检索结果-南通市图书馆

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

分组密码算法ctc的立方分析

信息安全与通信保密 2012年第7期10卷 132-135页

作者：穆道光张文政保密通信重点实验室四川成都610041

立方攻击是在2009年欧洲密码年会上由Dinur和Shamir提出的一种新型密码分析方法，该方法旨在寻找密钥比特之间的线性关系。ctc（CourtoisToyCipher）是N．Courtois设计的一种用于密码分析研究的分组密码算法，该算法的密钥长度、明文长... 详细信息

立方攻击是在2009年欧洲密码年会上由Dinur和Shamir提出的一种新型密码分析方法，该方法旨在寻找密钥比特之间的线性关系。ctc（CourtoisToyCipher）是N．Courtois设计的一种用于密码分析研究的分组密码算法，该算法的密钥长度、明文长度和迭代轮数都是可变的。文中利用立方攻击方法针对密钥长度为60bit的4轮ctc进行了分析，在选择明文攻击条件下，结合二次测试可恢复全部密钥，密钥恢复阶段仅需要不到2^10次加密算法。

关键词：立方攻击分组密码算法 ctc算法密钥恢复二次测试

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

基于迁移学习的东干语语音识别的研究

基于迁移学习的东干语语音识别的研究

作者：张静一西北师范大学

学位级别：硕士

随着深度学习神经网络的兴起,人工智能成为21世纪快捷生活的潮流标志,涉及各个学科领域。作为人工智能的经典代表,语音识别技术实现了人与计算机无障碍交流的愿望,获得了快速发展并已成功应用于很多行业。然而目前语音识别技术的研究大... 详细信息

随着深度学习神经网络的兴起,人工智能成为21世纪快捷生活的潮流标志,涉及各个学科领域。作为人工智能的经典代表,语音识别技术实现了人与计算机无障碍交流的愿望,获得了快速发展并已成功应用于很多行业。然而目前语音识别技术的研究大都针对汉语、英语等主流语种;对少数民族语言语音识别的研究只实现了藏语和维语等个别语种;缺少对跨境方言和低资源语种的语音识别研究。因此本文针对汉语的跨境方言、低资源东干语的语音识别展开研究,主要工作和创新点如下:1.建立了东干语陕西方言语料库。追溯东干语的来源,分析东干语的词汇构成和句式特点,从人们日常交往用语,俗语和儿歌中收集整理出4000句东干语文本。该文本包含东干语所有的声母、韵母和声调。基于文本语料,邀请5位东干族大学生在室内环境中录制了相应的语音语料,最终将录好的6小时音频以16k Hz的采样率、16位采样精度保存为单声道的WAV格式文件。2.实现了3种端到端的东干语语音识别模型。论文分别实现了基于Transformer模型、基于LSTM-ctc模型和基于GRU-ctc模型的东干语语音识别模型。实验结果表明,基于Transformer模型的东干语语音识别效果稍优于其他两种,字错率为49.6%。基于LSTM-ctc和GRU-ctc模型的字错率分别为56.2%和51.9%。由于GRU模型结构比LSTM简单,训练复杂度较低,因此基于GRU-ctc模型的东干语识别效果好于LSTM-ctc模型。分析上述实验结果,发现低资源的东干语由于缺乏语料数据,直接用端到端的方法训练端到端的语音识别模型,语音识别效果差。3.针对语料不足引起的端到端模型训练出的东干语语音识别效果差的问题,提出了结合迁移学习策略和端到端模型的东干语语音识别方法。论文设计了3个基于迁移学习的端到端东干语语音识别模型。首先通过汉语和东干语的语言相似性分析,确定利用汉语作为迁移学习的源任务辅助训练模型;然后通过分析神经网络的可迁移性,采用Softmax层迁移和Fine-tuning的迁移方法;最后对实现的3种端到端东干语语音识别模型进行迁移。实验结果表明,采用Fine-tuning迁移方法的识别效果优于Softmax层迁移。而且利用Fine-tuning迁移方法的Transformer模型的性能最好,将东干语语音识别的字错率降低至30.4%。说明迁移学习能有效解决语料数据缺乏的问题,显著提升东干语语音识别的准确率。

关键词：东干语语音识别端到端模型 Transformer模型 ctc算法迁移学习

冗余方程对基于Minisat的代数攻击影响

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

计算机工程 2010年第1期36卷 177-180页

作者：卜凡解放军信息工程大学电子技术学院郑州450004

分析基于Minisat软件的代数攻击方法,发现由该代数攻击方法对某些密码算法所建立的方程组中存在冗余方程,研究去除所有冗余方程的预处理方法,基于该方法提出先去除冗余方程,再利用Minisat软件求解无冗余方程组的代数攻击方法。实验结果... 详细信息

分析基于Minisat软件的代数攻击方法,发现由该代数攻击方法对某些密码算法所建立的方程组中存在冗余方程,研究去除所有冗余方程的预处理方法,基于该方法提出先去除冗余方程,再利用Minisat软件求解无冗余方程组的代数攻击方法。实验结果表明,对ctc算法,新的攻击方法的攻击时间平均缩短了1/2,冗余方程的存在降低了基于Minisat软件的代数攻击的效率。

关键词：代数攻击非线性方程组冗余方程 ctc算法

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

复杂场景下端到端的鲁棒性声学模型研究

复杂场景下端到端的鲁棒性声学模型研究

作者：田松雪深圳大学

学位级别：硕士

近年来,语音识别技术在无噪环境下取得了突破性的进展,但在带噪环境下识别性能仍然存在下降的问题。因此,鲁棒语音识别研究受广泛的关注,如鲁棒语音特征提取、语音增强和鲁棒性声学模型等。鲁棒性声学模型是提高语音识别系统抗干扰能力... 详细信息

近年来,语音识别技术在无噪环境下取得了突破性的进展,但在带噪环境下识别性能仍然存在下降的问题。因此,鲁棒语音识别研究受广泛的关注,如鲁棒语音特征提取、语音增强和鲁棒性声学模型等。鲁棒性声学模型是提高语音识别系统抗干扰能力的关键技术。然而,鲁棒性声学模型在实际应用中仍然存在很多有待克服的技术问题,譬如对未知噪干扰的泛化能力和对复杂应用场景的建模方案。为了解决这些问题,本课题从端到端的声学模型和深度神经网络出发,针对加性噪声的鲁棒模型进行研究,并使用了音素错误率指标来刻画模型性能。本文的创新点总结如下:1)本文提出一种基于参数共享的深度相似网络。具体来讲,首先,通过结合卷积神经网络与联结主义时间分类算法(Connectionist Temporal Classification,ctc),在干净语料中建立了端到端的声学模型,获得接近于基线模型性能。然后,受师生训练与多条件训练的启发,提出一种参数共享的训练方法,提高了模型的鲁棒性。最后,利用参数共享和ctc算法特点,提出一种深度相似网络,使得带噪样本与干净样本获得相似的概率矩阵输出,进而获得更鲁棒的识别效果。2)结合深度相似网络,本文提出一种基于前端分类的端到端鲁棒性声学模型。前端分类包括特征设计、特征提取、分类模型。针对特征设计,提出一种基于长时能量的噪声特征工程,并在2018DCASE开发集中验证特征的有效性,分类准确率优于基线模型约14%。针对特征提取和分类模型,提出一种分解式的变分自编码网络,从带噪语音中提取噪声特征,搭建前馈神经网络进行分类。3)为了减少后端训练多个声学模型的时间开销和计算资源,提出一种具有低秩特性的迁移学习方法。该方法将神经网络压缩的思想与迁移学习相结合,在源域模型的基础上引入低秩网络学习目标域的任务,使得后端声学模型复用前端的训练参数,从而节省了模型训练的时间开销和计算资源。

关键词： ctc算法鲁棒性声学模型神经网络迁移学习

基于连接时序分类和注意力机制的端到端自动语音识别研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于连接时序分类和注意力机制的端到端自动语音识别研究

作者：周亚飞河南大学

学位级别：硕士

语音识别作为人机交互的关键技术在语音搜索、语音智能控制及车载娱乐等领域得到广泛应用。端到端自动语音识别与传统自动语音识别相比较,摒弃了发音词典和语言模型,真正实现直接从语音转录成文本,解决了传统自动语音识别过程繁琐、准... 详细信息

语音识别作为人机交互的关键技术在语音搜索、语音智能控制及车载娱乐等领域得到广泛应用。端到端自动语音识别与传统自动语音识别相比较,摒弃了发音词典和语言模型,真正实现直接从语音转录成文本,解决了传统自动语音识别过程繁琐、准确率不足等问题。近年来,端到端自动语音识别逐渐的成为了研究热点。在此背景下,本文在基于混合ctc-Attention端到端自动语音识别架构的基础上进行研究,主要工作如下:（1）针对混合ctc-Attention端到端自动语音识别模型网络结构复杂,联合解码过程中ctc解码器解码性能受到限制,以及采用梯度下降法进行反向传播时编码器更新能力较弱等问题。本文提出了一种改进型混合ctc-Attention端到端自动语音识别模型,对混合ctc-Attention模型的共享编码层进行了结构上的优化。在ctc解码分支插入了一层单独的Bi LSTM以增强ctc解码器的解码能力,并引入L2正则化和梯度裁剪策略等优化算法增强模型的稳定性。通过实验验证了不同编码层深度与联合解码器解码性能的关系,验证了多任务学习下ctc解码器与Attention解码器在不同损失权重参数下的联合解码性能。实验结果表明,所提出的改进型混合ctc-Attention端到端模型相比基线模型在中文普通话语音识别任务上可以有效提高语音识别的准确率。（2）为了进一步提高模型的训练效率和语音识别准确率,本文提出一种改进的混合ctc-Attention端到端自动语音识别模型,采用卷积神经网络跟Bi GRU相结合的方式重新设计了模型的共享编码器网络,在联合解码器的ctc解码器分支的全连接层前插入一层Bi GRU,以解决ctc解码器在联合解码过程中解码能力受限的问题。除此之外,使用L2正则化、梯度裁剪优化方法以防止模型训练过程中出现过拟合、梯度爆炸的问题,还使用ADADELTA自适应学习算法来约束学习率提升训练速度。实验结果表明,改进后的混合ctc-Attention端到端模型在训练效率和语音识别准确率上与基线模型相比较都有提高。

关键词：自动语音识别深度学习注意力机制 ctc算法端到端