检索结果-南通市图书馆

教育领域生成式人工智能应用的伦理风险管理框架研究

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

电化教育研究 2024年第10期45卷 28-34,42页

作者：王佑镁王欣颖柳晨晨温州大学大数据与智慧教育研究中心浙江温州325035

生成式人工智能对内容生产与传播产生了革命性影响,教育领域进入了智能化与风险性并存的人机协同时代,教育人工智能应用伦理风险频繁发生,急需通过标准化的风险评估工具进行科学管控。文章从技术与教育两个向度出发,将教育领域生成式人... 详细信息

生成式人工智能对内容生产与传播产生了革命性影响,教育领域进入了智能化与风险性并存的人机协同时代,教育人工智能应用伦理风险频繁发生,急需通过标准化的风险评估工具进行科学管控。文章从技术与教育两个向度出发,将教育领域生成式人工智能应用的伦理风险归纳为技术本体风险、教育数据风险、机器算法风险和教育应用风险四大类。借鉴ISO31000风险管理标准与应用指南,搭建“风险识别—风险分析—风险评估—风险应对”四级流程的伦理风险管理框架。构建风险源检查表,以风险矩阵为主要评估工具,在实践中统计得出各类伦理风险综合等级。教育领域生成式人工智能应用的伦理风险管理框架,将为教育教学有效实施伦理风险管理工作提供借鉴价值。

关键词：生成式人工智能伦理风险教育人工智能风险管理风险评估

同方期刊数据库

在线全文

学校读者我要写书评

暂无评论

面向机器学习应用的可解释性需求分析框架

计算机研究与发展 2024年第4期61卷 983-1002页

作者：裴忠一刘璘王晨王建民大数据系统软件国家工程研究中心(清华大学) 北京100084 清华大学软件学院北京100084

基于大数据机器学习的智能软件研发过程需要综合运用软件工程、数据与领域知识工程、机器学习等多方面的知识和工具,涉及的研究主题和人员角色众多,技术实现手段复杂、研发难度大.面向智能软件的需求工程需要面对领域知识、业务知识、... 详细信息

基于大数据机器学习的智能软件研发过程需要综合运用软件工程、数据与领域知识工程、机器学习等多方面的知识和工具,涉及的研究主题和人员角色众多,技术实现手段复杂、研发难度大.面向智能软件的需求工程需要面对领域知识、业务知识、数据科学交织带来的挑战.然而,如何将领域知识和端到端的机器学习技术恰当地融合到给定的业务流程之中,以及如何应对工业、医疗等高可信要求场景中的可解释性需求,仍是亟待探索的重要研究问题.调研了近年来面向机器学习应用的需求工程研究文献,对该领域的发展现状、核心问题和代表性方法进行综述.提出了面向机器学习应用的可解释性需求分析框架.基于该框架,通过一个工业智能应用案例分析了未来待研究的重要问题,展望了可行的研究路径.

关键词：需求工程机器学习领域模型工业工程可解释性

在线全文

学校读者我要写书评

暂无评论

教育科学研究的资助体系与发展趋势

中国科学基金 2024年第2期38卷 263-270页

作者：杨宗凯华中师范大学教育大数据应用技术国家工程研究中心武汉430079

教育、科技、人才是全面建设社会主义现代化国家的基础性、战略性支撑,教育是科技发展和人才育成的基石。由于教育是一个多主体、多目标、多环节、长周期的开放复杂巨系统,要建立高质量教育体系,需开展系统性的教育科学基础研究。面对... 详细信息

教育、科技、人才是全面建设社会主义现代化国家的基础性、战略性支撑,教育是科技发展和人才育成的基石。由于教育是一个多主体、多目标、多环节、长周期的开放复杂巨系统,要建立高质量教育体系,需开展系统性的教育科学基础研究。面对智能时代教育科学研究的新趋势和人才培养的新要求,本文系统总结了以美国为代表的国际主流科学基金对教育科学基础研究与人才培养的资助体系特点,分析了教育科学研究的发展趋势,并提出了未来发展建议。

关键词：教育科学一体化布局创新人才培养国际比较资助体系

在线全文

学校读者我要写书评

暂无评论

基于耦合网络的舆情观点演化机制分析

情报杂志 2024年

作者：刘继郭一凡新疆财经大学统计与数据科学学院新疆财经大学新疆社会经济统计与大数据应用研究中心

[研究目的]在互联网时代,舆情观点演化并非局限于单一网络环境,而是在多个网络环境交织互动中协同演进。分析舆情观点在耦合网络中的演化机制,对提升舆情治理能力具有重要意义。[研究方法]根据社交网络结构特点设计了线上网络为BA无标... 详细信息

[研究目的]在互联网时代,舆情观点演化并非局限于单一网络环境,而是在多个网络环境交织互动中协同演进。分析舆情观点在耦合网络中的演化机制,对提升舆情治理能力具有重要意义。[研究方法]根据社交网络结构特点设计了线上网络为BA无标度网络,线下网络为WS小世界网络的线上线下耦合网络架构。结合影响力与Deffuant模型构建线上观点演化模型,结合影响力和沉默螺旋理论构建线下观点演化模型,基于用户倾向程度构建层间观点演化模型。[研究结论]通过模型参数配置并进行仿真实验,对不同参数配置下的观点演化进行分析。研究结果表明,所构建的观点演化模型能更好地反映线上线下耦合网络中舆情观点演化的复杂特性,为网络舆情演化分析提供有力支持。

关键词：耦合网络网络舆情舆情观点舆情监控演化机制 Deffuant模型

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

面向人脸修复篡改检测的大规模数据集

中国图象图形学报 2024年第7期29卷 1834-1848页

作者：李伟黄添强黄丽清郑翱鲲徐超福建师范大学计算机与网络空间安全学院福州350117 福建省公共服务大数据挖掘与应用工程技术研究中心福州350117 数字福建大数据安全技术研究所福州350117

目的图像合成方法随着计算机视觉的不断发展和深度学习技术的逐渐成熟为人们的生活带来了丰富的体验。然而,用于传播虚假信息的恶意篡改图像可能对社会造成极大危害,使人们对数字内容在图像媒体中的真实性产生怀疑。面部编辑作为一种... 详细信息

目的图像合成方法随着计算机视觉的不断发展和深度学习技术的逐渐成熟为人们的生活带来了丰富的体验。然而,用于传播虚假信息的恶意篡改图像可能对社会造成极大危害,使人们对数字内容在图像媒体中的真实性产生怀疑。面部编辑作为一种常用的图像篡改手段,通过修改面部的五官信息来伪造人脸。图像修复技术是面部编辑常用的手段之一,使用其进行面部伪造篡改同样为人们的生活带来了很大干扰。为了对此类篡改检测方法的相关研究提供数据支持,本文制作了面向人脸修复篡改检测的大规模数据集。方法具体来说,本文选用了不同质量的源数据集(高质量的人脸图像数据集CelebA-HQ及低质量的人脸视频数据集FF++),通过图像分割方法将面部五官区域分割,最后使用两种基于深度网络的修复方法CTSDG(image inpainting via conditional texture and structure dual generation)和RFR(recurrent feature reasoning for image inpainting)以及一种传统修复方法 SC(struct completion),生成总数量达到60万幅的大规模修复图像数据集。结果实验结果表明,由FF++数据集生成的图像在基准检测网络ResNet-50下的检测精度下降了15%,在Xception-Net网络下检测精度下降了5%。且不同面部部位的检测精度相差较大,其中眼睛部位的检测精度最低,检测精度为0.91。通过泛化性实验表明,同一源数据集生成的数据在不同部位的修复图像间存在一定的泛化性,而不同的源数据制作的数据集间几乎没有泛化性。因此,该数据集也可为修复图像之间的泛化性研究提供研究数据,可以在不同数据集、不同修复方式和不同面部部位生成的图像间进行修复图像的泛化性研究。结论基于图像修复技术的篡改方式在一定程度上可以骗过篡改检测器,对于此类篡改方式的检测方法研究具有现实意义。提供的大型基于修复技术的人脸篡改数据集为该领域的研究提供了新的数据来源,丰富了数据多样性,为深入研究该类型的人脸篡改和检测方法提供了有力的基准。数据集开源地址https://***/s/1-9HIBya9X-geNDe5zcJldw?pwd=thli。

关键词：图像篡改深度学习图像修复数据集基准

Apache IoTDB中的多模态数据编码压缩

在线全文

学校读者我要写书评

暂无评论

软件学报 2024年第3期35卷 1173-1193页

作者：贺文迪夏天睿宋韶旭黄向东王建民清华大学软件学院北京100084 大数据系统软件国家工程研究中心(清华大学) 北京100084 北京信息科学与技术国家研究中心(清华大学) 北京100084

时间序列数据在工业制造、气象、船舶、电力、车辆、金融等领域都有着广泛的应用,促进了时间序列数据库管理系统的蓬勃发展.面对愈加庞大的数据规模和多样的数据模态,高效的数据存储和管理方式十分关键,而数据的编码压缩愈发成为一个具... 详细信息

时间序列数据在工业制造、气象、船舶、电力、车辆、金融等领域都有着广泛的应用,促进了时间序列数据库管理系统的蓬勃发展.面对愈加庞大的数据规模和多样的数据模态,高效的数据存储和管理方式十分关键,而数据的编码压缩愈发成为一个具有重要意义和价值的问题.现有的编码方法和相关系统未能充分考虑不同模态的数据特点,或者未把一些时序数据的处理方法应用于数据编码问题中.全面阐述了ApacheIoTDB时序数据库系统中的多模态数据编码压缩方法及其系统实现,特别是面向工业物联网等应用场景.该编码方法较为全面地考虑包括时间戳数据、数值数据、布尔值数据、频域数据、文本数据等多个不同模态的数据,充分挖掘和利用各自模态数据的特点,特别是包括时间戳模态中时间戳序列间隔近似的特点等,进行有针对性的编码方案设计.同时,将实际应用场景中可能出现的数据质量问题因素纳入编码算法的考量中.在多个数据集上的编码算法层面和系统层面的实验评估和分析,验证了该编码压缩方法及其系统实现的效果.

关键词：数据编码时间序列数据数据库工业物联网多模态

在线全文

学校读者我要写书评

暂无评论

先验知识辅助的金属涂层损伤分割方法

电子科技大学学报 2024年第1期53卷 76-83页

作者：谢洲洋舒畅傅彦周俊临蒋家玮陈端兵成都数之联科技有限公司成都610094 西南技术工程研究所重庆400039 电子科技大学大数据研究中心成都611731

金属涂层损伤的自动识别是一项具有重大实际应用价值的研究。随着深度学习在各类材质的表面损伤图像分割任务中取得突破性进展,大部分研究工作使用端到端的深度卷积神经网络分割模型分割损伤区域。然而,端到端深度学习方法很难利用金属... 详细信息

金属涂层损伤的自动识别是一项具有重大实际应用价值的研究。随着深度学习在各类材质的表面损伤图像分割任务中取得突破性进展,大部分研究工作使用端到端的深度卷积神经网络分割模型分割损伤区域。然而,端到端深度学习方法很难利用金属涂层损伤相关的先验知识来识别损伤尺度差异大、训练数据不足等问题。因此,设计了一种基于先验知识的金属涂层损伤区域分割算法,结合深度学习分割模型U-Net实现金属涂层损伤的自动识别。该算法基于Hue通道分布和边缘响应对金属涂层图像中的异常区域进行分割,深度学习分割模型利用先验知识排除异常样本,可有效避免过拟合。在含有开裂、起泡、生锈和脱落这4类损伤的金属涂层数据集中,该算法取得了81.24%mIoU的分割效果,优于端到端的深度学习方法。实验结果表明,先验知识辅助能够有效提升深度学习分割模型对金属涂层损伤的分割效果。

关键词：深度学习损伤识别图像分割先验知识

物联网中多密钥同态加密的联邦学习隐私保护方法

在线全文

学校读者我要写书评

暂无评论

信息安全研究 2024年第10期10卷 958-966页

作者：管桂林支婷陶政坪曹扬中电科大数据研究院有限公司贵阳550022 提升政府治理能力大数据应用技术国家工程研究中心贵阳550022

借助联邦学习,多个分布式物联网设备可在不泄露原始数据前提下通过传输模型更新共同训练全局模型.然而,联邦学习系统易受模型推理攻击的影响,导致系统鲁棒性和数据隐私性受损.针对现有联邦学习方案无法实现对共享梯度的机密性保护以及... 详细信息

借助联邦学习,多个分布式物联网设备可在不泄露原始数据前提下通过传输模型更新共同训练全局模型.然而,联邦学习系统易受模型推理攻击的影响,导致系统鲁棒性和数据隐私性受损.针对现有联邦学习方案无法实现对共享梯度的机密性保护以及难以抵抗客户端和服务器发起的共谋攻击等问题,提出一种物联网中多密钥同态加密的联邦学习隐私保护方法.该方法利用多密钥同态加密实现了梯度更新机密性保护,首先通过采用代理重加密技术,将不同公钥下的密文转换为公共密钥下的加密数据,确保云服务器实现对梯度密文的解密.然后,物联网设备采用自身的公钥和随机秘密因子加密本地梯度数据,可抵抗恶意设备和服务器发起的合谋攻击.其次,设计了一种基于混合密码体制的身份认证方法,实现对联邦建模参与方身份的实时验证.此外,为了进一步降低客户端计算开销,将部分解密计算协同至可信服务器计算,用户只需少量的计算即可.通过对所提方案进行全面分析以评估其安全性和效率.结果表明,所提方案满足了预期的安全要求.实验仿真表明,该方案相较于现有方案,具有较低的计算开销,可实现更快且准确的模型训练.

关键词：联邦学习物联网代理重加密多密钥同态加密隐私保护抗合谋攻击

维普期刊数据库博看期刊

融合Benford律和限值模型的造假数据行为分析

在线全文

学校读者我要写书评

暂无评论

计算机仿真 2024年第8期41卷 549-556页

作者：唐海涛陈迪三范广义桂林航天工业学院理学院广西桂林541004 桂航大数据技术应用研究中心广西桂林541004 南京高精齿轮集团有限公司江苏南京210000

为提高监管部门对污染源排放单位监测数据的真实性、有效性以及客观性,提出一种融合Benford律和限制值模型的企业污染排放监测数据造假行为的风险评估方法。首先结合Benford律建立多层级数据是否造假的检测结构并以此生成非造假正样本... 详细信息

为提高监管部门对污染源排放单位监测数据的真实性、有效性以及客观性,提出一种融合Benford律和限制值模型的企业污染排放监测数据造假行为的风险评估方法。首先结合Benford律建立多层级数据是否造假的检测结构并以此生成非造假正样本数据集;其次,针对环境监测数据人为造假行为提出限制值造假模型(Limit Value Fake Model,LVFM),实现造假负样本数据集的生成;最后将扩充后的数据集输入多分类学习器进行预测识别。仿真结果表明,LVFM模型具有较好的造假隐蔽性;同时合成造假数据与真实造假数据基本相似度达到81%,即具有一定数据造假能力;综合多分类器预测对正负样本识别结果分析,随机森林(Random Forests,RF)获得了81.35%的准确率和71.33%的F1值,研究结果可为辅助生态安全监督以及决策的智慧管理提供参考。

关键词：限制值造假模型散度多分类器