检索结果-南通市图书馆

LibPass:基于包结构和签名的第三方库检测方法

在线全文

学校读者我要写书评

暂无评论

软件学报 2024年第6期35卷 2880-2902页

作者：徐建袁倩婷南京理工大学计算机科学与工程学院江苏南京210094

第三方库检测是Android应用安全分析领域的上游任务,其检测精度对于恶意应用检测、重打包检测、隐私泄露等下游任务有显著影响.为了提升检测精度和效率,采用相似性比较的思想,提出一种基于包结构和签名的第三方库检测方法,命名为***以... 详细信息

第三方库检测是Android应用安全分析领域的上游任务,其检测精度对于恶意应用检测、重打包检测、隐私泄露等下游任务有显著影响.为了提升检测精度和效率,采用相似性比较的思想,提出一种基于包结构和签名的第三方库检测方法,命名为***以流水线式模式组合主模块识别、第三方库候选识别和细粒度检测等3个组件.主模块识别方法区分主程序二进制代码与引入的第三方库二进制代码,旨在提升方法检测效率.在此基础上,提出由第三方库候选识别和细粒度检测构成的两阶段检测方法.前者利用包结构特征的稳定性来应对应用程序的混淆行为以提升混淆情形下的检测精度,并利用包结构签名完成快速比对以识别候选第三方库,达到显著降低成对比较次数、提升检测效率的目的;后者在前者涮选出的候选中,通过更细粒度但代价更高的相似性分析精确地识别第三方库及其对应的版本.为了验证方法的性能和效率,构建3个评估不同检测能力的基准数据集,在这些基准数据集上开展实验验证,从检测性能、检测效率和抗混淆性等方面对实验结果进行深入分析,结果表明LibPass具备较高的检测精度,检测效率,以及应对多种常用混淆操作的能力.

关键词：第三方库代码混淆安全分析签名

基于特征选择及ISSA-CNN-BiGRU的短期风功率预测

在线全文

学校读者我要写书评

暂无评论

工程科学与技术 2024年第3期56卷 228-239页

作者：王瑞徐新超逯静河南理工大学计算机科学与技术学院河南焦作454000

针对风电功率随机性大、平稳性低,以及直接输入预测模型往往难以取得较高精度等问题,提出了一种基于特征选择及改进麻雀搜索算法(ISSA)优化卷积神经网络-双向门控循环单元(CNN-BiGRU)的短期风电功率预测方法。首先,利用变分模态分解(VMD... 详细信息

针对风电功率随机性大、平稳性低,以及直接输入预测模型往往难以取得较高精度等问题,提出了一种基于特征选择及改进麻雀搜索算法(ISSA)优化卷积神经网络-双向门控循环单元(CNN-BiGRU)的短期风电功率预测方法。首先,利用变分模态分解(VMD)将原始功率分解为一组包含不同信息的子分量,以降低原始功率序列的非平稳性,提升可预测性,同时通过观察中心频率方式确定模态分解数。其次,对每一分量采用随机森林(RF)特征重要度的方法进行特征选择,从风速、风向、温度、空气密度等气象特征因素中,选取对各个分量预测贡献度较高的影响因素组成输入特征向量。然后,建立各分量的CNN-BiGRU预测模型,针对神经网络算法参数难调、手动配置参数随机性大的问题,利用ISSA对模型超参数寻优,自适应搜寻最优参数组合。最后,叠加各分量的预测值,得到最终的预测结果。以中国内蒙古某风电场实际数据进行仿真实验,与多种单一及组合预测方法进行对比,结果表明,本文所提方法相比于其他方法具有更高的预测精度,其平均绝对百分比误差值达到2.644 0%;在其他4个数据集上进行的模型准确性及泛化性验证结果显示,模型平均绝对百分比误差值分别为4.385 3%、3.174 9%、1.576 1%和1.358 8%,均保持在5.000 0%以内,证明本文所提方法具有较好的预测精度及泛化能力。

关键词：短期风功率预测变分模态分解特征选择改进麻雀搜索算法卷积神经网络双向门控循环单元

Light-HGNN:用于圈层内容推荐的轻量同质超图神经网络

在线全文

学校读者我要写书评

暂无评论

计算机研究与发展 2024年第4期61卷 877-888页

作者：李挺金福生李荣华王国仁段焕中路彦雄北京理工大学计算机学院北京100081 腾讯科技(北京)有限公司北京100080

图神经网络和超图神经网络(hypergraph neural network,HGNN)已经成为协同过滤推荐领域的研究热点.然而实际场景中用户和项目的交互非常复杂,导致用户之间存在高阶的复杂关系,而普通图结构只能表达简单的成对关系,对网络结构的堆叠容易... 详细信息

图神经网络和超图神经网络(hypergraph neural network,HGNN)已经成为协同过滤推荐领域的研究热点.然而实际场景中用户和项目的交互非常复杂,导致用户之间存在高阶的复杂关系,而普通图结构只能表达简单的成对关系,对网络结构的堆叠容易导致中间层表征的过度平滑,在稀疏场景下的用户建模、用户相似性发现与挖掘方面能力较弱;同时,异质超图神经网络的复杂结构使得模型的训练效率较低.在以微信“搜一搜”等内容平台为代表的高度稀疏数据场景中,对于基于用户所属群体画像的圈层内容推荐任务,现有模型推荐效果差、用户表示的可解释性弱.因此,针对该类任务,提出了一个新的轻量同质超图神经网络模型,该模型包含用户交互数据至超图的转化、卷积生成用户表征序列、用户表征计算过滤.模型首先将用户-项目交互数据转化为只含用户节点的同质超图并计算得到用户表征解耦序列初始值,随后根据超图拉普拉斯过滤矩阵进行信息传播与序列值的迭代生成,通过不使用激活层的卷积方法简化模型结构,并根据提出的均值差JK注意力机制为每个序列值生成权重矩阵.最终,通过对解耦序列加权求和、过滤实现对用户表示的编码,并在真实数据集上进行实验验证了所提模型的相对更优效果.

关键词：同质超图超图神经网络个性化推荐圈层内容推荐推荐算法

在线全文

学校读者我要写书评

暂无评论

基于多示例学习图卷积网络的隐写者检测

自动化学报 2024年第4期50卷 771-789页

作者：钟圣华张智深圳大学计算机与软件学院深圳518060 香港理工大学电子计算学系中国香港999077

隐写者检测通过设计模型检测在批量图像中嵌入秘密信息进行隐蔽通信的隐写者,对解决非法使用隐写术的问题具有重要意义.本文提出一种基于多示例学习图卷积网络(Multiple-instance learning graph convolutional network,MILGCN)的隐写... 详细信息

隐写者检测通过设计模型检测在批量图像中嵌入秘密信息进行隐蔽通信的隐写者,对解决非法使用隐写术的问题具有重要意义.本文提出一种基于多示例学习图卷积网络(Multiple-instance learning graph convolutional network,MILGCN)的隐写者检测算法,将隐写者检测形式化为多示例学习(Multiple-instance learning, MIL)任务.本文中设计的共性增强图卷积网络(Graph convolutional network, GCN)和注意力图读出模块能够自适应地突出示例包中正示例的模式特征,构建有区分度的示例包表征并进行隐写者检测.实验表明,本文设计的模型能够对抗多种批量隐写术和与之对应的策略.

关键词：图像隐写者检测图卷积网络多示例学习示例包表征

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

科研合作网络演化机制研究：以光刻领域为例

科学学研究 2024年

作者：刘景康陈虹枢金茜茜刘子凯汪雪锋北京理工大学管理与经济学院北京理工大学计算机学院

在创新驱动的大背景下，复杂科学技术创新的组织与协调吸引了大量学者开展研究。深入理解科研机构间合作关系的动态演化机制是进一步组织与优化合作创新的基础问题之一。本研究以科研合作网络为研究对象，采用社会网络分析方法以及随机... 详细信息

在创新驱动的大背景下，复杂科学技术创新的组织与协调吸引了大量学者开展研究。深入理解科研机构间合作关系的动态演化机制是进一步组织与优化合作创新的基础问题之一。本研究以科研合作网络为研究对象，采用社会网络分析方法以及随机行动者模型，重点分析了科学研究合作网络的演化特征与影响其动态变化的主要因素。具体地，本文构建了2011年—2022年光刻领域科研合作网络和知识要素共现网络，在分析网络拓扑特性影响合作关系动态变化的基础上，同时考虑了创新主体所持有的知识要素特征对网络动态演化的影响机制。结果显示，光刻领域的科研合作网络呈现核心机构数量减少而合作关系日益紧密的演化趋势。知识邻近性、知识多样性以及合作网络的三元传递性对创新主体间合作关系的形成具有正向影响，而知识组合机会以及机构在合作网络中的地位与新合作关系的建立负相关。同时，较高的知识相似度降低了相关机构之间的沟通成本，进而增加了机构合作关系形成的可能。本文的研究方法及结论为进一步组织及协调科研合作网络提供了参考。

关键词：科研合作网络知识网络随机行动者模型网络动态演化

基于新型相似日选取和VMD-NGO-BiGRU的短期光伏功率预测

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

湖南大学学报（自然科学版） 2024年第2期51卷 68-80页

作者：王瑞张璐婷逯静河南理工大学计算机科学与技术学院河南焦作454000

光伏功率预测在现代电力系统调度和运行中起着重要作用.针对光伏发电功率的多变性和复杂性,提出了一种基于新型相似日选取和北方苍鹰算法(Northern Goshawk Optimization,NGO)优化双向门控循环单元(Bidirectional Gated Recurrent Unit,... 详细信息

光伏功率预测在现代电力系统调度和运行中起着重要作用.针对光伏发电功率的多变性和复杂性,提出了一种基于新型相似日选取和北方苍鹰算法(Northern Goshawk Optimization,NGO)优化双向门控循环单元(Bidirectional Gated Recurrent Unit,BiGRU)的短期光伏功率预测方法.首先,利用斯皮尔曼相关系数选取主要气象因子,通过变分模态分解(Variational Mode Decomposition,VMD)将原始光伏功率和最大气象因子分解重构为一系列子信号.其次,通过构建新的评价指标筛选出相似日数据集,利用一组BiGRU建立以相似日子信号为网络输入的深度学习模型,并利用NGO对每个BiGRU网络的超参数进行有效优化.最后,对各子信号的预测结果进行综合,得到最终的光伏功率预测值.仿真结果表明,所提混合深度学习方法在预测精度和计算效率方面均优于其他方法.

关键词：光伏功率预测变分模态分解双向门控循环单元北方苍鹰算法

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

基于全局一致性增强的多偏好会话推荐模型

模式识别与人工智能 2024年第6期37卷 513-524页

作者：吴江铭张晓堃徐博杨亮林鸿飞大连理工大学计算机科学与技术学院大连116024

基于会话的推荐旨在根据一组匿名会话预测用户下一个可能交互的物品.现有的基于图神经网络的会话推荐模型对全局信息的利用不足.为此,文中提出基于全局一致性增强的多偏好会话推荐模型(Global Consistency Augmented Multi-preference S... 详细信息

基于会话的推荐旨在根据一组匿名会话预测用户下一个可能交互的物品.现有的基于图神经网络的会话推荐模型对全局信息的利用不足.为此,文中提出基于全局一致性增强的多偏好会话推荐模型(Global Consistency Augmented Multi-preference Session-Based Recommendation Model,GCAM).首先,在利用全局信息时,通过最短路径搜索算法构建一致性全局图,捕捉强依赖的物品关系,过滤不可靠的物品关系,从而保证全局信息的一致性.然后,应用一种多偏好标签平滑策略,从历史会话中充分挖掘协同信息,对标签进行平滑化,拟合用户偏好的真实分布.在3个数据集上的大量实验表明GCAM的优越性.

关键词：会话推荐多偏好学习自监督学习全局一致性增强

在线全文

学校读者我要写书评

暂无评论

利用渐进式动态图进行图像分割

武汉大学学报（信息科学版） 2024年第7期49卷 1212-1223页

作者：王紫娇许春燕周传伟崔振南京理工大学计算机科学与工程学院江苏南京210094

大多数先进的基于深度学习的图像分割算法缺乏结合图像上下文关系的能力,忽略了上下文信息对分割轮廓的作用及影响,使得算法性能的提升有所局限,为此提出了一种基于轮廓的图像分割方法,利用一种渐进式动态图网络进行轮廓的变形。具体地... 详细信息

大多数先进的基于深度学习的图像分割算法缺乏结合图像上下文关系的能力,忽略了上下文信息对分割轮廓的作用及影响,使得算法性能的提升有所局限,为此提出了一种基于轮廓的图像分割方法,利用一种渐进式动态图网络进行轮廓的变形。具体地,根据目标轮廓的拓扑结构,在轮廓上采样顶点将其转变成一个动态图,通过扩散目标点的上下文信息进行推理学习,并积累历史学习经验来进行轮廓图的动态更新,通过一种端到端的方式进行图的更新和目标位置的预测,并将其封装成一个闭环的学习过程。在Cityscapes、KINS、SBD数据集上进行了测试,验证了所提方法在实时实例分割上的有效性和实时性。具体地,在Cityscapes和SBD数据集上分别达到了最好的性能:34.4%和55.3%平均精度(average precision, AP),在KINS数据集上也达到了30.5%AP的性能,实现了很好的分割拟合效果,相比于Deep Snake模型,其分割轮廓与目标真实边界更加拟合且轮廓线更加平滑。此外,就运行速度而言,动态图模型在3个数据集上也达到了最好的结果,分别为3.8帧/s、7.6帧/s和13.1帧/s,比Deep Snake模型的运行速度平均提升了0.5帧/s。

关键词：图像分割轮廓深度学习上下文渐进式动态图实时实例分割

基于DRA-UNet模型的超声图像分割方法

在线全文

学校读者我要写书评

暂无评论

华中科技大学学报（自然科学版） 2024年第5期52卷 83-89页

作者：王雷郭新萍王钰帏李彬山东理工大学计算机科学与技术学院山东淄博255000 华南理工大学自动化科学与工程学院广东广州510641

针对普通卷积运算无法关注重点区域、编码器无法有效提取全局上下文信息、简单的跳跃连接无法捕获显著特征,以及易导致分割图像分辨率降低、重要细节丢失、小物体信息无法被准确捕获等问题,提出基于膨胀率注意力机制的UNet(DRA-UNet)模... 详细信息

针对普通卷积运算无法关注重点区域、编码器无法有效提取全局上下文信息、简单的跳跃连接无法捕获显著特征,以及易导致分割图像分辨率降低、重要细节丢失、小物体信息无法被准确捕获等问题,提出基于膨胀率注意力机制的UNet(DRA-UNet)模型,并发展了基于此模型的超声图像分割方法.在UNet模型的基础上,引入膨胀率注意门和多尺度卷积(ConvMulti)模块.膨胀率注意门模块利用空洞卷积能得到更大的感受野,将编码器语义位置的局部区域像素联合到上采样区域,可以实现更加高效的跳跃连接.ConvMulti模块用来获取更加详细的高层特征信息,使编码器功能更强大.实验结果表明:本模型可以有效抑制图像噪声,大幅提高特征的表达能力,具有很强的鲁棒性,相比六种经典分割方法,所提出方法在交并比、F1分数和精度指标下分别达到72.25%,83.89%和97.47%.

关键词：超声图像图像分割 U-Net模型空洞卷积注意力机制