检索结果-内蒙古大学图书馆

计算机学报 2025年第4期48卷 877-892页

作者：王后珍段小超文嘉明王亚辉张焕国武汉大学国家网络安全学院空天信息安全与可信计算教育部重点实验室伍伦贡大学计算与信息技术学院信阳师范大学计算机与信息技术学院

随着互联网和大数据时代的到来，数据在传输过程中的安全性和效率问题日益凸显。作为保障数据完整性并验证发送者身份的核心技术，数字签名显得尤为重要。与此同时，量子计算机的发展对传统的签名方案构成了巨大威胁。在这一背景下，美... 详细信息

随着互联网和大数据时代的到来，数据在传输过程中的安全性和效率问题日益凸显。作为保障数据完整性并验证发送者身份的核心技术，数字签名显得尤为重要。与此同时，量子计算机的发展对传统的签名方案构成了巨大威胁。在这一背景下，美国国家标准与技术研究院于2023年公布了基于CRYSTALS-Dilithium算法的抗量子签名标准ML-DSA的草案。为了使其能更好地应用于海量的数据传输等场景，本文在此基础上设计了一个无陷门在线/离线签名方案，称之为Olithium。该方案允许签名者在未收到消息时（离线阶段）产生签名的一部分，并在收到消息后（在线阶段）继续完成签名。最终，能在存储空间小幅增加的前提下，将在线签名时间缩短约50%。本文还以数字证书颁发场景为例，说明该方案的现实有效性。

关键词：后量子密码在线/离线签名数字证书基于格的密码学优化实现

来源：评论

学校读者我要写书评

暂无评论

基于Prompt的两阶段澄清问题生成方法

引用

计算机应用研究 2024年第2期41卷 421-425页

作者：王培冰张宁张春北京交通大学计算机与信息技术学院北京100044

在自然语言相关系统中,当用户输入存在歧义时,生成澄清问题询问用户有助于系统理解用户需求;基于Prompt的方法可以更好地挖掘预训练语言模型的潜在知识,但往往需要手动设计模板,限制其生成澄清问题的多样性。为解决这一问题,提出了TSCQG... 详细信息

在自然语言相关系统中,当用户输入存在歧义时,生成澄清问题询问用户有助于系统理解用户需求;基于Prompt的方法可以更好地挖掘预训练语言模型的潜在知识,但往往需要手动设计模板,限制其生成澄清问题的多样性。为解决这一问题,提出了TSCQG(two-stage clarification question generation)方法。首先,在动态Prompt模板生成阶段,利用歧义上下文和预训练语言模型生成动态的Prompt模板;然后在缺失信息生成阶段,将Prompt模板与外部知识相结合,充分利用预训练语言模型的生成能力生成相应的缺失信息。实验结果表明,在CLAQUA数据集的多轮对话情况中,BLEU值和ROUGE-L值分别达到了58.31和84.33,在ClariQ-FKw数据集上,BLEU值和ROUGE-L值分别达到了31.18和58.86。实验结果证明了TSCQG方法在澄清问题生成任务上的有效性。

关键词：预训练语言模型 Prompt 澄清问题生成自然语言系统

来源：评论

学校读者我要写书评

暂无评论

基于损失平滑的对抗样本攻击方法

引用

北京航空航天大学学报 2024年第2期50卷 663-670页

作者：黎妹红金双杜晔北京交通大学智能交通数据安全与隐私保护技术北京市重点实验室北京100044 北京交通大学计算机与信息技术学院北京100044

深度神经网络(DNNs)容易受到对抗样本的攻击,现有基于动量的对抗样本生成方法虽然可以达到接近100%的白盒攻击成功率,但是在攻击其他模型时效果仍不理想,黑盒攻击成功率较低。针对此,提出一种基于损失平滑的对抗样本攻击方法来提高对抗... 详细信息

深度神经网络(DNNs)容易受到对抗样本的攻击,现有基于动量的对抗样本生成方法虽然可以达到接近100%的白盒攻击成功率,但是在攻击其他模型时效果仍不理想,黑盒攻击成功率较低。针对此,提出一种基于损失平滑的对抗样本攻击方法来提高对抗样本的可迁移性。在每一步计算梯度的迭代过程中,不直接使用当前梯度,而是使用局部平均梯度来累积动量,以此来抑制损失函数曲面存在的局部振荡现象,从而稳定更新方向,逃离局部极值点。在ImageNet数据集上的大量实验结果表明:所提方法与现有基于动量的方法相比,在单个模型攻击实验中的平均黑盒攻击成功率分别提升了38.07%和27.77%,在集成模型攻击实验中的平均黑盒攻击成功率分别提升了32.50%和28.63%。

关键词：深度神经网络对抗样本黑盒攻击损失平滑人工智能安全

来源：评论

学校读者我要写书评

暂无评论

基于CNN-Transformer混合网络的焊缝激光条纹分割

引用

中国激光 2024年第24期51卷 105-116页

作者：王颖高胜戴哲东北石油大学计算机与信息技术学院黑龙江大庆163318 东北石油大学机械科学与工程学院黑龙江大庆163318

针对复杂焊接环境下大量弧光噪声造成焊缝激光条纹分割不完整、精度低、实时性不足的问题,采用编码器-解码器的结构,建立一种CNN-Transformer混合的焊缝激光条纹分割网络模型。模型的编码器部分使用参数量和计算量较小的MobileViT模块... 详细信息

针对复杂焊接环境下大量弧光噪声造成焊缝激光条纹分割不完整、精度低、实时性不足的问题,采用编码器-解码器的结构,建立一种CNN-Transformer混合的焊缝激光条纹分割网络模型。模型的编码器部分使用参数量和计算量较小的MobileViT模块进行特征提取,并嵌入双路非局部模块捕获焊缝图像空间域和通道域上的长距离关联关系,在保证特征提取能力的同时提高分割效率。模型的解码器部分使用亚像素卷积神经网络,获得语义分割结果,减少信息重构过程中的特征损耗,提高模型对焊缝激光线条的提取性能。为解决焊缝图像中激光条纹像素与背景像素占比不均衡问题,提出一种动态干预激光条纹加权系数的损失函数。为验证所提模型的有效性,利用现场复杂焊接环境下获取的数据进行模型训练,像素精度达到98.0%,平均像素精度达到96.6%,平均交并比达到92.1%,单张图片推理时间仅为40 ms。与Unet、Deeplabv3+、SegNet、PSPNet、RefineNet和FCN-32s等常用的轻量级语义分割网络进行对比,所提模型在精度和速度方面均具有一定的优势。

关键词：激光条纹分割语义分割 Transformer MobileViT模块

来源：评论

学校读者我要写书评

暂无评论

基于主动−被动增量集成的概念漂移适应方法

引用

自动化学报 2025年第5期51卷 1131-1144页

作者：祁晓博陈佳明史颖亓慧郭虎升王文剑太原师范学院计算机科学与技术学院晋中030619 智能优化计算与区块链技术山西省重点实验室晋中030619 山西大学计算机与信息技术学院太原030006 山西大学计算智能与中文信息处理教育部重点实验室太原030006

数据流是一组随时间连续到来的数据序列,在数据流不断产生的过程中,由于各种因素的影响,数据分布随时间推移可能以不可预测的方式发生变化,这种现象称为概念漂移.在漂移发生后,当前模型需要及时响应数据流中的实时分布变化,并有效处理... 详细信息

数据流是一组随时间连续到来的数据序列,在数据流不断产生的过程中,由于各种因素的影响,数据分布随时间推移可能以不可预测的方式发生变化,这种现象称为概念漂移.在漂移发生后,当前模型需要及时响应数据流中的实时分布变化,并有效处理不同类型的概念漂移,从而避免模型泛化性能下降.针对这一问题,提出一种基于主动–被动增量集成的概念漂移适应方法(CDAM-APIE).该方法首先使用在线增量集成策略构建被动集成模型,对新样本进行实时预测以动态更新基模型权重,有利于快速响应数据分布的瞬时变化,并增强模型适应概念漂移的能力.在此基础上,利用增量学习和概念漂移检测技术构建主动基模型,提升模型在平稳数据流状态下的鲁棒性和漂移后的泛化性能.实验结果表明,CDAMAPIE能够对概念漂移做出及时响应,同时有效提高模型的泛化性能.

关键词：概念漂移数据流分类增量学习在线集成

来源：评论

学校读者我要写书评

暂无评论

基于遗传算法的过程挖掘隐私保护方法

引用

计算机集成制造系统 2022年第10期28卷 3256-3264页

作者：高俊涛闫駪艺东北石油大学计算机与信息技术学院黑龙江大庆163318

为减少过程挖掘中隐私保护带来的效用损失,提出一种基于遗传算法的事件日志匿名化隐私保护方法。基于最小违规轨迹证明活动抑制集可行性的必要条件和约简规则,缩小大型日志集的搜索空间;根据基于日志的次序关系、轨迹变体和最大频繁轨... 详细信息

为减少过程挖掘中隐私保护带来的效用损失,提出一种基于遗传算法的事件日志匿名化隐私保护方法。基于最小违规轨迹证明活动抑制集可行性的必要条件和约简规则,缩小大型日志集的搜索空间;根据基于日志的次序关系、轨迹变体和最大频繁轨迹设计适应度函数,引导种群向高效用性进化;改进交叉变异算子,保证种群多样性,避免遗传算法陷入局部最优。在真实事件日志上进行对比实验,结果表明在隐私保护强度相同的条件下,所提方法的效用损失比TLKC和基线方法生成的事件日志更低。

关键词：过程挖掘隐私保护遗传算法事件日志

来源：评论

学校读者我要写书评

暂无评论

一种基于核心向量机的分层入侵检测模型

引用

计算机应用与软件 2024年第7期41卷 296-301,314页

作者：张洁张永辽宁师范大学计算机与信息技术学院辽宁大连116081

近年来,网络攻击类型变得越来越复杂,传统的网络入侵检测模型仍然存在一些缺陷,难以正确分类每一种类型的攻击。提出一种基于核心向量机的分层网络入侵检测模型,第一个分类器和第二个分类器以数据集的特征作为输入,将网络流量分为攻击... 详细信息

近年来,网络攻击类型变得越来越复杂,传统的网络入侵检测模型仍然存在一些缺陷,难以正确分类每一种类型的攻击。提出一种基于核心向量机的分层网络入侵检测模型,第一个分类器和第二个分类器以数据集的特征作为输入,将网络流量分为攻击或正常。第三个分类器使用前两个分类器的输出和初始数据集的特征作为输入。该模型旨在正确分类每一种攻击并提供低误报率和高检测率。在NSL-KDD和UNSW-NB15数据集上进行实验,实验结果证明该模型提高了分类性能,与现有方法相比该模型在准确性、检测率、误报率和时间开销等方面具有竞争优势。

关键词：入侵检测 NMF算法核心向量机特征选择

来源：评论

学校读者我要写书评

暂无评论

k元(n-1)方体子网络可靠性的近似评估方法

引用

计算机应用 2023年第12期43卷 3875-3881页

作者：冯凯李建德姬张建山西大学计算机与信息技术学院太原030006

多处理器系统互连网络的拓扑性质对系统功能的实现起着重要的作用。k元n方体网络的子网络可靠性是以k元n方体为拓扑结构构建的多处理器系统处理计算任务时需要考虑的一个重要因素。为了精确高效地度量概率故障条件下k元n方体中k元(n-1)... 详细信息

多处理器系统互连网络的拓扑性质对系统功能的实现起着重要的作用。k元n方体网络的子网络可靠性是以k元n方体为拓扑结构构建的多处理器系统处理计算任务时需要考虑的一个重要因素。为了精确高效地度量概率故障条件下k元n方体中k元(n-1)方体子网络的可靠性,提出基于反向传播(BP)神经网络的k元(n-1)方体子网络可靠性的近似评估方法。首先,利用蒙特卡洛仿真方法和k元(n-1)方体子网络可靠性的已有上下界给出用于训练BP神经网络的数据集的生成方法;其次,基于生成的训练数据集构造用于评估k元(n-1)方体子网络可靠性的BP神经网络模型;最后,对BP神经网络模型得出的k元(n-1)方体子网络可靠性的近似评估结果进行了分析,并与近似计算公式和基于蒙特卡洛的评估方法的结果进行了对比。与近似计算公式相比,所提方法得出的结果更为精确;与基于蒙特卡洛的评估方法相比,所提方法的评估耗时平均减少了约59%。实验结果表明,所提方法在兼顾精度和效率方面具有一定优势。

关键词：多处理器系统互连网络 k元n方体子网络可靠性反向传播神经网络

来源：评论

学校读者我要写书评

暂无评论

基于动态卷积核的自适应图像去雾算法

引用

计算机科学 2023年第6期50卷 200-208页

作者：刘哲梁宇栋李嘉莹山西大学计算机与信息技术学院太原030006

现有图像去雾方法普遍存在去雾不彻底、容易出现颜色失真等问题,基于传统深度学习模型的图像去雾方法多采用静态推理模式,在该模式下,模型对不同样本会采用同样的、固定的参数设置,从而抑制了模型的表达能力,影响图像的去雾效果。针对... 详细信息

现有图像去雾方法普遍存在去雾不彻底、容易出现颜色失真等问题,基于传统深度学习模型的图像去雾方法多采用静态推理模式,在该模式下,模型对不同样本会采用同样的、固定的参数设置,从而抑制了模型的表达能力,影响图像的去雾效果。针对以上问题,文中提出了一种基于动态卷积核的自适应图像去雾算法,该算法包括编码网络、自适应特征增强网络和解码网络3个部分。文中采用动态卷积、密集残差、注意力机制设计了自适应特征增强网络,该网络主要包括动态残差组件和动态跨层特征融合组件。动态残差组件由动态密集残差模块、一个卷积层和双注意力模块构成,其中动态密集残差模块将动态卷积引入密集残差模块,同时设计了一个基于注意力的权重动态聚合子网络,动态地生成卷积核参数以达到样本自适应的目的,在减少信息丢失的同时增强了模型的表达能力;双注意力模块结合通道注意力和像素注意力,使模型更加关注图像通道之间的差异性以及雾霾分布不均匀的区域。动态跨层特征融合组件通过动态融合不同阶段的特征,来学习丰富的上下文信息,防止网络深层计算时遗忘网络的早期特征,同时极大地丰富了特征表示,有利于模型对无雾图像细节信息的恢复。在合成数据集和真实数据集上进行了大量实验,结果表明,所提方法不仅取得了较好的客观评价分数,而且重建了主观效果较好的去雾图像,超越了对比方法的性能。

关键词：图像去雾深度学习动态神经网络注意力机制特征融合

来源：评论

学校读者我要写书评

暂无评论

亮度自调节的无监督图像去雾与低光图像增强算法研究

引用

计算机科学 2023年第1期50卷 123-130页

作者：王斌梁宇栋刘哲张超李德玉山西大学计算机与信息技术学院太原030006

在低质图像降质问题中,亮度偏离(如图像偏亮及偏暗)是较为常见的图像降质现象。基于全监督学习的图像增强方法面临训练数据难以获取或获取成本过高、训练数据和应用场景不一致的困境。针对以上问题,提出了一种能够克服数据依赖和亮度自... 详细信息

在低质图像降质问题中,亮度偏离(如图像偏亮及偏暗)是较为常见的图像降质现象。基于全监督学习的图像增强方法面临训练数据难以获取或获取成本过高、训练数据和应用场景不一致的困境。针对以上问题,提出了一种能够克服数据依赖和亮度自适应的无监督图像增强方法。方法的具体细节为:针对图像去雾与低光增强任务,设计了一个基于通道与像素注意力的深度卷积网络,对增强图像与输入图像进行比较,采用亮度饱和度、空间一致性、照明平滑度、伪标签监督损失等多种无监督损失函数,在保证增强图像与输入图像一致性的同时,调节图像的亮度偏离程度,有效提高图像质量。实验结果表明,所提方法在客观指标及视觉效果上不仅优于传统方法和基于无监督学习的方法,甚至优于近年来的全监督图像增强方法。将所提方法与5种图像去雾方法及4种低光增强方法分别进行对比,相比性能次优的方法,其在图像去雾任务的Reside数据集上,PSNR和SSIM值分别提高了2.8 dB和0.01;在低光增强任务的SICE数据集上,PSNR和SSIM分别提高了0.56 dB和0.01。结果表明,所提无监督图像去雾与低光增强算法能够有效调节图像的亮度偏离程度,重建了亮度正常、细节清晰、对比度较好的增强复原图像,较为有效地克服了当前底层视觉任务数据难以获取、训练数据与应用数据不一致、存在域迁移的难题,提升了算法在应用中的适用性。

关键词：无监督学习亮度调节图像去雾低光增强深度学习

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：