检索结果-南通市图书馆

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

结合扩散模型图像编辑的图文检索后门攻击

计算机科学与探索 2024年第4期18卷 1068-1082页

作者：杨舜陆恒杨江南大学人工智能与计算机学院江苏省模式识别与计算智能工程实验室江苏无锡214122

深度神经网络在模型训练阶段易受到后门攻击,在训练图文检索模型时,如有攻击者恶意地将带有后门触发器的图文对注入训练数据集,训练后的模型将被嵌入后门。在模型推断阶段,输入良性样本将得到较为准确的检索结果,而输入带触发器的恶意... 详细信息

深度神经网络在模型训练阶段易受到后门攻击,在训练图文检索模型时,如有攻击者恶意地将带有后门触发器的图文对注入训练数据集,训练后的模型将被嵌入后门。在模型推断阶段,输入良性样本将得到较为准确的检索结果,而输入带触发器的恶意样本会激活模型隐藏后门,将模型推断结果恶意更改为攻击者设定的结果。现有图文检索后门攻击研究都是基于在图像上直接叠加触发器的方法,存在攻击成功率不高和带毒样本图片带有明显的异常特征、视觉隐匿性低的缺点。提出了结合扩散模型的图文检索模型后门攻击方法(Diffusion-MUBA),根据样本图文对中文本关键词与感兴趣区域(ROI)的对应关系,设计触发器文本提示扩散模型,编辑样本图片中的ROI区域,生成视觉隐匿性高且图片平滑自然的带毒训练样本,并通过训练模型微调,在图文检索模型中建立错误的细粒度单词到区域对齐,把隐藏后门嵌入到检索模型中。设计了扩散模型图像编辑的攻击策略,建立了双向图文检索后门攻击模型,在图-文检索和文-图检索的后门攻击实验中均取得很好的效果,相比其他后门攻击方法提高了攻击成功率,而且避免了在带毒样本中引入特定特征的触发器图案、水印、扰动、局部扭曲形变等。在此基础上,提出了一种基于目标检测和文本匹配的后门攻击防御方法,希望对图文检索后门攻击的可行性、隐蔽性和实现的研究能够抛砖引玉,推动多模态后门攻防领域的发展。

关键词：后门攻击图文检索扩散模型感兴趣区域

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

在线全文

学校读者我要写书评

暂无评论

基于事件演化图的多标记事件预测模型

计算机工程 2024年第4期50卷 132-140页

作者：王华珍许泽孙悦丘斌陈坚邱强斌华侨大学计算机科学与技术学院福建厦门361021 华侨大学厦门市计算机视觉与模式识别重点实验室福建厦门361021 智业软件股份有限公司福建厦门361008

多标记事件预测是指预测多个相关联的事件是否会在未来发生,相比传统单标记事件预测,需要同时预测多个目标事件。现有的事件预测研究忽略各领域存在的多标记事件情境,且对多标记事件预测研究较少。提出一种基于事件演化图的多标记事件... 详细信息

多标记事件预测是指预测多个相关联的事件是否会在未来发生,相比传统单标记事件预测,需要同时预测多个目标事件。现有的事件预测研究忽略各领域存在的多标记事件情境,且对多标记事件预测研究较少。提出一种基于事件演化图的多标记事件预测模型(MLEP),以实现基于事件演化图(EEG)的多标记事件预测研究模式。首先基于事件链构建事件演化图;然后对多标记事件预测问题进行问题转换,将多标记问题转化为单标记问题,利用事件表示学习方法获取所有事件的向量表示,对多标记事件进行编码;最后采用门控图神经网络(GGNN)框架构建多标记事件预测模型,根据相似度匹配出最优的后续事件,实现多标记事件的预测。在真实数据集上的实验结果表明,MLEP模型可以有效地预测出多标记事件,预测准确率达到了65.58%,性能优于大多现有的基准模型,提升幅度达到了4.94%以上。通过消融实验也证明了更好的事件表示学习方法对事件具有较好的表示效果,提升多标记事件预测的性能。

关键词：多标记事件演化图事件表示学习门控图神经网络事件预测

在线全文

学校读者我要写书评

暂无评论

令牌损失信息的通用文本攻击检测

中国图象图形学报 2024年第7期29卷 1875-1888页

作者：陈宇涵杜侠王大寒吴芸朱顺痣严严厦门理工学院计算机与信息工程学院福建省模式识别与图像理解重点实验室厦门361024 厦门大学信息学院厦门361005

目的文本对抗攻击主要分为实例型攻击和通用非实例型攻击。以通用触发器(universal trigger,UniTrigger)为代表的通用非实例型攻击对文本预测任务造成严重影响,该方法通过生成特定攻击序列使得目标模型预测精度降至接近零。为了抵御通... 详细信息

目的文本对抗攻击主要分为实例型攻击和通用非实例型攻击。以通用触发器(universal trigger,UniTrigger)为代表的通用非实例型攻击对文本预测任务造成严重影响,该方法通过生成特定攻击序列使得目标模型预测精度降至接近零。为了抵御通用文本触发器攻击的侵扰,本文从图像对抗性样本检测器中得到启发,提出一种基于令牌损失权重信息的对抗性文本检测方法(loss-based detect universal adversarial attack,LBD-UAA),针对UniTrigger攻击进行防御。方法首先LBD-UAA分割目标样本为独立令牌序列,其次计算每个序列的令牌损失权重度量值(token-loss value,TLV)以此建立全样本序列查询表。最后基于UniTrigger攻击的扰动序列在查询表中影响值较大,将全序列查询表输入设定的差异性检测器中通过阈值阀门进行对抗性文本检测。结果通过在4个数据集上进行性能检测实验,验证所提出方法的有效性。结果表明,此方法在对抗性样本识别准确率上高达97.17%,最高对抗样本召回率达到100%。与其他3种检测方法相比,LBD-UAA在真阳率和假阳率的最佳性能达到99.6%和6.8%,均实现大幅度超越。同时,通过设置先验判断将短样本检测的误判率降低约50%。结论针对UniTrigger为代表的非实例通用式对抗性攻击提出LBD-UAA检测方法,并在多个数据集上取得最优的检测结果,为文本对抗检测提供一种更有效的参考机制。

关键词：文本对抗样本通用触发器文本分类深度学习对抗性检测

HMFuzzer:一种基于人机协同的物联网设备固件漏洞挖掘方案

在线全文

学校读者我要写书评

暂无评论

计算机学报 2024年第3期47卷 703-716页

作者：况博裕张兆博杨善权苏铓付安民南京理工大学网络空间安全学院南京210094 南京理工大学计算机科学与工程学院南京210094

模糊测试是一种针对物联网设备固件漏洞挖掘的主流方法,能够先攻击者一步发现安全威胁,提升物联网设备的安全性.但是目前大部分的模糊测试技术关注于如何自动化地实现漏洞挖掘,忽略了专家经验对于设备固件漏洞挖掘工作的优势.本文提出... 详细信息

模糊测试是一种针对物联网设备固件漏洞挖掘的主流方法,能够先攻击者一步发现安全威胁,提升物联网设备的安全性.但是目前大部分的模糊测试技术关注于如何自动化地实现漏洞挖掘,忽略了专家经验对于设备固件漏洞挖掘工作的优势.本文提出一种基于人机协同的物联网设备固件漏洞挖掘方案HMFuzzer,设计了基于设备固件前后端交互的设备固件关键信息提取方法,通过模拟设备固件、设备管理界面以及用户三方交互模式获取固件潜在的关键信息,并通过二进制文件定位和函数分析技术解析出固件关键函数.此外,HMFuzzer通过在模糊测试的预处理、测试和结果分析阶段引入专家经验,利用上一阶段获取的关键信息,结合强化学习算法,优化种子变异和模糊测试流程,显著提升了模糊测试的覆盖率、效率以及漏洞挖掘能力.实验结果表明,相比于现有的固件漏洞挖掘方法,HMFuzzer的漏洞识别成功率能提高10%以上,具备更强的漏洞检测能力.特别是,针对真实厂商的物联网设备测试,HMFuzzer发现了多个0-day漏洞,其中已获得4个CVE/CNVD高危漏洞.

关键词：物联网漏洞挖掘模糊测试人机协同设备固件强化学习

多尺度视觉特征提取及跨模态对齐的连续手语识别

在线全文

学校读者我要写书评

暂无评论

计算机科学与探索 2024年第10期18卷 2762-2769页

作者：郭乐铭薛万利袁甜甜天津理工大学计算机科学与工程学院天津理工大学聋人工学院

连续手语识别研究中，视觉特征的有效表示是提升识别效果的关键。然而，手语动作时序长度的差异性及手语弱标注现象，使得有效的视觉特征提取更加困难。针对上述问题，提出了多尺度视觉特征提取及跨模态对齐的连续手语识别方法（MECA）... 详细信息

连续手语识别研究中，视觉特征的有效表示是提升识别效果的关键。然而，手语动作时序长度的差异性及手语弱标注现象，使得有效的视觉特征提取更加困难。针对上述问题，提出了多尺度视觉特征提取及跨模态对齐的连续手语识别方法（MECA）。该方法主要包含多尺度视觉特征提取模型和跨模态对齐约束。在多尺度视觉特征提取模型中，并行地融合具备不同扩张因子的瓶颈残差结构，来丰富多尺度时序感受野，用于提取不同时序长度的手语视觉特征，同时采用层级复用设计进一步强化视觉特征表示。在跨模态对齐约束中，采用动态时间规整建模手语视觉特征和文本特征之间的内在联系，其中，文本特征提取由多层感知机和长短期记忆网络协作实现。在具备挑战性的公开数据集RWTH-2014、RWTH-2014T、CSL-Daily上进行实验，结果表明所提方法达到目前具有竞争力的性能。上述实验验证了所提的采用多尺度的方式可以捕捉不同时序长度的手语动作，以及构建跨模态对齐约束的思路是正确且有效的，适用于弱监督条件下的连续手语识别任务。

关键词：连续手语识别多尺度跨模态对齐约束视频视觉特征文本特征

在线全文

学校读者我要写书评

暂无评论

通道注意力双线性度量网络

吉林大学学报（工学版） 2024年第2期54卷 524-532页

作者：李晓旭安文娟武继杰李真张珂马占宇兰州理工大学计算机与通信学院兰州730050 华北电力大学电子与通信工程系保定071003 华北电力大学河北省电力物联网技术重点实验室保定071003 北京邮电大学人工智能学院模式识别与智能系统实验室北京100876

针对小样本图像分类任务中模型对不同类的相似图片进行度量时,由于缺少对样本局部重要特征的关注且难以捕捉相似图片间的细微差别,导致出现部分查询样本与正确类原型的分类边界较模糊的问题,提出了一种通道注意力双线性度量网络(CABMN)... 详细信息

针对小样本图像分类任务中模型对不同类的相似图片进行度量时,由于缺少对样本局部重要特征的关注且难以捕捉相似图片间的细微差别,导致出现部分查询样本与正确类原型的分类边界较模糊的问题,提出了一种通道注意力双线性度量网络(CABMN)。该网络首先增加模型对图片局部重要区域的关注度,然后利用双线性哈达玛积操作挖掘该重要区域的深层次二阶特征信息,使模型对图片局部关键区域的定位更精准。对比实验结果表明:本文提出的CABMN在各数据集上的分类性能均有提高,尤其在细粒度数据集CUB-200-2011和Stanford-Cars上达到86.19%和81.51%的分类准确率。

关键词：小样本学习细粒度图像分类度量学习注意力机制哈达玛积

维普期刊数据库博看期刊

基于视音互补语义清晰化的隐私视频动作识别方法

在线全文

学校读者我要写书评

暂无评论

电子学报 2024年第7期52卷 2170-2182页

作者：李泽超付孝德潘礼勇严锐唐金辉南京理工大学计算机科学与工程学院江苏南京210094

视频隐私保护是当前社会面临的重要挑战之一,对视频进行模糊处理是保护人们隐私权益的重要手段.由于模糊视频天然缺失视觉模态的信息,主流的视频动作识别算法无法取得令人满意的效果.模糊视频作为多模态介质不仅仅只有视觉模态信息,同时... 详细信息

视频隐私保护是当前社会面临的重要挑战之一,对视频进行模糊处理是保护人们隐私权益的重要手段.由于模糊视频天然缺失视觉模态的信息,主流的视频动作识别算法无法取得令人满意的效果.模糊视频作为多模态介质不仅仅只有视觉模态信息,同时,也含有丰富的音频模态信息,从人类的认知角度而言,音频也是获取信息的重要来源.本文提出一种基于多模态融合的隐私视频动作识别方法,在保证不侵犯使用者隐私的前提下进行人类动作行为识别.具体来说,使用音频-视觉特征融合模块将音频模态特征图融入到视觉模态中,充分融合音视频模态的深层语义信息.除此之外,模型还引入清晰视频帧图像作为标签,在模型训练阶段监督动作识别网络的参数更新,为隐私视频动作识别网络提供清晰的语义信息.在多组隐私行为数据集上,通过大量消融和对比实验验证了所提方法的有效性.

关键词：音视频特征融合语义清晰化隐私保护

同方期刊数据库

结合稀疏先验与多模式分解的低秩张量恢复方法

在线全文

学校读者我要写书评

暂无评论

中国图象图形学报 2024年第4期29卷 922-938页

作者：杨秀红苟田坤薛怡金海燕石争浩西安理工大学计算机科学与工程学院西安710048 陕西省网络计算与安全技术重点实验室西安710048

目的各类终端设备获取的大量数据往往由于信息丢失而导致数据不完整,或经常受到降质问题的困扰。为有效恢复缺损或降质数据,低秩张量补全备受关注。张量分解可有效挖掘张量数据的内在特征,但传统分解方法诱导的张量秩函数无法探索张量... 详细信息

目的各类终端设备获取的大量数据往往由于信息丢失而导致数据不完整,或经常受到降质问题的困扰。为有效恢复缺损或降质数据,低秩张量补全备受关注。张量分解可有效挖掘张量数据的内在特征,但传统分解方法诱导的张量秩函数无法探索张量不同模式之间的相关性;另外,传统张量补全方法通常将全变分约束施加于整体张量数据,无法充分利用张量低维子空间的平滑先验。为解决以上两个问题,提出了基于稀疏先验与多模式张量分解的低秩张量恢复方法。方法在张量秩最小化模型基础上,融入多模式张量分解技术以及分解因子局部稀疏性。首先对原始张量施加核范数约束,以此捕获张量的全局低秩性,然后,利用多模式张量分解将整体张量沿着每个模式分解为一组低维张量和一组因子矩阵,以探索不同模式之间的相关性,对因子矩阵施加因子梯度稀疏正则化约束,探索张量子空间的局部稀疏性,进一步提高张量恢复性能。结果在高光谱图像、多光谱图像、YUV(也称为YCbCr)视频和医学影像数据上,将本文方法与其他8种修复方法在3种丢失率下进行定量及定性比较。在恢复4种类型张量数据方面,本文方法与深度学习GP-WLRR方法(global prior refined weighted low-rank representation)的修复效果基本持平,本文方法的MPSNR(mean peak signal-to-noise ratio)在所有丢失率及张量数据上的总体平均高0.68 dB,MSSIM(mean structural similarity)总体平均高0.01;与其他6种张量建模方法相比,本文方法的MPSNR及MSSIM均取得最优结果。结论提出的基于稀疏先验与多模式张量分解的低秩张量恢复方法,可同时利用张量的全局低秩性与局部稀疏性,能够对受损的多维视觉数据进行有效修复。

关键词：多模式张量分解稀疏先验因子梯度稀疏性低秩张量恢复