检索结果-南通市图书馆

维普期刊数据库

DeepFake技术背后的安全问题:机遇与挑战

在线全文

学校读者我要写书评

暂无评论

信息安全研究 2020年第7期6卷 634-644页

作者：高威萧子豪朱益灵北京市瑞莱智慧科技有限公司北京100084

人工智能的发展给社会生活带来了巨大的改变.然而,随着这些应用的推广,人工智能的安全问题也日益显露出来.最近,以DeepFake为代表的深度伪造技术,严重威胁着社会安全和公众隐私.首先阐述了DeepFake技术的发展背景和技术原理.然后分析了... 详细信息

人工智能的发展给社会生活带来了巨大的改变.然而,随着这些应用的推广,人工智能的安全问题也日益显露出来.最近,以DeepFake为代表的深度伪造技术,严重威胁着社会安全和公众隐私.首先阐述了DeepFake技术的发展背景和技术原理.然后分析了近年来DeepFake技术在商业、政治、色情和娱乐等方面造成的影响.为了应对这些影响,国内外机构都对与DeepFake相关的技术作出回应,其中,研究机构致力于从技术角度来检测利用DeepFake制作的深伪音视频,维护内容安全.

关键词： DeepFake 人工智能生成式模型隐私假新闻

维普期刊数据库

在线全文

学校读者我要写书评

暂无评论

社交媒体视角下智库影响政策过程研究

图书馆论坛 2024年

作者：丁炫凯葛子豪盐城师范学院高等教育研究所南京大学信息管理学院

在推进国家治理体系和治理能力现代化进程中，公众参与理念被引入政策过程。智库通过社交媒体发表观点、对策和建议，间接参与政策过程，在协商决策等方面发挥积极作用。文章总结国内外专家在智库参与政策过程、社交媒体与政策过程、智... 详细信息

在推进国家治理体系和治理能力现代化进程中，公众参与理念被引入政策过程。智库通过社交媒体发表观点、对策和建议，间接参与政策过程，在协商决策等方面发挥积极作用。文章总结国内外专家在智库参与政策过程、社交媒体与政策过程、智库与社交媒体等方面的研究成果，为我国新型智库影响力的提升提供借鉴。

关键词：智库社交媒体政策过程公众参与影响力

建设金融强国背景下的金融发展的合理边界假说及检验——基于金融业增加值占比视角

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

金融经济学研究 2024年

作者：邱蓉田子豪周文贵州财经大学经济学院

金融是国民经济的血脉,是国家核心竞争力的重要组成部分,因此,要锚定建设金融强国目标,扎实推进金融高质量发展。金融发展理论尚未对金融安全边界展开具体研究。基于已有研究和世界主要发达经济体金融发展的事实特征,提出一国应当存在... 详细信息

金融是国民经济的血脉,是国家核心竞争力的重要组成部分,因此,要锚定建设金融强国目标,扎实推进金融高质量发展。金融发展理论尚未对金融安全边界展开具体研究。基于已有研究和世界主要发达经济体金融发展的事实特征,提出一国应当存在与其经济发展相适应的金融合理边界假说。基于2010—2022年省级面板数据,运用动态面板门槛模型和双向固定效应模型,验证上述假说。通过比较世界主要发达经济体的金融发展的事实,类推中国金融发展的合理边界;通过测算各个省份金融发展合理范围表征中国金融发展的合理边界,最终得出结论,即中国金融发展合理范围为6.0%～7.0%,最高不超过7.5%。基于此,要筑牢金融安全边界意识,确定金融发展的合理范围,发挥国家调控功能,实现金融合理发展。

关键词：建设金融强国金融发展金融业增加值占比金融安全合理边界

采用社会约束自适应动态窗口法的服务机器人路径规划

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

西安交通大学学报 2024年第5期58卷 42-51页

作者：何丽宁子豪袁亮刘志强新疆大学智能制造现代产业学院乌鲁木齐830047 北京化工大学信息科学与技术学院北京100029

针对传统动态窗口法在行人密集环境下动态路径规划存在灵活性差、效率低、安全性缺乏等问题,提出一种社会交互空间下基于社会约束自适应动态窗口法(social_DWA),并采用其解决服务机器人局部路径规划问题。首先,采用非对称高斯公式对单... 详细信息

针对传统动态窗口法在行人密集环境下动态路径规划存在灵活性差、效率低、安全性缺乏等问题,提出一种社会交互空间下基于社会约束自适应动态窗口法(social_DWA),并采用其解决服务机器人局部路径规划问题。首先,采用非对称高斯公式对单行人以及多人群组交互空间进行模型化描述;其次,在传统动态窗口法的基础上,采用动态行人方位角约束对动态行人进行避让;改进距离评价函数,分类决策与行人、多人群组、一般障碍物的安全距离;最后,提出速度权重自适应调整策略,优化服务机器人在途经不同密集度社会交互区域时的移动速度。为验证算法有效性,在两种模拟社会场景下,先后开展了social_DWA算法与传统DWA算法、FIDWA算法的路径规划仿真对比实验。结果表明:采用social_DWA算法所消耗的运动时间在场景1中较传统DWA和FIDWA算法分别缩短了1.53、0.43 s,在场景2中较传统DWA和FIDWA算法分别缩短了26.3、2.86 s;相较于传统DWA算法和FIDWA算法,social_DWA算法能保持有效的行人安全距离,并使运行轨迹更加合理。social_DWA算法在行人避让、环境适应能力等方面具有一定的优越性。

关键词：服务机器人路径规划动态窗口法参数自适应人性化

维普期刊数据库

基于机器学习和SHAP算法的声波测井曲线重构及可解释性分析

在线全文

学校读者我要写书评

暂无评论

地质科技通报 2024年

作者：黎子豪蒋恕中国地质大学(武汉)构造与油气资源教育部重点实验室中国地质大学(武汉)资源学院

【目的】测井技术是查明地下岩性、地层及地质流体的关键技术手段，在石油勘探行业中发挥着至关重要的作用。然而，由于仪器损坏、井眼条件等因素，经常造成测井数据缺失、曲线不全等问题，传统多元线性回归或经验公式方法无法合理地构... 详细信息

【目的】测井技术是查明地下岩性、地层及地质流体的关键技术手段，在石油勘探行业中发挥着至关重要的作用。然而，由于仪器损坏、井眼条件等因素，经常造成测井数据缺失、曲线不全等问题，传统多元线性回归或经验公式方法无法合理地构建测井曲线间的关系模型使得曲线重构精度相对较低，机器学习算法虽能在大量数据之间找到最为合适的数据映射关系进而提高了模型精度，但相较而言其所构建的黑箱模型无法得到良好的解释。近期，可解释性算法的运用使得机器学习在重构测井曲线中的应用更为合理。【方法】本文通过将Support Vector Regression（SVR），Random Forest（RF）以及eXtreme Gradient Boosting（XGBoost）和传统多元线性回归方法（Linear Regression，简称LR）对比对英国能源局22-30b-11号井声波测井曲线进行模型重构并基于Shapley Additive Explanations（SHAP）算法对XGBoost模型进行解释。【结论】结果表明，XGBoost在测试集上的R2和MSE分别为0.996、6.371优于SVR的0.990、15.755和RF的0.993、9.871，而传统多元线性回归方法则为0.969、48.895，表明XGBoost对声波时差曲线的重构具有更高的准确度和更好的泛化性能。本文创新性的采用SHAP算法对XGBoost黑箱模型进行解释，表明在模型构建选择重要特征时，XGBoost模型采用地层温度数据作为特征明显合理于多元线性回归方案采用的井径测井数据。最后基于SHAP对模型进行单点和全局特征交互解释。上述结果表明在声波测井曲线重构方面，机器学习算法明显优于传统的多元线性回归方法，并证明了SHAP算法在声波测井曲线重构机器学习模型解释方面的可行性，为后续机器学习在测井解释中的发展提供了新的思路。

关键词：测井曲线重构机器学习模型解释 SHAP

居住型历史地段的共同生活现象及其单元化识别方法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

城市规划学刊 2024年第4期 67-75页

作者：刘子煜韩冬青王凌豪东南大学建筑学院新加坡国立大学

空间结构与社会关系高度复合的共同生活现象是一种邻里居住的高效模式，亦是居住型历史地段的更新难点之一。从空间和社会两个维度，以最小居住单位为节点，一方面基于深度与路径方法在城市、共有、私有三个层级识别多种路径连接类型，... 详细信息

空间结构与社会关系高度复合的共同生活现象是一种邻里居住的高效模式，亦是居住型历史地段的更新难点之一。从空间和社会两个维度，以最小居住单位为节点，一方面基于深度与路径方法在城市、共有、私有三个层级识别多种路径连接类型，结合空间引力建立空间网络；另一方面通过熟人、半熟人和陌生人关系，建构邻接矩阵以形成具有社会特征的权重网络。通过矩阵运算将二者结合构建“关系—空间”网络，揭示居住型历史地段的综合结构特征与单元组团特征，并推导共同生活的单元化识别方法。通过不同权属状况的样本验证该识别方法的有效性，并讨论“关系—空间”网络与单元化识别方法在历史地段的空间认知、更新设计、制度实践角度的科学性与实践价值。

关键词：居住型历史地段共同生活 “关系—空间”网络单元化识别城市更新

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

面向联邦学习的差分隐私保护优化算法研究

面向联邦学习的差分隐私保护优化算法研究

作者：彭子豪南昌大学

学位级别：硕士

联邦学习作为一种新兴的分布式机器学习技术,不仅实现了多方协同参与中央模型的训练,而且在保护参与方隐私数据方面展现出显著优势,因此备受关注。然而,近期研究表明,尽管联邦学习具备固有的隐私保护机制,但仍存在被恶意攻击的风险。攻... 详细信息

联邦学习作为一种新兴的分布式机器学习技术,不仅实现了多方协同参与中央模型的训练,而且在保护参与方隐私数据方面展现出显著优势,因此备受关注。然而,近期研究表明,尽管联邦学习具备固有的隐私保护机制,但仍存在被恶意攻击的风险。攻击者可能通过拦截梯度信息,并利用梯度反转、生成对抗网络等手段,成功窃取参与方的隐私数据,进而引发隐私泄露的问题。因此,为有效应对这些隐私威胁,需要采取更为严密和周全的隐私保护措施。目前,联邦学习的隐私保护方案主要划分为加密类和噪声扰动类两大类。前者通过加密解密操作确保数据隐私安全,但频繁的加密解密操作给系统的计算和传输带来了沉重的负担,影响了整体效率。相对而言,噪声扰动类方案通过添加差分隐私噪声来降低隐私泄露风险,尽管其实现相对高效,但不可避免地会对系统精度造成一定影响。本文将差分隐私与联邦学习相结合,旨在实现用户隐私保护与系统性能优化的双重目标。为实现这一目标,本文深入剖析了差分隐私导致联邦学习精度下降的作用机理,即差分隐私引入的噪声导致传统联邦学习算法难以直接优化带有噪声的收敛上界。针对这一关键问题,本文针对性地提出了一种新颖且高效的双端学习率优化算法,并证明所提出的优化算法在非凸损失函数和凸损失函数条件下理论上均能实现收敛。同时,通过实验验证了算法的有效性。本论文的主要研究内容如下:1.本文提出一种高效的双端学习率优化算法,旨在解决现有优化算法效率低下的问题。该算法在模型聚合阶段,仅通过引入服务端学习率的概念,有效应对了由于差分隐私添加的噪声导致模型的收敛上界无法被直接优化的难题。在训练过程中,该算法基于学习率衰减的理念,通过精准地调整每一轮的服务端和客户端学习率,有效缓解了差分隐私引入的噪声对系统学习性能的不利影响,从而提升了联邦学习的整体效率和性能。2.当前大多数优化方案往往缺乏足够的理论支撑,多基于启发式方法。本文对提出的双端学习率优化算法进行了严格的收敛性分析。收敛性分析结果表明,在损失函数为强凸函数的条件下,该算法能够收敛至全局最优点;而在非凸函数的条件下,也能收敛至鞍点或局部最优点,从而为优化算法提供了坚实的理论支撑。3.为验证算法的性能,本文在MNIST和CIFAR10数据集上进行仿真实验,实验结果充分展示了所提出算法的性能优势。

关键词：联邦学习差分隐私隐私保护收敛性分析

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

我国涉老年人保健品诈骗治理研究

我国涉老年人保健品诈骗治理研究

作者：聂子豪中国人民公安大学

学位级别：硕士

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

山西阳泉方言代词研究

山西阳泉方言代词研究

作者：史子豪上海师范大学

学位级别：硕士