检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于龙格库塔法的对抗攻击方法

软件学报 2024年第5期35卷 2543-2565页

作者：万晨黄方军中山大学计算机学院广东广州510006 中山大学网络空间安全学院广东深圳518107 郑州信大先进技术研究院河南郑州450001

深度神经网络在许多领域中取得了显著的成果,但相关研究结果表明,深度神经网络很容易受到对抗样本的影响.基于梯度的攻击是一种流行的对抗攻击,引起了人们的广泛关注.研究基于梯度的对抗攻击与常微分方程数值解法之间的关系,并提出一种... 详细信息

深度神经网络在许多领域中取得了显著的成果,但相关研究结果表明,深度神经网络很容易受到对抗样本的影响.基于梯度的攻击是一种流行的对抗攻击,引起了人们的广泛关注.研究基于梯度的对抗攻击与常微分方程数值解法之间的关系,并提出一种新的基于常微分方程数值解法-龙格库塔法的对抗攻击方法.根据龙格库塔法中的预测思想,首先在原始样本中添加扰动构建预测样本,然后将损失函数对于原始输入样本和预测样本的梯度信息进行线性组合,以确定生成对抗样本中需要添加的扰动.不同于已有的方法,所提出的方法借助于龙格库塔法中的预测思想来获取未来的梯度信息(即损失函数对于预测样本的梯度),并将其用于确定所要添加的对抗扰动.该对抗攻击具有良好的可扩展性,可以非常容易地集成到现有的所有基于梯度的攻击方法.大量的实验结果表明,相比于现有的先进方法,所提出的方法可以达到更高的攻击成功率和更好的迁移性.

关键词：对抗样本黑盒攻击龙格库塔法迁移性

基于鲲鹏和昇腾异构平台的单节点HPL-AI设计与优化

在线全文

学校读者我要写书评

暂无评论

华南理工大学学报（自然科学版） 2024年第2期52卷 13-22页

作者：吴昊天任长青陆璐徐鹏翔杨凯华南理工大学计算机科学与工程学院广东广州510006 郑州信大先进技术研究院河南郑州450001 鹏城国家实验室广东深圳518000

鉴于低精度浮点运算拥有更快的运算速度,越来越多的高性能应用采用混合精度方案进行加速,而同样采用该方案来加速的AI(人工智能)大模型也受到广泛关注。最近,HPL-AI(High Performance LINPACK for Accelerator Introspection)基准测试... 详细信息

鉴于低精度浮点运算拥有更快的运算速度,越来越多的高性能应用采用混合精度方案进行加速,而同样采用该方案来加速的AI(人工智能)大模型也受到广泛关注。最近,HPL-AI(High Performance LINPACK for Accelerator Introspection)基准测试被提出,用于评估高性能系统的混合精度运算性能。针对该基准测试,本研究在鲲鹏和昇腾异构平台上设计并优化了单节点HPL-AI基准测试的实现。其主要通过循环任务分配的策略将任务均匀地分配给AI处理器以平衡AI处理器的负载;通过带间隔值的任务分配策略提高数据传输的连续性来减少CPU和AI处理器之间的数据传输时间;在不影响计算精度的情况下,通过取消数据缩放的策略来减少CPU侧的计算量。最终实验结果表明:当间隔值为8时,HPL-AI基准测试的混合精度浮点运算速度最快;同时,取消数据缩放不会对HPL-AI基准测试的结果精度产生影响;在鲲鹏和昇腾异构平台上,与非优化的HPL-AI基准测试方法相比,本研究提出的优化策略使混合精度浮点运算速度提升了29%左右,为单节点HPL-AI基准测试的进一步优化和部署多节点HPL-AI基准测试奠定了坚实的基础。

关键词：鲲鹏昇腾异构平台基准测试高性能计算混合精度

在线全文

学校读者我要写书评

暂无评论

基于多模态信息融合的四足机器人避障方法

工程科学学报 2024年第8期46卷 1426-1433页

作者：吕友豪贾袁骏庄圆董琦中国科学技术大学先进技术研究院合肥230026 中国电子科学研究院北京100049

提出了一种全新的基于多模态信息融合技术的四足机器人避障方法.该方法将机器人的本体传感器信息与外部传感器信息相结合,以提高机器人在复杂环境下的决策能力.具体而言,该方法设计了一种多模态强化学习神经网络模型,使机器人能够从自... 详细信息

提出了一种全新的基于多模态信息融合技术的四足机器人避障方法.该方法将机器人的本体传感器信息与外部传感器信息相结合,以提高机器人在复杂环境下的决策能力.具体而言,该方法设计了一种多模态强化学习神经网络模型,使机器人能够从自身的传感数据和外部传感器数据中学习.该模型采用监督和非监督学习技术相结合的方法进行训练,以优化机器人在避障任务中的表现.此外,还创新地引入了Transformer层和注意力机制,使机器人能够有选择地关注相关的传感信息并过滤掉无关信息,提高在未知动态环境中的规划可靠性.该方法在具有不同障碍物、不平坦地形等具有挑战性的模拟环境中进行了评估.实验结果表明,所提出的方法相较于对照组可以显著提高四足机器人的避障成功率.此外,由于引入了注意力机制,所提出的算法在动态未知环境下也具有一定的可靠性,使其在实际应用中更加实用.本文的意义主要在于引入多模态信息融合技术和Transformer层,以提高机器人在避障任务中的表现.通过仿真环境的实验结果显示,该学习策略能够显著改善机器人的运动控制能力,并且多模态Transformer模型进一步增强了其性能使其具备优越的泛化性.此外,进一步的分析和可视化也表明了学习策略利用外部输入进行决策的有效性.

关键词：四足机器人路径规划强化学习信息融合 Transformer

在线全文

学校读者我要写书评

暂无评论

基于学习机制的多智能体强化学习综述

工程科学学报 2024年第7期46卷 1251-1268页

作者：王若男董琦中国电子科学研究院北京100041

强化学习作为人工智能领域的重要分支,以其在多智能体系统决策中的卓越表现,成为当前主流方法.然而,传统的多智能体强化学习算法在面对维度爆炸、训练样本稀缺和难以迁移等方面仍然存在困难.为了克服这些挑战并提升算法性能,本文从学习... 详细信息

强化学习作为人工智能领域的重要分支,以其在多智能体系统决策中的卓越表现,成为当前主流方法.然而,传统的多智能体强化学习算法在面对维度爆炸、训练样本稀缺和难以迁移等方面仍然存在困难.为了克服这些挑战并提升算法性能,本文从学习机制的角度入手,深入研究学习机制与强化学习的深度融合,以推动多智能体强化学习算法的发展.首先,介绍了多智能体强化学习算法的基本原理、发展历程以及算法所面临的难点.随后,引入了基于学习机制的多智能体强化学习方法这一种新兴方向.这些学习机制,如元学习和迁移学习,被证明可以有效提升多智能体的学习速度,并缓解维度爆炸等问题.按照课程学习、演化博弈、元学习、分层学习、迁移学习等学习机制在多智能体强化学习中的应用进行了综述,通过罗列这些方法的研究成果,论述了各种方法的局限性,并提出了未来改进的方向.总结了这类融合算法在实际应用中取得的提升成果和实际应用,具体列举了基于学习机制的多智能体强化学习算法在交通控制、游戏领域的实际应用案例.同时,对这类融合算法未来在理论、算法和应用方面的发展方向进行了深入分析.这涵盖了对新颖理论的探索、算法性能的进一步优化,以及在更广泛领域中的推广应用.通过这样的综述和分析,为未来多智能体强化学习算法的研究方向和实际应用提供了有益的参考.

关键词：强化学习多智能体博弈学习机制课程学习演化强化学习

在线全文

学校读者我要写书评

暂无评论

深度视频修复篡改的被动取证研究

信息安全学报 2024年第4期9卷 125-138页

作者：熊义毛丁湘陵谷庆杨高波赵险峰湖南科技大学计算机科学与工程学院湘潭411201 湖南大学信息科学与工程学院长沙410082 中国科学院信息工程研究所信息安全国家重点实验室北京100093 中国科学院大学网络空间安全学院北京100093 郑州信大先进技术研究院郑州450000

深度视频修复技术就是利用深度学习技术,对视频中的缺失区域进行补全或移除特定目标对象。它也可用于合成篡改视频,其篡改后的视频很难通过肉眼辨别真假,尤其是一些恶意修复的视频在社交媒体上传播时,容易造成负面的社会舆论。目前,针... 详细信息

深度视频修复技术就是利用深度学习技术,对视频中的缺失区域进行补全或移除特定目标对象。它也可用于合成篡改视频,其篡改后的视频很难通过肉眼辨别真假,尤其是一些恶意修复的视频在社交媒体上传播时,容易造成负面的社会舆论。目前,针对深度视频修复篡改的被动检测技术起步较晚,尽管它已经得到一些关注,但在研究的深度和广度上还远远不够。因此,本文提出一种基于级联Conv GRU和八方向局部注意力的被动取证技术,从时空域角度实现对深度修复篡改区域的定位检测。首先,为了提取修复区域的更多特征,RGB帧和错误级分析帧ELA平行输入编码器中,通过通道特征级融合,生成不同尺度的多模态特征。其次,在解码器部分,使用编码器生成的多尺度特征与串联的Conv GRU进行通道级融合来捕捉视频帧间的时域不连续性。最后,在编码器的最后一级RGB特征后,引入八方向局部注意力模块,该模块通过八个方向来关注像素的邻域信息,捕捉修复区域像素间的异常。实验中,本文使用了VI、OP、DSTT和FGVC四种最新的深度视频修复方法与已有的深度视频修复篡改检测方法HPF和VIDNet进行了对比,性能优于HPF且在编码器参数仅VIDNet的五分之一的情况下获得与VIDNet可比的性能。结果表明,本文所提方法利用多尺度双模态特征和引入的八方向局部注意力模块来关注像素间的相关性,使用Conv GRU捕捉时域异常,实现像素级的篡改区域定位,获得精准的定位效果。

关键词：深度视频修复视频篡改检测级联Conv GRU 局部注意力模块空时预测

在线全文

学校读者我要写书评

暂无评论

基于双曲正切和矩的免疫防御

计算机学报 2024年第8期47卷 1786-1812页

作者：吴昊王金伟罗向阳马宾南京信息工程大学计算机学院南京210044 南京信息工程大学数字取证教育部工程研究中心南京210044 中国人民解放军战略支援部队信息工程大学网络空间安全学院郑州450001 齐鲁工业大学网络空间安全学院济南250353

对抗样本的发现与研究证实了深度神经网络的脆弱性.如果不对对抗样本的生成加以约束,那么触手可及的图像将不再安全并随时可能对不鲁棒的深度神经网络构成威胁.然而,现有的对抗防御主要旨在防止对抗样本成功攻击深度神经网络,而不是防... 详细信息

对抗样本的发现与研究证实了深度神经网络的脆弱性.如果不对对抗样本的生成加以约束,那么触手可及的图像将不再安全并随时可能对不鲁棒的深度神经网络构成威胁.然而,现有的对抗防御主要旨在防止对抗样本成功攻击深度神经网络,而不是防止对抗样本的生成.因此,本文提出了一种新颖的对抗防御机制,该机制被称为免疫防御.免疫防御通过主动地在原始图像上添加难以察觉的扰动使得攻击者无法针对该图像制作出有效的对抗样本,从而同时保护了图像和深度神经网络.这种良性的扰动被称为免疫扰动,添加了免疫扰动的图像被称为免疫样本.在白盒免疫防御中,本文提出了双曲正切免疫防御(Hyperbolic Tangent Immune Defense,HTID)以制作高分类准确率、高防御性能和高视觉质量的白盒免疫样本;在黑盒免疫防御中,提出了基于矩的免疫防御(Moment-based Immune Defense,MID)以提升免疫样本的可迁移性,从而确保免疫样本对未知对抗攻击的防御性能.此外,本文还提出了免疫率以更加准确地衡量免疫样本的防御性能.在CIFAR-10、MNIST、STL-10和Caltech-256数据集上的大量实验表明,HTID和MID制作的免疫样本具有高分类准确率,在Inception-v3、ResNet-50、LeNet-5和Model C上的准确率均达到了100.0%,比原始准确率平均高出10.5%.制作的免疫样本同时具有高视觉质量,其SSIM最低为0.822,最高为0.900.实验也表明MID有着比HTID更高的可迁移性,MID在四个数据集上针对AdvGAN制作的免疫样本防御其他11种对抗攻击的平均免疫率分别为62.1%、52.1%、56.8%和48.7%,这比HTID高出15.0%、10.8%、17.5%和15.7%.

关键词：深度神经网络对抗样本对抗防御免疫防御可迁移性

多色彩通道特征融合的GAN合成图像检测方法

在线全文

学校读者我要写书评

暂无评论

电子学报 2024年第3期52卷 924-936页

作者：乔通陈彧星谢世闯姚恒罗向阳杭州电子科技大学网络空间安全学院浙江杭州310016 中国科学院信息工程研究所信息安全国家重点实验室北京100093 河南省网络空间态势感知重点实验室河南郑州450001 上海理工大学光电信息与计算机工程学院上海200093

当前,生成对抗网络(Generative Adversarial Networks,GAN)合成的逼真图像难以识别,严重危害国家网络安全及社会稳定.与此同时,多数基于深度神经网络模型设计的检测器需要大规模训练样本,且存在模型可解释度不高、泛化性能差等问题.为... 详细信息

当前,生成对抗网络(Generative Adversarial Networks,GAN)合成的逼真图像难以识别,严重危害国家网络安全及社会稳定.与此同时,多数基于深度神经网络模型设计的检测器需要大规模训练样本,且存在模型可解释度不高、泛化性能差等问题.为了克服上述亟待解决的关键性难题,本文提出一种多色彩通道特征融合的GAN合成图像检测方法.首先,探索分析真实自然图像和GAN合成图像在不同色彩空间相邻像素之间的差异,并设计差异度量算法,完成色彩通道选择.其次,利用图像像素间的高度相关性,在八个方向上通过二阶马尔可夫链对相邻像素之间的差分数组进行建模,提取差分像素邻接矩阵特征.最后,利用上述特征,设计一种简单且高效的集成分类器完成GAN合成图像的检测任务.在基于StyleGAN模型合成的伪造人脸数据集中,所提出方法的检测准确率高达100.00%;在小样本训练约束条件下,正负样本对数仅仅为2时,检测准确率高达99.65%;在单类样本训练约束条件下,正样本数仅仅为50时,检测准确率高达92.84%.在基于更先进的StyleGAN2和PGGAN模型合成的伪造场景数据集中,所提出方法的检测准确率达到99.96%以上.以上大量实验表明,本文所提出的方法明显优于比较的GAN合成图像检测方法.本文方法已经开源:https://***/cyxcyx559/ccss.

关键词：图像取证色彩通道特征融合生成对抗网络马尔可夫链集成分类器

在线全文

学校读者我要写书评

暂无评论

基于零知识证明和区块链的联邦学习激励方案

信息网络安全 2024年第1期 1-13页

作者：吴昊天李一凡崔鸿雁董琳华南理工大学计算机科学与工程学院广州510006 郑州信大先进技术研究院郑州450001 国家计算机网络与信息安全管理中心北京100029

在跨孤岛联邦学习中,各参与者对最终训练出的模型贡献各异,如何评估他们的贡献并给予适当激励,成为联邦学习研究中一项关键问题。目前的激励方法主要着眼于奖励有效模型更新的参与者,同时惩罚不诚实者,侧重于激励计算行为。然而,参与者... 详细信息

在跨孤岛联邦学习中,各参与者对最终训练出的模型贡献各异,如何评估他们的贡献并给予适当激励,成为联邦学习研究中一项关键问题。目前的激励方法主要着眼于奖励有效模型更新的参与者,同时惩罚不诚实者,侧重于激励计算行为。然而,参与者所提供的数据质量同样影响学习效果,但现有方法未充分考虑数据质量,并缺乏鉴定数据真实性的手段。为提升激励的准确性,需对参与者数据质量进行评估。通过融合零知识证明与区块链技术,文章提出一种评估参与者数据质量的协议,构建了全新联邦学习激励方案。该方案可在不泄露明文数据的前提下,评估参与者所用数据集质量,通过区块链系统向合格参与者发放激励,拒绝不合格者。实验证实,在部分用户提供虚假数据的情况下,该方案仍能准确给出激励结果,同时提升联邦学习模型的准确率。

关键词：零知识证明区块链激励机制联邦学习数据质量评估

基于Ngram-TFIDF的深度恶意代码可视化分类方法

在线全文

学校读者我要写书评

暂无评论

通信学报 2024年第6期45卷 160-175页

作者：王金伟陈正嘉谢雪罗向阳马宾南京信息工程大学计算机学院江苏南京210044 中国科学技术大学网络空间安全学院安徽合肥230031 信息工程大学网络空间安全学院河南郑州450001 齐鲁工业大学网络空间安全学院山东济南250353

随着恶意代码规模和种类的不断增加,传统恶意代码分析方法由于依赖于人工提取特征,变得耗时且易出错,因此不再适用。为了提高检测效率和准确性,提出了一种基于Ngram-TFIDF的深度恶意代码可视化分类方法。结合N-gram和TF-IDF技术对恶意... 详细信息

随着恶意代码规模和种类的不断增加,传统恶意代码分析方法由于依赖于人工提取特征,变得耗时且易出错,因此不再适用。为了提高检测效率和准确性,提出了一种基于Ngram-TFIDF的深度恶意代码可视化分类方法。结合N-gram和TF-IDF技术对恶意代码数据集进行处理,并将其转化为灰度图。随后,引入CBAM并调整密集块数量,构建DenseNet88_CBAM网络模型用于灰度图分类。实验结果表明,所提方法在恶意代码家族分类和类型分类上分别提高了1.11%和9.28%的准确率,取得了优越的分类效果。

关键词：深度学习数据可视化恶意代码检测和分类