检索结果-内蒙古大学图书馆

华中科技大学学报（自然科学版） 2024年第3期52卷 121-126页

作者：王方伟史锡朋李青茹王长广河北师范大学计算机与网络空间安全学院河北石家庄050024 河北师范大学河北省网络与信息安全重点实验室河北石家庄050024

针对恶意软件检测和分类中存在局部关键特征丢失、样本不足、样本不平衡和分类准确率低等问题,提出了一种基于多裁剪策略的恶意软件检测与分类模型MadcuG.模型首先将恶意软件字节文件用字节数组的形式放至内存缓冲区中生成彩色图像;然... 详细信息

针对恶意软件检测和分类中存在局部关键特征丢失、样本不足、样本不平衡和分类准确率低等问题,提出了一种基于多裁剪策略的恶意软件检测与分类模型MadcuG.模型首先将恶意软件字节文件用字节数组的形式放至内存缓冲区中生成彩色图像;然后用多裁剪策略将彩色图像生成恶意软件局部图像,以增加对局部关键特征的关注,解决样本不平衡和局部关键特征丢失问题;最后,用深度卷积生成对抗网络构造了打分判别器和分类判别器,目标损失函数为打分判别器和生成器的对抗损失及分类判别器的分类损失,以增加训练中参数的利用率和模型的泛化能力.实验结果表明:MadcuG模型在BIG2015和Malimg数据集上分别获得了99.88%和99.2%的分类准确率,优于已有模型.

关键词：系统安全深度卷积生成对抗网络多裁剪策略恶意软件分类样本不平衡

来源：评论

学校读者我要写书评

暂无评论

自适应裁剪的差分隐私联邦学习框架

引用

西安电子科技大学学报 2023年第4期50卷 111-120页

作者：王方伟谢美云李青茹王长广河北师范大学计算机与网络空间安全学院河北省网络与信息安全重点实验室河北石家庄050024

联邦学习允许参与训练的各方在不共享自己数据的前提下,实现协同建模,其数据隔离策略在一定程度上保障了用户数据的隐私安全,有效缓解了数据孤岛问题。然而,联邦学习的训练过程涉及参与者和服务器之间大量的参数交互,仍存在隐私泄露风... 详细信息

联邦学习允许参与训练的各方在不共享自己数据的前提下,实现协同建模,其数据隔离策略在一定程度上保障了用户数据的隐私安全,有效缓解了数据孤岛问题。然而,联邦学习的训练过程涉及参与者和服务器之间大量的参数交互,仍存在隐私泄露风险。为解决联邦学习数据传输过程中的隐私保护问题,提出了一种基于自适应裁剪的差分隐私联邦学习ADP_FL框架。在该框架中,各参与方使用自己的数据在本地执行多次迭代来训练模型,在每个迭代中自适应地选取裁剪阈值对梯度进行裁剪,将梯度限制在一个合理范围内;仅向上传的模型参数中添加动态的高斯噪声,以掩藏各参与者的贡献,服务器聚合接收到的噪声参数来更新全局模型。自适应梯度裁剪策略不仅可以实现对梯度的合理校准,同时裁剪阈值作为敏感度当中的一项参数,通过动态改变敏感度来控制着添加的噪声规模。理论分析和实验表明,所提出的框架在强隐私约束下,仍能够实现良好的模型精度。

关键词：联邦学习差分隐私隐私泄漏自适应裁剪

来源：评论

学校读者我要写书评

暂无评论

结合元素相乘和深度正交融合的隐写分析方案

引用

西安电子科技大学学报 2025年

作者：王长广石浩佚李青茹王方伟河北师范大学大学计算机与网络空间安全学院河北省网络与信息安全重点实验室

图像隐写分析技术面临的主要挑战是在保证检测精度的同时加快模型训练和推理速度。为此，提出了一种结合元素相乘和深度正交融合的隐写分析方案。该方案首先设计了一种多尺度注意力模块，用于在预处理阶段增强SRM滤波器提取的噪声残差... 详细信息

图像隐写分析技术面临的主要挑战是在保证检测精度的同时加快模型训练和推理速度。为此，提出了一种结合元素相乘和深度正交融合的隐写分析方案。该方案首先设计了一种多尺度注意力模块，用于在预处理阶段增强SRM滤波器提取的噪声残差信号。其次，引入可分离卷积与元素相乘的特征分析模块，对增强后的噪声信息进行多尺度建模与学习。最后，提出一种正交特征融合模块，将噪声的局部特征与全局特征进行正交融合，以补偿分析过程中全局平均池化带来的细节信息损失。在公开数据集BOSSBase和BOWS2上开展实验，选用两种典型的自适应隐写算法S-UNIWARD与WOW，并在不同嵌入率下构建训练集与测试集进行验证。实验结果显示，所提方案在两种嵌入算法下的检测准确率分别比已有方法平均提升了约2.4%和1.2%，同时模型参数量显著减少，展现出更高的效率与性能。此外，通过消融实验验证了各个模块在整体框架中的有效性。

关键词：隐写分析注意力机制卷积神经网络多特征融合元素相乘

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

基于改进T分布烟花-粒子群算法的AUV全局路径规划

引用

电子学报 2024年第9期52卷 3123-3134页

作者：刘志华张冉郝梦男安凯晨陈嘉兴河北师范大学计算机与网络空间安全学院河北石家庄050024 河北师范大学河北省网络与信息安全重点实验室河北石家庄050024 河北师范大学河北省供应链大数据分析与数据安全工程研究中心河北石家庄050024 河北师范大学数学科学学院河北石家庄050024 河北正定师范高等专科学校河北石家庄050800

针对传统粒子群算法在处理自主水下机器人(Autonomous Underwater Vehicle,AUV)全局路径规划时面临的寻优时间长、能耗高的问题,本文提出一种改进的T分布烟花-粒子群算法(T-distribution Fireworks-Particle Swarm Optimization Algorithm,TFWA-PSO),该算法融合了烟花算法的高效全局搜索能力和粒子群算法的快速局部寻优特性.在变异阶段,提出自适应T分布变异来扩大搜索范围,并在理论上证明了该变异方式能够使个体在局部最优解附近增强搜索能力.在选择阶段提出了适应度选择策略,淘汰适应度差的个体,解决了传统烟花算法易丢失优秀个体的问题,并对改进的T分布烟花算法与传统烟花算法的收敛速度进行对比.将改进算法的爆炸操作、变异操作和选择策略融合到粒子群算法中,对粒子群算法的速度更新公式进行了改进,同时从理论上对所改进的算法进行了收敛性证明.仿真实验结果表明,TFWA-PSO能够有效规划出一条最短路径,同时与给定的智能优化算法相比,TFWA-PSO在寻找最优路径的时间上平均降低了24.72%,能耗平均降低了17.33%,路径长度平均降低了16.96%.

关键词：自主水下机器人全局路径规划烟花算法粒子群算法自适应T分布变异收敛性证明

来源：评论

学校读者我要写书评

暂无评论

基于标签增强的细粒度文本分类

引用

计算机工程与应用 2024年第21期60卷 134-141页

作者：郭瑞强杨世龙贾晓文魏谦强河北师范大学计算机与网络空间安全学院石家庄050024 河北师范大学河北省供应链大数据分析与数据安全工程研究中心石家庄050024 河北师范大学河北省网络与信息安全重点实验室石家庄050024

文本分类是自然语言处理的一个重要分支,旨在通过训练给数据标注标签。但现有的方法仅仅考虑了标签和文本之间最浅显的语义关系,并没有考虑标签本身的额外语义信息,导致文本分类的准确率难以提升。针对此问题,提出一种基于标签增强的细... 详细信息

文本分类是自然语言处理的一个重要分支,旨在通过训练给数据标注标签。但现有的方法仅仅考虑了标签和文本之间最浅显的语义关系,并没有考虑标签本身的额外语义信息,导致文本分类的准确率难以提升。针对此问题,提出一种基于标签增强的细粒度文本分类模型(FGTC),它根据已知信息对标签进行解释,丰富了标签和文档之间的语义联系。此外,FGTC进一步建模标签中短语的序列关系,并采用单词级别的细粒度标签注意力方法,充分挖掘了标签的有效信息。在四个基准数据集上进行了对比实验,结果表明,该模型在文本分类任务上的准确率得到有效提升。

关键词：文本分类标签增强细粒度标签注意力

来源：评论

学校读者我要写书评

暂无评论

一种新的深度学习信号调制方式自动识别算法研究

引用

现代电子技术 2025年第12期 179-186页

作者：张丹华冯冀宁河北师范大学计算机与网络空间安全学院河北师范大学河北省网络与信息安全重点实验室河北师范大学供应链大数据分析与数据安全河北省工程研究中心

调制方式自动识别（AMR）基于深度学习（DL）的方法 AMR-DL是当前信号调制方式识别领域的研究热点。然而，低信噪比（SNR）条件下的调制信号以及深度学习网络参数量过大会显著降低AMR-DL的识别准确率和计算效率。针对这两个关键问题，... 详细信息

调制方式自动识别（AMR）基于深度学习（DL）的方法 AMR-DL是当前信号调制方式识别领域的研究热点。然而，低信噪比（SNR）条件下的调制信号以及深度学习网络参数量过大会显著降低AMR-DL的识别准确率和计算效率。针对这两个关键问题，提出一种新型AMR-DL算法。新算法利用多观测样本累积方法提高信噪比，对增强后的信号进行小波变换，得到时频图像，将调制识别问题转换为时频图像的分类问题；同时设计了一个轻量级神经网络，用于时频图像特征提取与分类。仿真结果显示，所提新型AMR-DL算法中轻量级神经网络参数量较少，在0 dB下准确率可达98.1%，且与其他算法相比在低信噪比条件下显著提高了调制信号的识别准确率。

关键词：深度学习调制方式自动识别多观测样本累积轻量级神经网络小波变换低信噪比

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

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

基于时空图卷积网络的城市交通流预测模型

引用

武汉理工大学学报（交通科学与工程版） 2023年第2期47卷 234-238页

作者：路佳玲魏志成田多河北师范大学计算机与网络空间安全学院石家庄050024 河北师范大学河北省网络与信息安全重点实验室石家庄050024

针对交通流的高度非线性和复杂性特征,构建了多因子图构建时空图卷积网络(multi-factor graph construction spatio-temporal graph convolutional network,MFGC-STGCN),进行交通流预测.提出了获取节点间空间关联性的图构建算法,通过考... 详细信息

针对交通流的高度非线性和复杂性特征,构建了多因子图构建时空图卷积网络(multi-factor graph construction spatio-temporal graph convolutional network,MFGC-STGCN),进行交通流预测.提出了获取节点间空间关联性的图构建算法,通过考虑节点间交互交通流数量、交互时间代价,以及流出交通流相似度三个因子,构建图的邻接矩阵.基于图卷积网络(graph convolutional network,GCN),以图的邻接矩阵构建拉普拉斯矩阵,提取交通流的空间特征.基于门控线性单元(gated linear units,GLU),提取交通流的时间特征.使用石家庄二环范围的网约车数据对模型进行评价.结果表明:MFGC-STGCN的预测精度优于其他对比预测模型.

关键词：交通流预测 MFGC-STGCN 邻接矩阵图卷积网络

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：