检索结果-内蒙古大学图书馆

计算机学报 2025年第2期48卷 497-516页

作者：王晨旭孙一帆柳博洋师金宸沈彦成王伟西安交通大学软件学院西安710049 西安交通大学智能网络与网络安全教育部重点实验室西安710049

随着云计算技术的快速发展和云存储服务的日益普及,众多用户选择将数据托管至云存储平台。然而,数据一旦外包,便存在失去控制权的风险,尤其是对数据安全性有较高要求的用户,需定期验证云上数据的完整性。传统的数据完整性审计方法依赖... 详细信息

随着云计算技术的快速发展和云存储服务的日益普及,众多用户选择将数据托管至云存储平台。然而,数据一旦外包,便存在失去控制权的风险,尤其是对数据安全性有较高要求的用户,需定期验证云上数据的完整性。传统的数据完整性审计方法依赖于第三方审计员来执行数据审查,不可避免地引入了第三方信任问题。为了增强数据的可靠性,部分用户会创建数据的多个副本,并将其分散存储于不同的服务器上。然而,现有的多云多副本数据完整性审计算法存在计算效率低下的问题。针对上述挑战,本文提出了一种基于区块链的动态多云多副本数据完整性审计方法。该方法通过在区块链上部署智能合约,自动执行数据审计并提供可信的审计结果,有效解决了第三方信任问题。通过优化审计算法中的标签生成机制,显著减少了群上乘法和幂运算的次数,并将验证过程中的累乘操作简化为累加操作,从而降低了算法的计算成本。此外,本研究还对所提模型进行了严格的安全性分析和大量的实验验证,并与其他数据完整性审计方法在不同参数设置下进行了比较,充分证明了所提出方法在安全性和有效性方面的优越性。

关键词：区块链云存储多云多副本存储数据完整性审计

来源：评论

学校读者我要写书评

暂无评论

基于半监督和自监督图表示学习的恶意节点检测

引用

软件学报 2025年第5期 2288-2307页

作者：王晨旭王凯月王梦勤西安交通大学软件学院智能网络与网络安全教育部重点实验室(西安交通大学)

现实场景中,电子商务、消费点评、社交网络等不同平台用户之间往往存在着丰富的交互关系,将其构建成图结构,并基于图神经网络GNN进行恶意用户检测已成为相关领域近几年的研究趋势.然而,由于恶意用户通常占比较小且存在伪装和标记成本高... 详细信息

现实场景中,电子商务、消费点评、社交网络等不同平台用户之间往往存在着丰富的交互关系,将其构建成图结构,并基于图神经网络GNN进行恶意用户检测已成为相关领域近几年的研究趋势.然而,由于恶意用户通常占比较小且存在伪装和标记成本高的情况,导致了数据不平衡、数据不一致和标签稀缺等问题,从而使传统GNN方法的效果受到了一定的限制.提出基于半监督图表示学习的恶意节点检测方法,该方法通过改进的GNN方法进行图节点表示学习并对图中节点分类.具体地,构造类别感知的恶意节点检测方法 (class-aware malicious node detection, CAMD),引入类别感知注意力系数、不一致图神经网络编码器、类别感知不平衡损失函数以解决数据不一致与不平衡问题.接下来,针对CAMD在标签稀缺情况下检测效果受限的问题,提出基于图对比学习的方法 CAMD+,引入数据增强、自监督图对比学习及类别感知图对比学习,使模型可以从未标记的数据中学习更多信息并充分利用稀缺的标签信息.最后,在真实数据集上的大量实验结果验证所提方法优于所有基线方法,且在不同程度的标签稀缺情况下都表现出良好的检测效果.

关键词：恶意节点检测图神经网络表示学习

来源：评论

学校读者我要写书评

暂无评论

基于相关性提示的知识图谱问答

引用

软件学报 2025年

作者：马杰孙望淳王平辉张若非李帅鹏苏洲西安交通大学网络空间安全学院智能网络与网络安全教育部重点实验室(西安交通大学)

大语言模型(large language model, LLM)随着不断发展,在开放领域取得了出色的表现.然而,由于缺乏专业知识, LLM在垂直领域问答任务上效果较差.这一问题引发了研究者的广泛关注.现有研究通过“检索-问答”的方式,将领域知识注入大语言模... 详细信息

大语言模型(large language model, LLM)随着不断发展,在开放领域取得了出色的表现.然而,由于缺乏专业知识, LLM在垂直领域问答任务上效果较差.这一问题引发了研究者的广泛关注.现有研究通过“检索-问答”的方式,将领域知识注入大语言模型,以增强其性能.然而该方式通常会检索到额外的噪声数据而导致LLM的性能损失.为了解决该问题,提出基于知识相关性的知识图谱问答方法.具体而言,将噪声数据与回答问题所需要的知识进行区分,在“检索-相关性评估-问答”的框架下,引导大语言模型选择合理的知识做出正确的回答.此外,提出一个机械领域知识图谱问答的数据集Mecha-QA,包含传统机械制造以及增材制造两个子领域,以推进该领域大语言模型与知识图谱问答相关的研究.为了验证所提方法的有效性,在Mecha-QA和航空航天领域数据集AeroQA上进行实验.结果表明,该方法可以显著提升大语言模型在垂直领域知识图谱问答的性能.

关键词：大语言模型知识图谱垂直领域问答系统知识检索

来源：评论

学校读者我要写书评

暂无评论

动态捷变全息MIMO:自由度、分集增益和阵列增益分析

引用

中国科学:信息科学 2025年第3期55卷 639-653页

作者：白家乐王慧明金梁楼洋明西安交通大学信息与通信工程学院西安710049 智能网络与网络安全教育部重点实验室西安710049 信息工程大学信息技术研究所郑州450003

本文提出了一种基于智能超材料表面的动态捷变双端全息MIMO无线通信系统.充分利用智能超表面能够灵活动态调控电磁信号的特点,将其作为一种具有动态捷变能力的MIMO天线配置在发射端和接收端.基于此提出了全息MIMO阵列的空时动态捷变框架... 详细信息

本文提出了一种基于智能超材料表面的动态捷变双端全息MIMO无线通信系统.充分利用智能超表面能够灵活动态调控电磁信号的特点,将其作为一种具有动态捷变能力的MIMO天线配置在发射端和接收端.基于此提出了全息MIMO阵列的空时动态捷变框架,在同一符号持续期内多次捷变超表面单元的相位响应,构造等效扩展空时信道矩阵,从而充分挖掘系统的通信能力.论文详细分析了多径衰落信道下系统的复用增益(自由度)、分集增益和阵列增益.结果揭示了:(1)自由度与捷变频率、径簇角度扩展、天线尺寸和收发端天线数的明确关系式,该结论表明当接收天线数少于发射天线数时,超表面单元相位响应动态捷变能够提高系统自由度;(2)分集增益与捷变频率和自由度的明确关系式,分集增益随捷变频率增加而增加;(3)阵列增益和全息MIMO阵列尺寸成正比.

关键词：智能超表面全息MIMO 自由度分集增益阵列增益

来源：评论

学校读者我要写书评

暂无评论

人工智能从弱到强的路径分析

引用

智能系统学报 2025年第1期20卷 1-1页

作者：郑庆华中国工程院同济大学智能网络与网络安全教育部重点实验室教育部科技委学部教育部大学计算机教指委

人工智能作为一种新质生产力,在信息时代为我们提供了一种前所未有的分析世界、认识世界、改造世界的新方法新手段,甚至提供了一种新的思维方式。人工智能总体上沿着计算智能、感知智能、认知智能的逻辑方向发展,当然这三者并非线性地发... 详细信息

人工智能作为一种新质生产力,在信息时代为我们提供了一种前所未有的分析世界、认识世界、改造世界的新方法新手段,甚至提供了一种新的思维方式。人工智能总体上沿着计算智能、感知智能、认知智能的逻辑方向发展,当然这三者并非线性地发展,而是螺旋式循环上升的。那么如何实现人工智能从弱到强的技术路径?

关键词：人工智能计算智能技术路径螺旋式信息时代路径分析非线性循环上升

来源：评论

学校读者我要写书评

暂无评论

面向区块链漏洞知识库的大模型增强知识图谱问答模型

引用

现代电子技术 2025年第2期48卷 137-142页

作者：解飞宋建华姜丽张龑何帅湖北大学计算机与信息工程学院湖北武汉430062 湖北大学网络空间安全学院湖北武汉430062 华中科技大学网络空间安全学院湖北武汉430074 智能感知系统与安全教育部重点实验室湖北武汉430062 智能网联汽车网络安全湖北省工程研究中心湖北武汉430062

大语言模型(LLM)在专业领域特别是区块链漏洞领域应用时存在局限性,如专业术语噪声干扰和细粒度信息过重导致理解不足。为此,构建一种面向区块链漏洞知识库的增强型知识图谱问答模型(LMBK_KG)。通过整合大模型和知识图谱来增强知识表示... 详细信息

大语言模型(LLM)在专业领域特别是区块链漏洞领域应用时存在局限性,如专业术语噪声干扰和细粒度信息过重导致理解不足。为此,构建一种面向区块链漏洞知识库的增强型知识图谱问答模型(LMBK_KG)。通过整合大模型和知识图谱来增强知识表示和理解能力,同时利用多粒度语义信息进行专业问题的过滤和精准匹配。研究方法包括使用集成的多粒度语义信息和知识图谱来过滤专业术语噪声,以及采用大模型生成的回答与专业知识图谱进行结构化匹配和验证,以提高模型的鲁棒性和安全性。实验结果表明,所提出的模型在区块链漏洞领域问答的准确率比单独使用大模型提高26%。

关键词：大语言模型知识图谱问答模型多粒度语义信息区块链漏洞信息文本表征

来源：评论

学校读者我要写书评

暂无评论

基于贝叶斯理论框架的传感器选择算法

引用

自动化学报 2018年第8期44卷 1425-1435页

作者：郭军军韩崇昭西安交通大学智能网络与网络安全教育部重点实验室西安710049

针对大规模传感器网络(Large-scale sensor networks)的目标跟踪问题,本文在贝叶斯(Bayes)框架下,提出了一种全新的基于传感器选择的多传感器目标跟踪算法.算法的具体思路为:首先基于Bayes框架,根据不同的管理目标,推导出传感器选择的... 详细信息

针对大规模传感器网络(Large-scale sensor networks)的目标跟踪问题,本文在贝叶斯(Bayes)框架下,提出了一种全新的基于传感器选择的多传感器目标跟踪算法.算法的具体思路为:首先基于Bayes框架,根据不同的管理目标,推导出传感器选择的目标函数;然后根据目标函数,计算出相应的传感器选择方案;最后将选择的传感器进行数据融合,求得传感器网络的目标跟踪结果.相比传统的基于量测野值点剔除思想的目标跟踪算法以及基于系统偏差估计的传感器配准算法,本文提出的基于传感器选择的多传感器目标跟踪算法不仅目标跟踪精度更高,且跟踪性能更稳定.同时本文提出的传感器选择算法还可以适用于杂波数目较少的目标跟踪场景.仿真结果说明了本文所提算法的有效性.

关键词：大规模传感器网络贝叶斯理论传感器选择目标跟踪信息融合

来源：评论

学校读者我要写书评

暂无评论

流量内容词语相关度的网络热点话题提取

引用

西安交通大学学报 2007年第10期41卷 1142-1145,1150页

作者：周亚东孙钦东管晓宏李卫陶敬西安交通大学智能网络与网络安全教育部重点实验室

针对网络舆情分析的需求,给出了网络热点话题定义及其形式化描述,分析了流量内容中热点词语与热点话题的关系,提出了流量内容中热点词语的相关度计算算法.在此基础上,采用基于高密度连接区域的密度聚类方法得到热点词语簇,结合热点词语... 详细信息

针对网络舆情分析的需求,给出了网络热点话题定义及其形式化描述,分析了流量内容中热点词语与热点话题的关系,提出了流量内容中热点词语的相关度计算算法.在此基础上,采用基于高密度连接区域的密度聚类方法得到热点词语簇,结合热点词语簇相关的网页标题及网站地址信息,得出网络热点话题的属性描述.实验结果表明,该算法能够有效获取当前网络中的热点话题,话题提取有效率达到16.7%,为网络热点话题传播特性研究提供了基础.与Web挖掘、话题监测与跟踪方法相比,所提算法通过选取合适的数据源,能更大程度地还原网络用户行为,从而得到了更为准确的网络信息传播状况.

关键词：网络热点话题流量内容网络舆情分析

来源：评论

学校读者我要写书评

暂无评论

网络流的层次化分析及其在蠕虫早期检测中的应用

引用

西安交通大学学报 2007年第4期41卷 393-397页

作者：蔡忠闽秦涛西安交通大学智能网络与网络安全教育部重点实验室

在NetFlow的基础上定义了2种新的网络流:主机层网络流和区域层网络流,并提出了相应的流量特征刻画方法.该定义从主机层和网络层对网络流量进行抽象,实现了底层网络流信息的合并,在不损失关键流量特征的前提下,可大大缩减网络流记录的数... 详细信息

在NetFlow的基础上定义了2种新的网络流:主机层网络流和区域层网络流,并提出了相应的流量特征刻画方法.该定义从主机层和网络层对网络流量进行抽象,实现了底层网络流信息的合并,在不损失关键流量特征的前提下,可大大缩减网络流记录的数量.采用指数加权移动平均控制图模型对所提取的网络流特征进行预测和估计,并结合网络蠕虫的传播特征给出了一种网络蠕虫的早期检测方法.实验结果表明,所提检测方法可以准确地检测到蠕虫在局域网内的早期传播,进而为控制蠕虫传播赢得了宝贵的时间.

关键词：网络安全网络流指数加权移动平均网络蠕虫

来源：评论

学校读者我要写书评

暂无评论

一种基于证明树反演的安全漏洞定位方法

引用

西安交通大学学报 2007年第4期41卷 439-443页

作者：王清郑庆华管晓宏张哲菲西安交通大学智能网络与网络安全教育部重点实验室

针对Web应用中普遍存在SQL注入漏洞等问题,提出了一种基于证明树反演的漏洞定位方法.该方法可对攻击产生的根源直接进行源代码的漏洞挖掘,其核心思想是:通过在脚本中反向追踪数据库操作所涉及的变量来检验其是否受到外界的影响,从而达... 详细信息

针对Web应用中普遍存在SQL注入漏洞等问题,提出了一种基于证明树反演的漏洞定位方法.该方法可对攻击产生的根源直接进行源代码的漏洞挖掘,其核心思想是:通过在脚本中反向追踪数据库操作所涉及的变量来检验其是否受到外界的影响,从而达到控制数据库操作的安全隐患.实验结果表明,所提方法能够准确验证53.8%的数据库操作的安全性,对于不能做出自动判定的风险操作,则能给出变量的依赖关系.该方法适用于以各种脚本语言和数据库系统搭建的Web应用平台.

关键词：注入漏洞数据库操作反演

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：