论

基于逐帧和逐段时空交互记忆网络的高效视频目标分割

引用

中国科学:信息科学 2025年第1期55卷 80-93页

作者：党吉圣郑慧诚王笔美李俊成丁恒辉赖剑煌中山大学计算机学院广州510006 School of Computing National University of SingaporeSingapore 119391Singapore 机器智能与先进计算教育部重点实验室广州510006 广东省信息安全技术重点实验室广州510006 暨南大学信息科学技术学院广州510632 复旦大学大数据研究院上海200433

视频目标分割旨在自动分割视频中感兴趣的目标,在视频编辑、机器人导航以及自动驾驶等领域均有着广泛的应用前景.现有的视频目标分割方法大多依赖于独立帧表观记忆,这在处理严重遮挡或表观相似的复杂视频场景时常显不足.为应对这些挑战... 详细信息

视频目标分割旨在自动分割视频中感兴趣的目标,在视频编辑、机器人导航以及自动驾驶等领域均有着广泛的应用前景.现有的视频目标分割方法大多依赖于独立帧表观记忆,这在处理严重遮挡或表观相似的复杂视频场景时常显不足.为应对这些挑战,本文提出了一种基于逐帧和逐段时空交互记忆网络(frame-wise and segment-wise spatio-temporal interaction memory,FSSTIM)的视频目标分割方法.FSSTIM引入逐帧和逐段时空交互记忆构建模块,通过构建时空上下文图网络提取逐段时空记忆特征图,并与逐帧记忆特征图进行交互增强,显著提高了网络处理相似表观和目标遮挡的能力.此外,引入动态采样记忆读取器实现了高效的多粒度历史信息读取,加快了推理速度并提高了分割精度.在DAVIS,YouTube-VOS和MOSE主流视频目标分割数据集上的实验表明,本文方法在保持实时处理速度的同时取得了先进的分割性能,且具有较强的泛化能力.

关键词：视频目标分割逐帧和逐段时空交互记忆网络时空上下文关联网络动态采样记忆读取

来源：评论

学校读者我要写书评

暂无评论

Linux进程行为结构提取与异常检测

引用

计算机工程 2006年第20期32卷 170-172,211页

作者：吉治钢蔡利栋暨南大学计算机科学系广州510632

研究了Linux进程行为结构及其异常检测问题。讨论了程序结构和程序踪迹之间的联系,认为正常运行的进程在整体结构上总具有一定的规律性,并据此提出了进程行为“结构异常”的概念。在此基础上,采用Markov链概率预报模型,提出了一种序列... 详细信息

研究了Linux进程行为结构及其异常检测问题。讨论了程序结构和程序踪迹之间的联系,认为正常运行的进程在整体结构上总具有一定的规律性,并据此提出了进程行为“结构异常”的概念。在此基础上,采用Markov链概率预报模型,提出了一种序列分段检测的新策略,将进程的结构异常检测和统计异常检测有机结合起来,实验结果初步表明该方法是可行、有效的。最后简要说明了方法的优点和不足。

关键词：进程行为入侵检测结构异常

来源：评论

学校读者我要写书评

暂无评论

基于频繁模式图的多维关联规则挖掘算法研究

引用

电子学报 2007年第8期35卷 1612-1616,F0003页

作者：刘波潘久辉暨南大学计算机科学系广东广州510632

关联规则挖掘是数据挖掘领域中重要的研究分支,频繁项集或频繁谓词集的计算是其中的关键问题.本文针对包括多值属性的关系数据库,以多维关联规则挖掘为目标,研究频繁谓词集的计算方法,提出了MPG算法及IMPG增量算法.MPG算法通过构建频繁... 详细信息

关联规则挖掘是数据挖掘领域中重要的研究分支,频繁项集或频繁谓词集的计算是其中的关键问题.本文针对包括多值属性的关系数据库,以多维关联规则挖掘为目标,研究频繁谓词集的计算方法,提出了MPG算法及IMPG增量算法.MPG算法通过构建频繁模式图MP-graph,按照深度优先搜索方法,动态挖掘频繁谓词集,只需扫描数据库一次.此外,该方法至多增加一次数据库扫描,就能扩展为IMPG算法,进行增量关联规则挖掘.文章分析了算法时间和空间性能,用实验说明了算法的有效性.

关键词：多维关联规则挖掘频繁谓词集频繁模式图增量式挖掘

来源：评论

学校读者我要写书评

暂无评论

用马尔科夫链对Linux进程行为的异常检测