检索结果-南通市图书馆

基于异步个性化联邦学习的DDoS攻击检测与缓解

在线全文

学校读者我要写书评

暂无评论

计算机学报 2025年

作者：朱海婷魏明岗刘丰宁何高峰张璐南京邮电大学物联网学院东南大学计算机网络和信息集成教育部重点实验室南京审计大学计算机学院

网络流量分类在网络管理和安全中至关重要，尤其是精准识别分布式拒绝服务（DDoS）攻击这一威胁。DDoS攻击会导致服务中断、资源耗尽和经济损失，严重影响服务质量（QoS）。尽管集中式模型在DDoS攻击检测中取得了一定成效，但在实际应... 详细信息

网络流量分类在网络管理和安全中至关重要，尤其是精准识别分布式拒绝服务（DDoS）攻击这一威胁。DDoS攻击会导致服务中断、资源耗尽和经济损失，严重影响服务质量（QoS）。尽管集中式模型在DDoS攻击检测中取得了一定成效，但在实际应用中存在挑战：数据分布不均、数据集中传输困难，以及异构设备和动态网络环境的限制，难以实现实时检测。为应对这些问题，本文提出了一种基于异步个性化联邦学习的DDoS攻击检测与缓解方法 AdaPerFed（Adaptive Personalized Federated Learning）。首先，通过定制的ResNet架构高效处理一维流量数据，并集成Net模块增强特征提取能力。然后，通过软件定义网络（SDN）模拟复杂动态网络环境，并引入完善的缓解系统应对多样化攻击场景。个性化联邦学习框架有效处理了非独立同分布（Non-IID）数据问题，并通过异步学习机制适应异构设备和网络条件的差异，提升了系统的鲁棒性和扩展性。实验结果表明，AdaPerFed在CICDDoS2019、CIC-IDS2017和InSDN等数据集上均优于其他联邦学习算法，在不同客户端数量下展现出更快的收敛速度和更强的鲁棒性，DDoS检测准确率提升了15%～20%。消融实验进一步验证了个性化聚合模块对系统性能的显著提升。

关键词：联邦学习 Distributed Denial of Service 深度学习 ResNet Software-Defined Networking (SDN)

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

时空关键区域增强的小样本异常行为识别

计算机学报 2025年第1期48卷 68-81页

作者：肖进胜王澍瑞吴原顼赵持恒陈云华章红平武汉大学电子信息学院武汉430072 广东工业大学计算机学院广州510006 武汉大学GNSS研究中心武汉430072

异常行为识别在维护社会安全稳定方面起着重要的作用,相比于常见的正常行为识别,它是一项更具挑战性的任务。其难点主要体现在:异常行为实际发生的概率较低,因此可用于训练的样本数目相对较少;监控视频中,包含判断性信息的异常行为特征... 详细信息

异常行为识别在维护社会安全稳定方面起着重要的作用,相比于常见的正常行为识别,它是一项更具挑战性的任务。其难点主要体现在:异常行为实际发生的概率较低,因此可用于训练的样本数目相对较少;监控视频中,包含判断性信息的异常行为特征往往只存在于局部的关键区域中;异常行为时空变化复杂,导致连续地定位并利用关键区域特征变得更加困难。为了解决上述难题,本文提出时空关键区域增强的小样本异常行为识别方法,通过学习大规模正常行为数据集中的共性知识实现对数量较少的异常行为的识别,并选取视频中的关键区域对异常行为特征进行增强。特征向量由于其中的信息被压缩,而难以准确地定位关键区域,本文创新性地挖掘特征图中的二维空间信息,以自适应地选取异常行为的关键区域。单个的视频帧很难反映行为的变化情况,因此需要根据时空信息动态地选取关键区域。本文提出在特征图级别将长时间范围内的时序信息和短时间范围内的运动信息进行关联,以使关键区域有效地捕捉异常行为的连续变化。最后提出时空精细化小样本损失函数,以保证模型有效学习到在时间和空间中更精细化等级的特征。本文在HMDB51、Kinetics以及UCF Crime v2数据集上进行了实验,结果证明本文方法识别效果优于其他方法,在异常行为数据集上相对于最强的竞争者准确率提升了0.6%。

关键词：异常行为识别小样本学习关键区域增强时空精细化损失时空关联

基于DRCoALTP的印刷体文档图像多文种识别方法

在线全文

学校读者我要写书评

暂无评论

山东大学学报(工学版) 2025年第01期 51-57+65页

作者：吴正健吾尔尼沙·买买提杨耀威阿力木江·艾沙库尔班·吾布力新疆大学计算机科学与技术学院武汉大学计算机学院

针对视觉结构类似导致的文种相似性问题，基于局部三值模式的相邻共生矩阵(co-occurrence of adjacent local ternary patterns, CoALTP)提出一种具有判别性和鲁棒性的局部三值模式的相邻共生矩阵(discriminant and robust co-occurrenc... 详细信息

针对视觉结构类似导致的文种相似性问题，基于局部三值模式的相邻共生矩阵(co-occurrence of adjacent local ternary patterns, CoALTP)提出一种具有判别性和鲁棒性的局部三值模式的相邻共生矩阵(discriminant and robust co-occurrence of adjacent local ternary patterns, DRCoALTP)方法，用于获取图像纹理。计算文档图像的相邻稀疏局部三值模式(adjacent sparse local ternary patterns, ASLTP),将采样点数量设定为8,以便获得详细的局部纹理，设计出一种基于自适应中值滤波思想的半自适应阈值方法，用于提取灰度图像中心像素周边对角邻域像素的编码值。ASLTP在邻域像素位置存放稀疏局部三值模式(local ternary patterns,LTP)的值，提取灰度共生矩阵(gray-level co-occurrence matrix,GLCM),从4个方向统计使用ASLTP后灰度图像像素之间的频率关系。该算法在阿拉伯文、俄文、简体中文、哈萨克文、藏文、蒙古文、土耳其文、维吾尔文、英文、吉尔吉斯斯坦文和塔吉克斯坦文11个文种的自建印刷体文档图像数据集中验证。试验结果表明，相较于基线和先进的纹理方法，改进后的方法更具判别性，平均识别准确率为99.14%。为改善CoALTP方法可能产生低效分类特征的问题，提出半自适应阈值方法，有效提高识别率并抑制噪声。此外，针对算法产生的高维特征，采用基于均方差的特征选择方法，通过支持向量机(support vector machine, SVM)分类器特征选择后，识别速度提高284%,对11个文种的平均识别准确率达99.44%。

关键词：稀疏局部三值模式灰度共生矩阵文种识别半自适应阈值特征选择

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于GRU和注意力机制的U型槽天线设计

激光与光电子学进展 2025年

作者：宁悦阿琴花包雅心朱蕊杨成福云南师范大学信息学院云南省教育厅计算机视觉与智能控制技术工程研究中心

传统的U型槽微带贴片天线设计高度依赖于仿真软件的反复迭代和专家经验知识，存在设计成本高、周期长、且设计效率低等问题。针对这些问题，本文提出了一种创新性方法，即有机融合GRU（门控循环单元）模型和注意力机制，快速设计U型槽... 详细信息

传统的U型槽微带贴片天线设计高度依赖于仿真软件的反复迭代和专家经验知识，存在设计成本高、周期长、且设计效率低等问题。针对这些问题，本文提出了一种创新性方法，即有机融合GRU（门控循环单元）模型和注意力机制，快速设计U型槽微带贴片天线，强化其局部特征，并提升其设计精准度。实验结果显示，该方法不仅能高速、准确地正向预测天线性能频谱，还能基于期望频谱逆向反演天线结构设计，并在正向和逆向预测中均表现出较高的准确性。本文研究不仅为U型槽微带贴片天线设计提供新视角，也对其他天线及通信器件设计提供重要参考价值。

关键词： U型槽微带贴片天线宽频带 GRU模型注意力机制

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

神经符号系统:非确定性管理的视角

中国科学:信息科学 2025年第1期55卷 1-31页

作者：李泽南姚远马晓星吕建南京大学计算机软件新技术全国重点实验室南京210023 南京大学计算机学院南京210023

作为一种智能化软件形态,融合了神经网络和符号规则的神经符号系统正受到越来越多的关注,相关研究爆炸性增长.然而,现有技术仍然难以有效支持较大规模神经符号系统“端到端”的自动构建.神经网络训练和符号规则学习过程中对非确定性的... 详细信息

作为一种智能化软件形态,融合了神经网络和符号规则的神经符号系统正受到越来越多的关注,相关研究爆炸性增长.然而,现有技术仍然难以有效支持较大规模神经符号系统“端到端”的自动构建.神经网络训练和符号规则学习过程中对非确定性的不兼容的处理方式是造成神经符号学习效果欠佳的一个关键因素.本文旨在以非确定性管理的新视角,较为系统、一致、严谨地讨论分析“端到端”神经符号学习的技术挑战,并以此视角整理讨论相关工作的思路、进展和当前仍然存在的问题.在此基础上,展望下一步的发展方向.

关键词：神经符号学习神经符号接地推理捷径符号约束合成

基于多站点预测模型的分布式光伏电站智能选址方法

在线全文

学校读者我要写书评

暂无评论

郑州大学学报(工学版) 2025年第2期46卷 119-126,134页

作者：宋玲常隆涛吕舜铭杨朝晖刘新锋陈关忠山东建筑大学计算机科学与技术学院山东济南250101 国家电网信息通信云运营中心北京100000

为了提升光伏电站运营效率,针对多站点选址问题提出了一种多站点预测模型(multi-site forecasting model,MSFM),通过时空相关性、事件数据和气象因素来预测多站点的电力输出。引入三维张量来表示时空数据,采用张量分解技术恢复零条目,... 详细信息

为了提升光伏电站运营效率,针对多站点选址问题提出了一种多站点预测模型(multi-site forecasting model,MSFM),通过时空相关性、事件数据和气象因素来预测多站点的电力输出。引入三维张量来表示时空数据,采用张量分解技术恢复零条目,并利用三维张量和ResNet模型模拟时空邻接性、趋势、事件文本数据及气象影响。根据山东省济南市的1155个光伏发电站运行数据和气象数据建立实验数据集,通过平均绝对误差、相对绝对误差、均方根误差和相对均方根误差来验证所提方法的效果,4个评价指标分别至少降低了2.3%、0.9%、2.6%、2.5%。实验结果表明:所提方法能够应用于多站点选址问题。

关键词：智能选址多站点电力输出预测深度残差网络模型融合时空相关性

在线全文

学校读者我要写书评

暂无评论

山西省霾空间异质性及影响因素分析

环境科学学报 2025年第2期 367-379页

作者：刘思辰王小兰王雁白鹤翔邢颀颂山西省气象信息中心山西省气象科学研究所山西大学计算机与信息技术学院北京大学环境科学与工程学院

为了探究山西省霾的区域差异性及其成因，本文利用2018—2022年山西省109个国家级气象观测站数据，分析了山西省霾的时空变化特征和影响因素的空间分异能力.结果表明：(1)2018—2022年期间，山西省霾日数先增后减并趋于稳定，2019年达... 详细信息

为了探究山西省霾的区域差异性及其成因，本文利用2018—2022年山西省109个国家级气象观测站数据，分析了山西省霾的时空变化特征和影响因素的空间分异能力.结果表明：(1)2018—2022年期间，山西省霾日数先增后减并趋于稳定，2019年达到峰值，年平均为36 d，之后迅速下降；霾日数在冬季较多，占全年霾日数的64.7%，其中1月为最严重，平均达到9.1 d.(2)霾具有显著的空间聚集性；主要聚集类型为“高-高”型和“低-低”型，典型的“高-高”型聚集区域位于晋南盆地，“低-低”型主要分布于大同市和晋东南地区.(3)霾的空间格局较为稳定，重心始终处于晋中市南部，整体呈现“北部低，中南部高”的特点.(4)地理探测器结果表明，影响霾空间格局的主要自然因素为海拔高度、平均气温和小风日数；主要社会因素为工业企业数、GDP和人口规模.自然因素整体的空间解释能力高于社会因素.(5)自然与社会因素间的交互显著增强了对空间格局的影响能力，主导交互组合为海拔高度∩GDP.因此，山西省霾的空间格局受自然和社会条件的共同影响，建议从这两者结合的视角进行霾的综合防控与治理.

关键词：霾时空特征空间异质性地理探测器山西省

同方期刊数据库

在线全文

学校读者我要写书评

暂无评论

基于加密区块链的双创信息交互技术研究

现代电子技术 2025年第3期48卷 92-96页

作者：程顺达祝婕关胜江程杰窦彤河北大学网络空间安全与计算机学院河北保定071002 河北省中医院信息中心河北石家庄050011

针对共享双创网络平台数据传输过程中普遍存在隐私性差且安全性较低的问题,文中基于区块链和数据加密技术提出一种信息共享算法。该区块链模型的网络层使用了多台局域网计算机节点,并在数据传输时采用混合加密算法DES⁃ECC,从而使安全性... 详细信息

针对共享双创网络平台数据传输过程中普遍存在隐私性差且安全性较低的问题,文中基于区块链和数据加密技术提出一种信息共享算法。该区块链模型的网络层使用了多台局域网计算机节点,并在数据传输时采用混合加密算法DES⁃ECC,从而使安全性与加解密效率相比单一加密算法均有所提升。共识机制还通过使用PBFT算法增强了模型的整体鲁棒性。同时,将算法部署在Hadoop分布式存储架构中,以提高数据传输的速度及吞吐量,且利用Namenode容灾机制进一步保证了数据的安全性。实验测试结果表明,所提加密算法的破译难度较高,而加解密时长仅需约1260 ms,其共识机制吞吐量与时延性能也较为理想,可以实现对双创平台中的大数据进行高效、安全、透明的共享与传输。

关键词：区块链 DES加密 ECC加密拜占庭容错机制 Hadoop平台双创数据共享

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

基于融合卷积神经网络的车辆多目标检测方法

激光杂志 2025年第1期46卷 208-213页

作者：曹佳郑秋梅段泓舟牡丹江师范学院计算机与信息技术学院黑龙江牡丹江157011 中国石油大学(华东)计算机与信息技术学院山东青岛266580

在实际场景中,车辆目标往往会被其他车辆、建筑物等对象遮挡,背景也可能非常复杂,为了保障检测精度,提出一种基于融合卷积神经网络的车辆多目标检测方法。采用激光雷达采集车辆目标图像,将采集的车辆行驶图像根据其车道线特征划分为两... 详细信息

在实际场景中,车辆目标往往会被其他车辆、建筑物等对象遮挡,背景也可能非常复杂,为了保障检测精度,提出一种基于融合卷积神经网络的车辆多目标检测方法。采用激光雷达采集车辆目标图像,将采集的车辆行驶图像根据其车道线特征划分为两侧区域,将车道线以内的区域作为车辆多目标检测初始感兴趣区域(ROI),在ROI中采用车底阴影假设区域分割法获取车辆检测目标的假设区域。在原始卷积神经网络的基础上作进一步优化,设计可变形卷积神经网络(DF-R-CNN)模型,将得到的假设区域作为网络模型所需的车辆多目标检测候选区域,通过该模型实现车辆多目标的精准检测。实验结果表明,所提方法的召回率最高值达到了85%,损失函数最低值约为1.8,说明其具有较高的检测精度和检测效果。

关键词：卷积神经网络车道线划分感兴趣区域ROI 可变形卷积神经网络车辆多目标检测