检索结果-内蒙古大学图书馆

福建师范大学学报(自然科学版) 2025年第1期41卷 68-76页

作者：杨庆田有亮熊金波贵州大学公共大数据国家重点实验室贵州贵阳550025 贵州大学计算机科学与技术学院贵州贵阳550025 福建省网络安全与密码学重点实验室福建福州350117

保留格式加密算法可以在加密的同时保证明文和密文格式相同,解决了信用卡号、电话号码、身份证号等敏感数据明文存储易造成隐私泄露等问题。当前保留格式加密方案大多基于Prefix、Cycle-Walking和Generalized-Feistel算法进行扩展和改进... 详细信息

保留格式加密算法可以在加密的同时保证明文和密文格式相同,解决了信用卡号、电话号码、身份证号等敏感数据明文存储易造成隐私泄露等问题。当前保留格式加密方案大多基于Prefix、Cycle-Walking和Generalized-Feistel算法进行扩展和改进,存在多次调用Cycle-Walking结构的不确定性问题,同时,现有保留格式加密算法处理的问题域有一定的局限性。提出一种新型的基于截断表的保留格式加密算法,仅需调用一次Cycle-Walking结构,使加密结果落入问题域,以及在截断表算法基础上提出分段处理方案,进一步扩大了保留格式加密算法处理的问题域。并且通过安全性分析,证明了所提算法是安全的,能够抵御恶意敌手攻击。实验结果表明所提算法具有高效性,可将保留格式加密过程重复调用Cycle-Walking结构的次数降至0。且与先前保留格式加密算法相比,平均每字节加密开销相当。

关键词：敏感信息保留格式加密 Feistel结构 Cycle-Walking 截断表随机函数

来源：评论

学校读者我要写书评

暂无评论

公钥加密方案随机性失败研究综述

引用

计算机应用研究 2025年第2期42卷 334-343页

作者：王克江浩东谢惠琴郝子迅北京电子科技学院密码科学与技术系北京100070 贵州大学公共大数据国家重点实验室贵阳550025 河南省网络密码技术重点实验室郑州450001

随机性对公钥加密方案的安全性至关重要,如果随机性不满足要求,那么方案就可能面临安全威胁。基于格的公钥加密方案有望成为未来主流的加密技术,但是由于格密码方案本身的复杂性和新颖性,目前对基于格的公钥加密方案的随机性失败分析缺... 详细信息

随机性对公钥加密方案的安全性至关重要,如果随机性不满足要求,那么方案就可能面临安全威胁。基于格的公钥加密方案有望成为未来主流的加密技术,但是由于格密码方案本身的复杂性和新颖性,目前对基于格的公钥加密方案的随机性失败分析缺乏系统和深入的研究。首先梳理传统公钥加密方案随机性失败的刻画以及应对措施;然后深入分析基于格的公钥加密方案的随机性失败的原因和机制;最后与签名方案的随机性失败进行比较,揭示了随机性在公钥加密中的重要作用和关键地位。填补了基于格的公钥加密方案在随机性失败方面的研究空白,并为解决基于格的公钥加密方案的随机性失败提供启发,提升方案的安全性和可靠性。

关键词：随机性失败公钥加密格密码抗量子密码

来源：评论

学校读者我要写书评

暂无评论

结合边界信息的对比学习嵌套命名实体识别

引用

计算机应用 2025年

作者：范锦涛陈艳平杨采薇林川贵州大学文本计算与认知智能教育部工程研究中心公共大数据国家重点实验室(贵州大学) 贵州大学计算机科学与技术学院

针对现有对比学习(CL)方法在嵌套命名实体识别(NER)任务中存在以下两个主要缺点：1）枚举生成的候选实体作为对比学习的对象，缺失上下文语义依赖和边界信息；2）产生不必要的噪音和无效信息，增加模型的计算负担并弱化了对比学习的性... 详细信息

针对现有对比学习(CL)方法在嵌套命名实体识别(NER)任务中存在以下两个主要缺点：1）枚举生成的候选实体作为对比学习的对象，缺失上下文语义依赖和边界信息；2）产生不必要的噪音和无效信息，增加模型的计算负担并弱化了对比学习的性能。提出两阶段命名实体识别框架。在第一阶段，通过边界识别模型生成候选实体边界，并通过边界集成模块生成候选实体，减少不必要的负候选实体的生成；同时，在候选实体两侧插入注意力线索，生成对应的候选实体文本，使得模型能够感知上下文语义和边界信息。在第二阶段，提出一个双编码框架用于识别实体，通过对比学习将候选实体文本和实体类型注释映射到相同向量表征空间中，对比的对象不再是候选实体，而是带有注意力线索的句子。此外，设计带有标签语义的分类参数矩阵，丰富模型对候选实体的理解能力。与Binder方法相比，所提方法在GENIA、ACE2005和ACE2004三种嵌套数据集上，性能提升了1.22个百分点，3.42个百分点，2.31个百分点的F1值，验证了所提方法对嵌套命名实体识别任务的有效性。

关键词：对比学习边界信息双编码器标签语义嵌套命名实体识别

来源：评论

学校读者我要写书评

暂无评论

融合边界交互信息的命名实体识别方法

引用

广西师范大学学报(自然科学版) 2025年第03期43卷 1-11页

作者：何安康陈艳平扈应黄瑞章秦永彬贵州大学文本计算与认知智能教育部工程研究中心公共大数据国家重点实验室(贵州大学) 贵州大学计算机科学与技术学院

命名实体识别是自然语言处理领域中的一项基本任务，旨在识别和分类文本中的命名实体。目前，基于跨度的方法在实体识别方面取得一定进展，但这些方法往往忽视了候选跨度的质量差异。针对该问题，本文提出一种融合边界交互信息的命名实... 详细信息

命名实体识别是自然语言处理领域中的一项基本任务，旨在识别和分类文本中的命名实体。目前，基于跨度的方法在实体识别方面取得一定进展，但这些方法往往忽视了候选跨度的质量差异。针对该问题，本文提出一种融合边界交互信息的命名实体识别方法。该方法通过一个边界交互模块评估边界间的语义关联和交互强度，生成边界交互信息矩阵，用于识别边界间潜在的语义联系，引导模型识别和标记出高质量的候选跨度。此外，该方法集成多尺度空洞卷积模块，利用跨度之间的语义关系来减轻非实体噪声的影响。实验表明，本文方法在ACE2005中文数据集、ACE2005英文数据集和Weibo数据集上的F1值分别达到89.78%、87.37%和72.10%,与基准模型相比分别提升0.67、0.95和0.69个百分点，验证了该方法对命名实体识别的有效性。

关键词：自然语言处理命名实体识别信息抽取边界交互

来源：评论

学校读者我要写书评

暂无评论

基于掩码注意力与多特征卷积网络的关系抽取方法

引用

广西师范大学学报(自然科学版) 2025年第03期43卷 12-22页

作者：卢展跃陈艳平杨卫哲黄瑞章秦永彬贵州大学文本计算与认知智能教育部工程研究中心公共大数据国家重点实验室(贵州大学) 贵州大学计算机科学与技术学院

关系抽取旨在抽取2个命名实体之间的语义关系。近年来，提示学习通过拼接提示模板并进行掩码预测的方式，统一了预训练语言模型训练和微调过程的优化目标，在关系抽取领域取得优异的性能。然而，固定的提示模板与关系实例间的弱语义关... 详细信息

关系抽取旨在抽取2个命名实体之间的语义关系。近年来，提示学习通过拼接提示模板并进行掩码预测的方式，统一了预训练语言模型训练和微调过程的优化目标，在关系抽取领域取得优异的性能。然而，固定的提示模板与关系实例间的弱语义关联导致模型对复杂关系的语义感知能力差。针对这一问题，本文提出一种基于掩码注意力与多特征卷积网络的关系抽取方法。该方法采用三仿射注意力机制将提示模板中的掩码与关系实例的语义空间进行交互映射，形成二维掩码语义，并利用多特征卷积网络和多层感知机提取二维掩码语义中的关系信息。该方法通过建立掩码与关系实例间的显式语义依赖，增强提示模型对复杂关系的语义感知能力。该方法在数据集SemEval、SciERC和CLTC上的F1值分别达到91.4%、 91.2%和82.6%,验证了该方法的有效性。

关键词：自然语言处理关系抽取提示学习三仿射注意力机制卷积神经网络

来源：评论

学校读者我要写书评

暂无评论

公共资源交易平台业务中台架构典型案例分析

引用

计算机时代 2025年第3期 78-82,88页

作者：金璇许国腾贵州省公共资源交易中心贵州贵阳550002 贵州大学省部共建公共大数据国家重点实验室

近年来,随着数字技术与公共资源交易平台深度融合创新,业务中台架构正成为我国公共资源交易平台数字化转型的重要方向之一,然而目前国内外对公共资源交易平台业务中台架构的相关研究成果较少。因此,本文以公共资源交易架构灵活化发展新... 详细信息

近年来,随着数字技术与公共资源交易平台深度融合创新,业务中台架构正成为我国公共资源交易平台数字化转型的重要方向之一,然而目前国内外对公共资源交易平台业务中台架构的相关研究成果较少。因此,本文以公共资源交易架构灵活化发展新态势新特征为着眼点,重点分析了深圳交易集团业务中台架构案例,发现业务中台可实现前台轻量化,从而提升交易平台灵活性,对未来我国公共资源交易市场高质量发展具有重要作用和价值。

关键词：公共资源交易交易架构灵活化业务中台架构典型案例

来源：评论

学校读者我要写书评

暂无评论

基于HST的空间众包位置隐私保护方法

引用

计算机应用与软件 2025年第1期42卷 287-293页

作者：唐旭龙士工刘海弓晓锋贵州大学计算机科学与技术学院贵州贵阳550025 贵州大学公共大数据国家重点实验室贵州贵阳550025 贵州省科技信息中心贵州贵阳550025

针对空间众包中不可信的服务器获取用户真实的位置信息,导致用户隐私泄露的问题。提出一种基于层次分离树(HST)的空间众包位置隐私保护方法,用于保护用户的位置隐私和保证任务分配的有效性,将位置点集构造一个HST,设计一种基于HST的差... 详细信息

针对空间众包中不可信的服务器获取用户真实的位置信息,导致用户隐私泄露的问题。提出一种基于层次分离树(HST)的空间众包位置隐私保护方法,用于保护用户的位置隐私和保证任务分配的有效性,将位置点集构造一个HST,设计一种基于HST的差分隐私保护机制,对用户的位置节点进行扰动处理,并且理论证明该机制满足地理不可区分性。实验结果表明,在相同的隐私预算下,该方法在任务分配的总距离方面明显优于现有的差分隐私机制。

关键词：空间众包位置隐私地理不可区分性任务分配

来源：评论

学校读者我要写书评

暂无评论

基于上下文通道注意力机制的人脸属性估计与表情识别

引用

计算机应用 2025年第1期45卷 253-260页

作者：徐杰钟勇王阳张昌福杨观赐现代制造技术教育部重点实验室(贵州大学) 贵阳550025 中国科学院成都计算机应用研究所成都610213 省部共建公共大数据国家重点实验室(贵州大学) 贵阳550025 贵州大学机械工程学院贵阳550025

人脸特征蕴含诸多信息,在面部属性和情感分析任务中具有重要价值,而面部特征的多样性和复杂性使人脸分析任务变得困难。针对上述难题,从面部细粒度特征角度出发,提出基于上下文通道注意力机制的人脸属性估计和表情识别(FAER)模型。首先... 详细信息

人脸特征蕴含诸多信息,在面部属性和情感分析任务中具有重要价值,而面部特征的多样性和复杂性使人脸分析任务变得困难。针对上述难题,从面部细粒度特征角度出发,提出基于上下文通道注意力机制的人脸属性估计和表情识别(FAER)模型。首先,构建基于ConvNext的局部特征编码骨干网络,并运用骨干网络编码局部特征的有效性来充分表征人脸局部特征之间的差异性;其次,提出上下文通道注意力(CC Attention)机制,通过动态自适应调整特征通道上的权重信息,表征深度特征的全局和局部特征,从而弥补骨干网络编码全局特征能力的不足;最后,设计不同分类策略,针对人脸属性估计(FAE)和面部表情识别(FER)任务,分别采用不同损失函数组合,以促使模型学习更多的面部细粒度特征。实验结果表明,所提FAER模型在人脸属性数据集CelebA(CelebFaces Attributes)上取得了91.87%的平均准确率,相较于次优模型SwinFace(Swin transformer for Face)高出0.55个百分点;在面部表情数据集RAF-DB和AffectNet上分别取得了91.75%和66.66%的准确率,相较于次优模型TransFER(Transformers for Facial Expression Recognition)分别高出0.84和0.43个百分点。

关键词：人脸属性估计面部表情识别注意力机制细粒度特征特征差异

来源：评论

学校读者我要写书评

暂无评论

基于马尔可夫聚类的隐私高维数据发布方法

引用

计算机工程与设计 2025年第1期46卷 117-123页

作者：刘卓群龙士工张珺铭刘光源贵州大学公共大数据国家重点实验室贵州贵阳550025 贵州大学计算机科学与技术学院贵州贵阳550025 贵州建设职业技术学院基础部贵州贵阳551400

针对现有差分隐私的方法在处理高维数据发布时面临计算成本高、数据精度低和中心服务器不可信任的问题,提出一种基于马尔可夫聚类的隐私高维数据发布方法MCL-LDP。基于在用户本地实现对用户数据的隐私保护,中心服务器接收到用户本地化... 详细信息

针对现有差分隐私的方法在处理高维数据发布时面临计算成本高、数据精度低和中心服务器不可信任的问题,提出一种基于马尔可夫聚类的隐私高维数据发布方法MCL-LDP。基于在用户本地实现对用户数据的隐私保护,中心服务器接收到用户本地化差分隐私保护的数据后,构建无向依赖图矩阵表示高维数据的复杂的属性关联性,基于马尔可夫聚类将高维数据属性集分割成多个低维属性簇,利用EM算法计算低维属性簇和重叠属性簇的边缘分布、估计原始数据的联合分布,通过采样合成新的数据集进行发布。实验结果表明,所提出方法在发布高维数据集上有较好的精度、较少的迭代次数和较高的计算效率。

关键词：高维数据本地化差分隐私马尔可夫聚类数据发布联合分布估计属性关联性数据合成

来源：评论

学校读者我要写书评

暂无评论

基于Boosting优先经验重放的协同计算卸载方法

引用

计算机应用研究 2025年第3期42卷 777-787页

作者：黄毅王文轩崔允贺陈意郭春申国伟贵州大学公共大数据国家重点实验室贵阳550025 贵州大学文本计算与认知智能教育部工程研究中心贵阳550025 贵州大学计算机科学与技术学院贵阳550025 贵州大学贵州省软件工程及信息安全特色重点实验室贵阳550025

现有计算卸载方法没有考虑终端设备和边缘服务器的不同任务排队情况,导致计算卸载模型的时延估计存在偏差。更重要的是,现有基于强化学习的计算卸载方法通过计算时序差分(temporal difference,TD)误差进行经验重放,无法精确评估历史经... 详细信息

现有计算卸载方法没有考虑终端设备和边缘服务器的不同任务排队情况,导致计算卸载模型的时延估计存在偏差。更重要的是,现有基于强化学习的计算卸载方法通过计算时序差分(temporal difference,TD)误差进行经验重放,无法精确评估历史经验的重要性,导致卸载决策精度降低。为解决上述问题,在移动蜂窝网络边缘计算场景下,考虑多设备、多服务器的计算卸载问题,提出一种基于Boosting优先经验重放的协同计算卸载方法—COOPERANT。针对任务调度问题,COOPERANT构建了终端设备任务排队模型及服务器任务排队模型;针对任务卸载问题,COOPERANT设计了融合Boosting的优先经验重放算法、任务卸载联合优化模型、计算卸载多智能体深度强化学习模型及COOPERANT网络更新策略。实验证明,相比于遗传算法、蚁群算法、鲸鱼优化算法、MADDPG算法、TD-MADDPG算法以及MAPPO算法,COOPERANT能够有效降低系统时延和能耗开销,提升网络收敛速度。

关键词：计算卸载 Boosting 多智能体深度强化学习优先经验重放

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：