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

应用交互式网络流模型的高速网络异常行为检测与控制

引用

西安交通大学学报 2012年第6期46卷 58-65页

作者：杨柳静秦涛王晨旭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

针对网络异常流量的检测与定位问题,提出了一种根据网络流统计量异常变化和不完整网络流来有效识别并定位网络异常流量的方法.该方法建立在交互式网络流模型的基础上,分析了交互式网络流模型下各种网络流的交互特征;为准确实时获取网络... 详细信息

针对网络异常流量的检测与定位问题,提出了一种根据网络流统计量异常变化和不完整网络流来有效识别并定位网络异常流量的方法.该方法建立在交互式网络流模型的基础上,分析了交互式网络流模型下各种网络流的交互特征;为准确实时获取网络异常源,采用中国余数定理,设计了连接度sketch结构中的哈希函数,满足了网络用户信息逆向求解的需要,实现了高速网络中异常网络流特征参数的实时获取;为减缓网络异常行为的扩散速度,提出采用动态软隔离方法实现网络异常行为的控制.真实环境下的实验结果表明,所提方法对于多种类型的网络异常行为具有良好的检测效果,检测的准确率和速率都得到了提高,同时可以准确地定位网络异常源,为有效控制网络异常行为的扩散奠定了基础.

关键词：交互式网络流模型不完整交互行为连接度sketch 异常行为检测与控制

来源：评论

学校读者我要写书评

暂无评论

面向新概念学习的图像描述生成模型

引用

西安交通大学学报 2020年第12期54卷 37-44页

作者：谢雨杰杜友田张潇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

为了更好地在图像描述生成任务中对新概念进行学习和预测,在编码-解码框架下提出了一种新的面向新概念学习的图像描述生成模型(Att-DCC)。该模型引入了带有空间注意力机制的卷积神经网络,将全局视觉特征、语义标签和经空间注意力作用后... 详细信息

为了更好地在图像描述生成任务中对新概念进行学习和预测,在编码-解码框架下提出了一种新的面向新概念学习的图像描述生成模型(Att-DCC)。该模型引入了带有空间注意力机制的卷积神经网络,将全局视觉特征、语义标签和经空间注意力作用后的视觉信息进行了较好的融合;此外,引入自适应注意力机制多模态层,将语义相近的概念学习结果迁移至新概念,降低训练过程的复杂程度并提升学习性能。采用Att-DCC模型在MSCOCO2014数据集上针对2批(分别为8和6个)共14个新概念进行了测试和分析,结果表明:充分的多模态融合方式和多种注意力机制对于提升学习效果有显著效果;Att-DCC模型在F 1值上取得了42.56%和42.14%的平均结果,总体上取得了比具有代表性的NOC模型和DCC模型更准确的预测结果。

关键词：图像描述生成注意力机制卷积神经网络新概念

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

一种针对单快拍DOA估计的子空间搜索近似消息传递算法

引用

自动化学报 2018年第3期44卷 443-452页

作者：曾令豪刘静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

压缩感知(Compressed sensing,CS)技术应用于单快拍波达方向(Direction of arrival,DOA)估计中可以实现相关信号的超分辨估计,但会遇到感知矩阵高相干性以及对噪声敏感的问题.本文提出一种基于近似消息传递的子空间搜索算法以解决上述问... 详细信息

压缩感知(Compressed sensing,CS)技术应用于单快拍波达方向(Direction of arrival,DOA)估计中可以实现相关信号的超分辨估计,但会遇到感知矩阵高相干性以及对噪声敏感的问题.本文提出一种基于近似消息传递的子空间搜索算法以解决上述问题.该算法首先通过近似消息传递算法得到一个粗解,随后利用该粗解划分子空间,最后在子空间中寻找精确解.仿真结果验证了所提算法的有效性.文章最后通过理论分析了该算法性能并讨论了算法在信号数未知时的扩展应用.

关键词： DOA估计压缩感知近似消息传递算法子空间搜索

来源：评论

学校读者我要写书评

暂无评论

Pairwise马尔科夫模型下的势均衡多目标多伯努利滤波器

引用

自动化学报 2017年第12期43卷 2100-2108页

作者：张光华韩崇昭连峰曾令豪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

由于在实际应用中目标模型不一定满足隐马尔科夫模型(Hidden Markov model,HMM)隐含的马尔科夫假设和独立性假设条件,一种更为一般化的Pairwise马尔科夫模型(Pairwise Markov model,PMM)被提出.它放宽了HMM的结构性限制,可以有效地处理... 详细信息

由于在实际应用中目标模型不一定满足隐马尔科夫模型(Hidden Markov model,HMM)隐含的马尔科夫假设和独立性假设条件,一种更为一般化的Pairwise马尔科夫模型(Pairwise Markov model,PMM)被提出.它放宽了HMM的结构性限制,可以有效地处理更为复杂的目标跟踪场景.本文针对杂波环境下的多目标跟踪问题,提出一种在PMM框架下的势均衡多目标多伯努利(Cardinality balanced multi-target multi-Bernoulli,CBMe MBer)滤波器,并给出它在线性高斯PMM条件下的高斯混合(Gaussian mixture,GM)实现.最后,采用一种满足HMM局部物理特性的线性高斯PMM,将本文所提算法与概率假设密度(Probability hypothesis density,PHD)滤波器进行比较.实验结果表明本文所提算法的跟踪性能优于PHD滤波器.

关键词：隐马尔科夫模型 Pairwise马尔科夫模型多目标跟踪随机有限集多伯努利密度高斯混合

来源：评论

学校读者我要写书评

暂无评论

扩展目标联合检测与估计的误差界

引用

西安交通大学学报 2014年第4期48卷 8-14页

作者：连峰马冬冬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

针对杂波和漏检环境下单个扩展目标联合检测与估计的性能评价问题,提出了一种基于随机有限集(Random Finite Set,RFS)的误差分析方法。该方法通过将扩展目标的状态和观测分别建模为Bernoulli RFS和Poisson RFS,在RFS框架下推导获得了采... 详细信息

针对杂波和漏检环境下单个扩展目标联合检测与估计的性能评价问题,提出了一种基于随机有限集(Random Finite Set,RFS)的误差分析方法。该方法通过将扩展目标的状态和观测分别建模为Bernoulli RFS和Poisson RFS,在RFS框架下推导获得了采用最大后验概率检测器和无偏估计器的均方误差界,并给出了其在目标确定存在以及无杂波条件下的简化形式。实验结果表明,建议的均方误差界能够有效地反映扩展目标联合检测与估计算法所能达到的最优性能,利用该误差界可以对不同的扩展目标联合检测与估计算法的性能进行有效的衡量,误差在5%以内。推导过程和结论仅关注于单传感器扩展目标联合检测与估计的静态问题,并假设其状态和测量均为标量。

关键词：性能评价扩展目标跟踪联合检测与估计随机有限集

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：