检索结果-南通市图书馆

Fooling intrusion detection systems using adversarially autoencoder

Digital Communications and Networks 2021年第3期7卷 453-460页

作者： Junjun Chen Di Wu Ying Zhao Nabin Sharma michael blumenstein Shui Yu College of Information Science and Technology Beijing University of Chemical TechnologyBeijing100029China School of Computer Science University of Technology SydneyUltimo2007Australia Centre for Artificial Intelligence University of Technology SydneyUltimo2007Australia

Due to the increasing cyber-attacks,various Intrusion Detection Systems(IDSs)have been proposed to identify network *** existing machine learning-based IDSs learn patterns from the features extracted from network traffic flows,and the deep learning-based approaches can learn data distribution features from the raw data to differentiate normal and anomalous network *** having been used in the real world widely,the above methods are vulnerable to some types of *** this paper,we propose a novel attack framework,Anti-Intrusion Detection AutoEncoder(AIDAE),to generate features to disable the *** the proposed framework,an encoder transforms features into a latent space,and multiple decoders reconstruct the continuous and discrete features,***,a generative adversarial network is used to learn the flexible prior distribution of the latent *** correlation between continuous and discrete features can be kept by using the proposed training *** conducted on NSL-KDD,UNSW-NB15,and CICIDS2017 datasets show that the generated features indeed degrade the detection performance of existing IDSs dramatically.

关键词： Intrusion detection Cyber attacks Autoencoder Generative adversarial networks

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

FACLSTM:ConvLSTM with focused attention for scene text recognition

引用

Science China(Information Sciences) 2020年第2期63卷 35-48页

作者： Qingqing WANG Ye HUANG Wenjing JIA Xiangjian HE michael blumenstein Shujing LYU Yue LU Shanghai Key Laboratory of Multidimensional Information Processing East China Normal University Faculty of Engineering and Information Technology University of Technology Sydney Shanghai Institute of Intelligent Science and Technology Tongji University

Scene text recognition has recently been widely treated as a sequence-to-sequence prediction problem, where traditional fully-connected-LSTM(FC-LSTM) has played a critical role. Owing to the limitation of FC-LSTM, existing methods have to convert 2-D feature maps into 1-D sequential feature vectors, resulting in severe damages of the valuable spatial and structural information of text images. In this paper, we argue that scene text recognition is essentially a spatiotemporal prediction problem for its2-D image inputs, and propose a convolution LSTM(Conv LSTM)-based scene text recognizer, namely,FACLSTM, i.e., focused attention Conv LSTM, where the spatial correlation of pixels is fully leveraged when performing sequential prediction with LSTM. Particularly, the attention mechanism is properly incorporated into an efficient Conv LSTM structure via the convolutional operations and additional character center masks are generated to help focus attention on right feature areas. The experimental results on benchmark datasets IIIT5 K, SVT and CUTE demonstrate that our proposed FACLSTM performs competitively on the regular,low-resolution and noisy text images, and outperforms the state-of-the-art approaches on the curved text images with large margins.

关键词： scene text recognition convolutional LSTM focused attention spatial correlation sequential prediction

来源：

同方期刊数据库评论

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

草写体字符识别中的改进型方向特征研究

引用

图象识别与自动化 2007年第1期 1-13页

作者： michael blumenstein Xin Yu Liu Brijesh Verma 李斌（译）

本文论述和分析了一种新颖的特征提取技术的特性，它采用基于分割的手写体字符识别系统的上下文关系来分割／书写字符。改进型的方向特征（MDF）提取技术以方向特征（DF）为基础，从字符轮廓的结构中提取方向信息。这种规则扩展了字符... 详细信息

本文论述和分析了一种新颖的特征提取技术的特性，它采用基于分割的手写体字符识别系统的上下文关系来分割／书写字符。改进型的方向特征（MDF）提取技术以方向特征（DF）为基础，从字符轮廓的结构中提取方向信息。这种规则扩展了字符图像中前景和背景象素转换的组合方向信息。为改善DF的提取技术，将对一些方法作出改进。同时使字符轮廓的描述更有效，并着手方向性检测技术的再设计，即在大部分时常出现的模式干扰中，增加对目标特征的描述，以改善字符的识别正确率。MDF通过基于神经网络分类器的试验以及转换特征（TF）提取技术的比较，并采用标准数据集与文献中列出的最佳结果相比较后得知，MDF技术优于DF和TF技术。来自CEDAR数据集的结果显示，识别正确率在89％以上。

关键词：手写体字符识别模式识别图像处理和计算机视觉神经网络

来源：

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

欢迎您,

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

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

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

在线全文

在线全文

在线全文

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：