检索结果-内蒙古大学图书馆

网络与信息安全学报 2023年第2期9卷 21-32页

作者：蔡召荆涛任爽北京交通大学计算机与信息技术学院北京100044

随着区块链技术的广泛应用,网络钓鱼诈骗成为区块链平台上的一大威胁。由于区块链交易具有不可逆性、匿名性和难以篡改性等特点,网络钓鱼攻击往往具有高度的欺骗性和隐蔽性,给用户和企业带来了巨大损失。其中,以太坊平台因其智能合约功... 详细信息

随着区块链技术的广泛应用,网络钓鱼诈骗成为区块链平台上的一大威胁。由于区块链交易具有不可逆性、匿名性和难以篡改性等特点,网络钓鱼攻击往往具有高度的欺骗性和隐蔽性,给用户和企业带来了巨大损失。其中,以太坊平台因其智能合约功能而备受瞩目,并吸引了众多“加密货币”投资者。然而,这种广泛流行也导致了一些不法分子的涌入,滋生了许多网络犯罪行为。其中,钓鱼诈骗是以太坊平台上主要的诈骗形式之一。针对这种情况,以太坊网络钓鱼检测技术应运而生,研究者在该领域取得了众多成果,但对这些研究成果的系统分析和总结相对较少。深入分析了以太坊上网络钓鱼诈骗的现状,对已有的钓鱼诈骗检测数据集和评价指标进行了全面总结。在此基础上,进一步综述了以太坊钓鱼诈骗检测的方法,包括基于交易信息、基于图嵌入和基于图神经网络的方法。其中,基于交易信息的方法是最为常见的,通过分析交易数据的输入地址、输出地址和数额等信息,来判断交易是否存在异常。基于图嵌入和基于图神经网络的方法则更加注重对整个交易网络的分析,通过构建图结构来分析节点之间的关系,从而更加精准地识别钓鱼攻击。对比分析了各方法的优缺点,说明了各方法的适用范围和局限性。进一步指出了以太坊钓鱼诈骗检测面临的挑战,并展望了以太坊钓鱼诈骗检测未来的研究趋势。

关键词：区块链以太坊钓鱼检测图神经网络

来源：评论

学校读者我要写书评

暂无评论

兼顾传输功率和衰减因素的同轴线半径比优化方法

引用

中国石油大学学报（自然科学版） 2024年第4期48卷 160-165页

作者：刘涛王莉利中国石油大学(北京)信息科学与工程学院北京102249 东北石油大学计算机与信息技术学院黑龙江大庆163318

针对传统的通用型同轴线产品设计、制造基础理论缺陷和目前微波采油现场利用地下石油管构建超长、功率容量大及能量损耗小的井筒同轴线工程需求,进行通用型同轴线结构优化理论和设计方法研究;突破经典的单因素优化方法约束,基于同轴线... 详细信息

针对传统的通用型同轴线产品设计、制造基础理论缺陷和目前微波采油现场利用地下石油管构建超长、功率容量大及能量损耗小的井筒同轴线工程需求,进行通用型同轴线结构优化理论和设计方法研究;突破经典的单因素优化方法约束,基于同轴线上传输功率、能量损耗与衰减系数三者之间固有的物理关系,构造兼顾最大传输功率和最小衰减系数双重因素影响的目标函数数学模型;提出同轴线半径比优化设计方法。结果表明:通用型同轴线的外、内导体半径比最优值为2.11,特性阻抗标称值为45Ω;同轴线传输特性对其导体半径比的变化很敏感,应用经典的单因素优化结果不能满足使用要求,只有兼顾最大传输功率和最小衰减系数双重因素影响才能使通用型同轴线具有通用性功能,本文的理论结果与同轴线单模传输公式相结合,构成了完整的通用型同轴线结构优化设计理论体系。

关键词：同轴线导体半径比最大传输功率最小衰减系数优化方法

来源：评论

学校读者我要写书评

暂无评论

融合MAML和TGAT的机会网络动态链路预测模型

引用

小型微型计算机系统 2024年第12期45卷 2957-2963页

作者：袁子轩张峰许岗魏光辉石永强山西大学计算机与信息技术学院太原030006 内蒙古大学计算机学院呼和浩特010021

机会网络中由于节点频繁移动导致节点间的间歇性连接,导致网络拓扑结构会随时间不断发生变化,而采用离散时间切片的机会网络链路预测方法不能很好地刻画机会网络链路动态变化的演变规律.本文提出一种基于元学习框架的模型(METATGAT)来... 详细信息

机会网络中由于节点频繁移动导致节点间的间歇性连接,导致网络拓扑结构会随时间不断发生变化,而采用离散时间切片的机会网络链路预测方法不能很好地刻画机会网络链路动态变化的演变规律.本文提出一种基于元学习框架的模型(METATGAT)来预测动态网络链接的变化情况,通过具有分层时间间隔和节点自适应的元学习者来提取网络动态演变的先验知识,并在元学习任务中设计一种采样注意力计算方式,来提升模型中图神经网络节点表征的计算效率.为了评估所提方法的有效性,本文选择Infocom05,Hyccups, Infocom06这3个真实的机会网络数据集进行验证,运用AUC和AP评价指标对所提方法与传统算法进行对比,结果显示所提方法能够有效捕获机会网络链路变化的一般知识,并且在链路预测准确率方面相比于传统算法有一定的提升.

关键词：机会网络链路预测图嵌入元学习小样本学习

来源：评论

学校读者我要写书评

暂无评论

持续学习的研究进展与趋势

引用

计算机研究与发展 2024年第6期61卷 1476-1496页

作者：李文斌熊亚锟范祉辰邓波曹付元高阳计算机软件新技术国家重点实验室(南京大学) 南京210023 中国科学院空天信息创新研究院北京100094 山西大学计算机与信息技术学院(大数据学院) 太原030006 山西大学大数据学院太原030006

随着深度学习技术的发展与应用,特别是资源受限场景和数据安全场景对序列任务和数据进行快速学习需求的增多,持续学习逐渐成为机器学习领域关注的一个新热点.不同于人类所具备的持续学习和迁移知识的能力,现有深度学习模型在序列学习过... 详细信息

随着深度学习技术的发展与应用,特别是资源受限场景和数据安全场景对序列任务和数据进行快速学习需求的增多,持续学习逐渐成为机器学习领域关注的一个新热点.不同于人类所具备的持续学习和迁移知识的能力,现有深度学习模型在序列学习过程中容易遭受灾难性遗忘的问题.因此,如何在动态、非平稳的序列任务及流式数据中不断学习新知识、同时保留旧知识是持续学习研究的核心.首先,通过对近年来持续学习国内外相关工作的调研与总结,将持续学习方法分为基于回放、基于约束、基于结构三大类,并对这3类方法做进一步的细分.具体而言,根据所使用的样本来源将基于回放的方法细分为采样回放、生成回放、伪样本回放3类;根据训练约束的来源将基于约束的方法细分为参数约束、梯度约束、数据约束3类;根据对于模型结构的使用方式将基于结构的方法细分为参数隔离、模型拓展2类.通过对比相关工作的创新点,对各类方法的优缺点进行总结.其次,对国内外研究现状进行分析.最后,针对持续学习与其他领域相结合的未来发展方向进行展望.

关键词：深度学习知识迁移持续学习灾难性遗忘序列任务

来源：评论

学校读者我要写书评

暂无评论

融合词汇边界信息的合同实体识别方法

引用

计算机工程与设计 2024年第6期45卷 1757-1763页

作者：王浩畅和婷婷郑冠彧东北石油大学计算机与信息技术学院黑龙江大庆163318

针对合同中实体表达形式复杂多变、识别粒度细的特点,及合同文本中实体较长问题,提出一种融合词汇边界信息的合同实体识别方法。利用预训练语言模型动态生成语义向量作为模型输入;运用相对位置编码对Transformer结构进行改进,使其在编... 详细信息

针对合同中实体表达形式复杂多变、识别粒度细的特点,及合同文本中实体较长问题,提出一种融合词汇边界信息的合同实体识别方法。利用预训练语言模型动态生成语义向量作为模型输入;运用相对位置编码对Transformer结构进行改进,使其在编码过程中融合词汇信息,进一步丰富语义特征;通过条件随机场(CRF)结构进行解码,得到输入序列的标签预测。实验结果表明,该方法可以有效确定合同文本中的实体边界,具有良好的泛化性能。

关键词：实体识别合同文本预训练语言模型相对位置编码转换器结构词汇边界信息条件随机场

来源：评论

学校读者我要写书评

暂无评论

面向合成语音检测的弹性正交权重修正连续学习算法

引用

计算机研究与发展 2025年第2期62卷 336-345页

作者：张晓辉易江燕陶建华周俊佐中国科学院自动化研究所北京100190 北京交通大学计算机与信息技术学院北京100044 清华大学自动化系北京100084

目前,深度学习在合成语音检测领域取得了巨大的成功.然而,通常情况下,深度模型可以在与训练集分布相似的测试集上取得高准确率,但在跨数据集的情境下,其准确率却会显著下降.为了提高模型在新数据集上的泛化能力,通常需要对其进行微调,... 详细信息

目前,深度学习在合成语音检测领域取得了巨大的成功.然而,通常情况下,深度模型可以在与训练集分布相似的测试集上取得高准确率,但在跨数据集的情境下,其准确率却会显著下降.为了提高模型在新数据集上的泛化能力,通常需要对其进行微调,但这会导致模型遭受灾难性遗忘.灾难性遗忘指的是模型在新数据上的训练会损害其从旧数据中获得的知识,导致对旧数据的识别性能下降.目前,克服灾难性遗忘的主要算法之一是连续学习.面向合成语音检测提出了一种连续学习算法——弹性正交权重修正(elastic orthogonal weight modification,EOWM),用于克服灾难性遗忘.该算法通过修正模型在学习新知识时的参数更新方向和更新幅度,以减少对已学知识的损害.具体来说,该算法在模型学习新知识时要求参数的更新方向与旧任务的数据分布正交,并同时限制对旧任务中重要参数的更新幅度.在合成语音检测领域的跨数据集实验中,算法取得了良好的效果.与微调相比,该算法在旧数据集上的等错误率(equal error rate,EER)从7.334%降低至0.821%,相对下降了90%;在新数据集上的等错误率从0.513%降低至0.315%,相对下降了40%.

关键词：合成语音检测连续学习弹性正交权重修正预训练模型深度神经网络

来源：评论

学校读者我要写书评

暂无评论

基于最短路径序列化图的域内路由保护算法

引用

软件学报 2025年第2期36卷 680-697页

作者：耿海军胡睿乾胡治国尹霞山西大学自动化与软件学院山西太原030006 山西大学计算机与信息技术学院山西太原030006 嵌入式系统与服务计算教育部重点实验室(同济大学) 上海200092 清华大学计算机科学与技术系北京100084

互联网服务提供商采用路由保护算法来满足实时性、低时延和高可用应用的需求.然而已有路由保护算法存在下面3个方面的问题:(1)在不改变传统路由协议转发机制的前提下,故障保护率普遍较低;(2)为了追求较高的故障保护率,通常需要改变传统... 详细信息

互联网服务提供商采用路由保护算法来满足实时性、低时延和高可用应用的需求.然而已有路由保护算法存在下面3个方面的问题:(1)在不改变传统路由协议转发机制的前提下,故障保护率普遍较低;(2)为了追求较高的故障保护率,通常需要改变传统路由协议的转发机制,实际部署难度较大;(3)无法同时利用最优下一跳和备份下一跳,从而导致网络负载均衡能力较差.针对上述3个问题,提出一种基于最短路径序列化图的路由保护算法,所提算法不需要改变转发机制,支持增量部署,同时使用最优下一跳和备份下一跳不会出现路由环路,并且具有较高的故障保护率.所提算法主要包括下面两个步骤:(1)为每个节点计算一个序号,构造最短路径正序化图;(2)利用最短路径正序化图和反序搜索规则构造最短路径序列化图,在此基础上根据备份下一跳计算规则计算节点对之间的备份下一跳集合.在真实和模拟网络拓扑上进行测试,实验结果表明,与其他路由保护算法相比,所提算法在平均备份下一跳数量、故障保护率和路径拉伸度3个指标方面均具有显著的优势.

关键词：网络故障路由保护最短路径序列化图故障保护率路径拉伸度

来源：评论

学校读者我要写书评

暂无评论

基于XGBoost和随机森林的区块链异常交易检测

引用

南京邮电大学学报(自然科学版) 2025年第1期45卷 115-122页

作者：赵鹏王文剑吴迪张虹太原师范学院计算机科学与技术学院山西晋中030619 山西大学计算机与信息技术学院山西太原030006 大连理工大学计算机学院辽宁大连116081

近年来,黑客攻击、网络钓鱼、勒索病毒等事件频发,使得区块链交易异常检测成为当前研究的热点之一。XGBoost作为一种基于梯度提升框架的机器学习算法,可灵活地处理数据特征,不仅关注模型的预测误差,还考虑了每个样本的相对重要性。在前... 详细信息

近年来,黑客攻击、网络钓鱼、勒索病毒等事件频发,使得区块链交易异常检测成为当前研究的热点之一。XGBoost作为一种基于梯度提升框架的机器学习算法,可灵活地处理数据特征,不仅关注模型的预测误差,还考虑了每个样本的相对重要性。在前人区块链交易异常检测研究的基础上,将XGBoost与随机森林算法相结合,提出了基于XGBoost和随机森林的区块链异常交易检测模型(Blockchain Anomalous Transaction Detection Based on XGBoost and Random Forests,BATD_XRF)。模型分为数据特征处理、特征选择、分类检测3个模块,选取Elliptic Data Set、Bitcoin Alpha Dataset和Bitcoin OTC Trust Network Dataset数据集,使用主成分分析方法对数据进行二分类。特征选择过程中通过Gini Mean Decrease计算平均递减量,进一步确定特征的相对重要性。分类检测过程中提出网络搜索参数调优算法,并进行10倍交叉验证。最终通过与其他模型的对比实验,证明了所提模型在区块链交易异常检测中的准确性更高,训练时间更短。

关键词：区块链异常交易检测 XGBoost 随机森林比特币交易

来源：评论

学校读者我要写书评

暂无评论

基于改进图注意力网络的油井产量预测模型

引用

吉林大学学报（理学版） 2024年第4期62卷 933-942页

作者：张强彭骨薛陈斌东北石油大学计算机与信息技术学院黑龙江大庆163318

针对图注意力网络处理噪声和时序数据较弱,并且在堆叠多层后出现梯度爆炸、过平滑等问题,提出一种改进图注意力网络模型.首先,使用Squeeze-and-Excitation模块对样本输入数据的特征信息进行不同程度关注,增强模型处理噪声的能力;其次,... 详细信息

针对图注意力网络处理噪声和时序数据较弱,并且在堆叠多层后出现梯度爆炸、过平滑等问题,提出一种改进图注意力网络模型.首先,使用Squeeze-and-Excitation模块对样本输入数据的特征信息进行不同程度关注,增强模型处理噪声的能力;其次,使用多头注意力机制,将序列数据中每个序列相对其他序列进行加权求和,提取数据的时序性;再次,将图注意力网络提取的节点特征与节点的度中心性拼接,获取节点的局部特征,并用全局平均池化的方式提取节点的全局特征;最后,将两者进行融合得到节点的最终特征表示,增强模型的表征能力.为验证改进图注意力网络的有效性,将改进图注意力网络模型与LSTM,GRU和GGNN模型进行对比,实验结果表明,该模型预测效果得到有效提升,具有更高的预测精度.

关键词：图注意力网络多头注意力节点度中心性全局平均池化

来源：评论

学校读者我要写书评

暂无评论

基于对比学习与梯度惩罚的实体关系联合抽取模型

引用

吉林大学学报（理学版） 2024年第5期62卷 1155-1162页

作者：张强曾俊玮陈锐东北石油大学计算机与信息技术学院黑龙江大庆163318

针对使用全局指针网络进行实体关系抽取时特征信息不明显的实体关系类型数据稀疏问题,以及数据中存在的类别不平衡和错误标注问题,提出一种基于对比学习和梯度惩罚方法并使用改进的RoBERTa预训练模型的实体关系联合抽取模型,在阿里天池... 详细信息

针对使用全局指针网络进行实体关系抽取时特征信息不明显的实体关系类型数据稀疏问题,以及数据中存在的类别不平衡和错误标注问题,提出一种基于对比学习和梯度惩罚方法并使用改进的RoBERTa预训练模型的实体关系联合抽取模型,在阿里天池中文医疗信息处理评测基准数据集CBLUE2.0上进行实验的结果表明,该模型相比全局指针网络效果更优,能更有效完成复杂数据的实体关系抽取.

关键词：实体关系抽取对比学习梯度惩罚 RoBERTa预训练模型全局指针网络

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：