检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

针对大语言模型的偏见性研究综述

计算机应用研究 2024年

作者：徐磊胡亚豪潘志松陆军工程大学指挥与控制工程学院

偏见现象普遍存在于人类社会，并通常以自然语言为载体呈现。传统的偏见研究主要针对静态词嵌入模型展开，但随着自然语言处理技术的不断演进，研究对象逐渐转向上下文处理能力更强的预训练模型。而作为预训练模型的进一步发展，尽管大... 详细信息

偏见现象普遍存在于人类社会，并通常以自然语言为载体呈现。传统的偏见研究主要针对静态词嵌入模型展开，但随着自然语言处理技术的不断演进，研究对象逐渐转向上下文处理能力更强的预训练模型。而作为预训练模型的进一步发展，尽管大型语言模型凭借惊人的性能和广阔的发展前景在多个应用场景中得到了广泛部署，但其仍可能会从未经处理的训练数据中捕捉到社会偏见，并将偏见传播到下游任务中。含有偏见的大型语言模型系统会产生不良的社会影响和潜在危害，因此针对大型语言模型的偏见研究亟待深入探讨。探讨了自然语言处理中偏见的由来，并对从词嵌入模型到现在大型语言模型的偏见评估和偏见缓解方法进行了分析与总结，旨在为未来相关研究提供有益参考。

关键词：自然语言处理词嵌入预训练模型大型语言模型偏见

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

面向三种形态图像的对抗攻击研究综述

计算机科学与探索 2024年

作者：徐宇晖潘志松徐堃陆军工程大学指挥控制工程学院

深度学习近年来取得了大量突破性的进展，基于深度学习的应用也扩展到了越来越多的领域，但由于深度神经网络的脆弱性，在应用过程中极易受到来自对抗样本的威胁，给应用带来了巨大的安全问题，因此对抗攻击一直是研究的热门领域。由于... 详细信息

深度学习近年来取得了大量突破性的进展，基于深度学习的应用也扩展到了越来越多的领域，但由于深度神经网络的脆弱性，在应用过程中极易受到来自对抗样本的威胁，给应用带来了巨大的安全问题，因此对抗攻击一直是研究的热门领域。由于深度神经网络在图像任务中被广泛应用，因此在图像领域的对抗样本被广泛发现，针对图像领域的对抗攻击研究是增强安全性的一个关键，学界从不同的角度对此展开了大量研究。现有的图像攻击的研究主要可以分为可见光图像，红外图像以及合成孔径雷达（SAR:Synthetic Aperture Radar）图像三种形态的图像攻击，而主要的现有工作集中在可见光图像中，为此，将首先介绍图像对抗攻击的基本概念，然后对三种形态图像的对抗攻击方法根据其攻击思想进行分类总结，并且对三种形态图像的攻击方法进行分析对比，同时，针对目前图像对抗样本领域的防御策略研究做出简要的补充介绍，最后，总结了现有的研究现状，对未来图像领域中的对抗攻击研究总结了面临的问题并给出可能的解决方案，同时对未来研究的方向做出了展望。

关键词：深度学习对抗攻击可见光图像红外图像 SAR图像对抗样本

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

小样本SAR图像分类方法综述

中国图象图形学报 2024年第7期 1902-1920页

作者：王梓祺李阳张睿王家宝李允臣陈瑶陆军工程大学指挥控制工程学院

合成孔径雷达（synthetic aperture radar,SAR）图像分类作为SAR图像应用的重要底层任务受到了广泛关注与研究。SAR图像分类是处理和分析遥感图像的重要手段，在环境监测、目标侦察和地质勘探等任务中发挥着关键作用，但是目前基于深度... 详细信息

合成孔径雷达（synthetic aperture radar,SAR）图像分类作为SAR图像应用的重要底层任务受到了广泛关注与研究。SAR图像分类是处理和分析遥感图像的重要手段，在环境监测、目标侦察和地质勘探等任务中发挥着关键作用，但是目前基于深度学习的SAR图像分类任务存在小样本问题。本文针对小样本SAR图像分类方法进行全面的论述和分析。1）介绍了SAR图像分类任务的重要性和早期的SAR图像分类方法，并阐述了小样本SAR图像分类任务的必要性。2）介绍了小样本SAR图像分类任务的定义、常用的数据集、评价指标和应用。3）整理了各类方法的贡献点和使用的数据集，将已有的小样本SAR图像分类方法分为基于迁移学习的方法、基于元学习的方法、基于度量学习的方法和综合性方法 4类。根据分类总结了4类方法存在的缺陷，为后续工作提供了一定的参考。在统一的框架内测试了16种可见光数据集方法迁移到SAR图像数据集上的分类性能，并从分类精度和运行时间两个方面综合评估了小样本学习模型迁移效果。该项工作利用SAR图像分类通用数据集MSTAR(moving and stationary target acquisition and recognition)完成，极大地补充了小样本SAR图像分类任务的测评基准。4）对小样本SAR图像分类方法的发展趋势进行了展望，提出了未来可能的一些严峻挑战。

关键词：小样本学习 SAR图像分类迁移学习元学习度量学习

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

平衡可迁移与不可察觉的对抗攻击

计算机科学 2024年

作者：康凯王家宝徐堃陆军工程大学指挥控制工程学院

基于数据驱动的深度学习模型由于无法覆盖所有可能样本数据，导致面临着精心设计的对抗样本的攻击问题。现有主流的基于RGB像素值的Lp范数扰动攻击方法虽然达到了很好的攻击成功率和迁移性，但是所生成的对抗样本存在极易被人眼感知的... 详细信息

基于数据驱动的深度学习模型由于无法覆盖所有可能样本数据，导致面临着精心设计的对抗样本的攻击问题。现有主流的基于RGB像素值的Lp范数扰动攻击方法虽然达到了很好的攻击成功率和迁移性，但是所生成的对抗样本存在极易被人眼感知的高频噪声，而基于扩散模型的攻击方法兼顾了迁移性和不可察觉性，但是其优化策略主要从对抗模型的角度展开，缺乏从代理模型的角度对可迁移性和不可察觉性的深入探讨和分析。为了进一步探索分析可迁移性和不可察觉性的控制来源，以基于代理模型的攻击方法为框架，提出了一种新的基于潜在扩散模型的对抗样本生成方法。该方法中，在基本的对抗损失约束条件下，设计了可迁移注意力约束损失和不可察觉一致性约束损失，实现对可迁移性与不可察觉性的平衡。在ImageNet-Compatible、CUB-200-2011和Stanford Cars三个公开数据集上，与已有方法相比，所提方法生成的对抗样本具有强的跨模型迁移攻击能力和人眼不易觉察扰动的效果。

关键词：对抗攻击扩散模型可迁移性不可察觉性注意力机制

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于序列建模的生成式强化学习研究综述

计算机科学 2024年

作者：姚天磊陈希亮余沛毅陆军工程大学指挥控制工程学院

强化学习是机器学习中关于如何学习决策的分支，是一个序列决策问题，通过与环境反复交互试错找到最优策略。强化学习可以与生成模型结合使用来优化其性能，通常用于微调生成模型，提高其创建高质量内容的能力。强化学习过程也可以视为... 详细信息

强化学习是机器学习中关于如何学习决策的分支，是一个序列决策问题，通过与环境反复交互试错找到最优策略。强化学习可以与生成模型结合使用来优化其性能，通常用于微调生成模型，提高其创建高质量内容的能力。强化学习过程也可以视为一个通用的序列建模问题，对任务轨迹上的分布进行建模，通过预训练生成模型产生一系列动作来获取一系列的高回报。在基于对输入信息进行建模的基础上，生成式强化学习能够更好地处理不确定性和未知的环境，更高效地将序列数据转换成用于决策的策略。首先针对强化学习算法和序列建模方法进行了介绍，对数据序列的建模过程进行了分析，以不同神经网络模型为分类探讨了强化学习的发展现状，在此基础上梳理了与生成模型结合的相关方法，并分析了强化学习方法在生成式预训练模型中的应用，最后总结了相关技术在理论和应用上的发展状况。

关键词：人工智能强化学习神经网络生成模型序列建模

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于对比学习的大气湍流退化图像复原方法

计算机科学 2024年

作者：苗壮崔浩然张启阳王家宝李阳陆军工程大学指挥控制工程学院

大气湍流引起的图像退化严重影响了目标检测和图像识别等计算机视觉下游任务的性能。现有基于深度学习的大气湍流退化图像复原模型虽然取得了较好的效果，但未充分利用湍流效应的特征信息。为了获得更好的复原效果，提出了一种基于对比... 详细信息

大气湍流引起的图像退化严重影响了目标检测和图像识别等计算机视觉下游任务的性能。现有基于深度学习的大气湍流退化图像复原模型虽然取得了较好的效果，但未充分利用湍流效应的特征信息。为了获得更好的复原效果，提出了一种基于对比度学习的大气湍流退化图像复原方法。针对大气湍流退化引起的模糊与扭曲，设计了湍流缓解块，该块融合了基于Transformer的通道信息交互模块与基于CNN的空间信息交互模块，在全局和局部层面上抑制湍流对图像的干扰。同时引入对比学习，将清晰图像和大气湍流退化图像视为正样本和负样本，在特征空间中拉近大气湍流复原网络的输出与正样本的距离，推远与负样本的距离，更有效地进行特征提取和图像复原。在Helen合成测试集和Places合成测试集上，所提方法分别达到了26.78dB、22.42dB的PSNR和0.7909、0.6820的SSIM，与现有的5种方法相比达到了最佳效果，更适用于提升大气湍流退化图像的质量。

关键词：深度学习图像复原大气湍流对比学习特征提取

基于启发式奖赏塑形方法的智能化攻击路径发现

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

信息安全学报 2024年第3期9卷 44-58页

作者：曾庆伟张国敏邢长友宋丽华陆军工程大学指挥控制工程学院南京210007

渗透测试作为一种评估网络系统安全性能的重要手段,是以攻击者的角度模拟真实的网络攻击,找出网络系统中的脆弱点。而自动化渗透测试则是利用各种智能化方法实现渗透测试过程的自动化,从而大幅降低渗透测试的成本。攻击路径发现作为自... 详细信息

渗透测试作为一种评估网络系统安全性能的重要手段,是以攻击者的角度模拟真实的网络攻击,找出网络系统中的脆弱点。而自动化渗透测试则是利用各种智能化方法实现渗透测试过程的自动化,从而大幅降低渗透测试的成本。攻击路径发现作为自动化渗透测试中的关键技术,如何快速有效地在网络系统中实现智能化攻击路径发现,一直受到学术界的广泛关注。现有的自动化渗透测试方法主要基于强化学习框架实现智能化攻击路径发现,但还存在奖赏稀疏、学习效率低等问题,导致算法收敛速度慢,攻击路径发现难以满足渗透测试的高时效性需求。为此,提出一种基于势能的启发式奖赏塑形函数的分层强化学习算法(HRL-HRSF),该算法首先利用渗透测试的特性,根据网络攻击的先验知识提出了一种基于深度横向渗透的启发式方法,并利用该启发式方法设计出基于势能的启发式奖赏塑形函数,以此为智能体前期探索提供正向反馈,有效缓解了奖赏稀疏的问题;然后将该塑形函数与分层强化学习算法相结合,不仅能够有效减少环境状态空间与动作空间大小,还能大幅度提高智能体在攻击路径发现过程中的奖赏反馈,加快智能体的学习效率。实验结果表明,HRL-HRSF相较于没有奖赏塑形的分层强化学习算法、DQN及其改进算法更加快速有效,并且随着网络规模和主机漏洞数目的增大,HRL-HRSF均能保持更好地学习效率,拥有良好的鲁棒性和泛化性。

关键词：自动化渗透测试奖赏塑形分层强化学习攻击路径发现 DQN算法

在线全文

学校读者我要写书评

暂无评论

基于生成逆推的大气湍流退化图像复原方法

计算机应用研究 2024年第1期41卷 282-287页

作者：崔浩然苗壮王家宝余沛毅王培龙陆军工程大学指挥与控制工程学院南京210007

大气湍流是影响远距离成像质量的重要因素。虽然已有的深度学习模型能够较好地抑制大气湍流引起的图像像素几何位移与空间模糊,但是这些模型需要大量的参数和计算量。为了解决该问题,提出了一种轻量化的基于生成逆推的大气湍流退化图像... 详细信息

大气湍流是影响远距离成像质量的重要因素。虽然已有的深度学习模型能够较好地抑制大气湍流引起的图像像素几何位移与空间模糊,但是这些模型需要大量的参数和计算量。为了解决该问题,提出了一种轻量化的基于生成逆推的大气湍流退化图像复原模型,该模型包含了去模糊、去偏移和湍流再生成三个核心模块。其中,去模糊模块通过高维特征映射块、细节特征抽取块和特征补充块,抑制湍流引起的图像模糊;去偏移模块通过两层卷积,补偿湍流引起的像素位移;湍流再生成模块通过卷积等操作再次生成湍流退化图像。在去模糊模块中,设计了基于注意力的特征补充模块,该模块融合了通道注意力机制与空间混合注意力机制,能在训练过程中关注图像中的重要细节信息。在公开的Heat Chamber与自建的Helen两个数据集上,所提模型分别取得了19.94 dB、23.51 dB的峰值信噪比和0.688 2、0.752 1的结构相似性。在达到当前最佳SOTA方法性能的同时,参数量与计算量有所减少。实验结果表明,该方法对大气湍流退化图像复原有良好的效果。

关键词：大气湍流退化图像复原深度学习注意力机制

一种融合多维关系的地理环境时空主题发现方法

在线全文

学校读者我要写书评

暂无评论

武汉大学学报（信息科学版） 2024年第2期49卷 291-302页

作者：朱杰张宏军廖湘琳徐有为陆军工程大学指挥控制工程学院江苏南京210002 73021部队浙江杭州315023

对战场文本数据的深入挖掘,可以高质量和高效率地发现时空主题结构,从而有效揭示战场事件发展的时空规律。针对现有的主题发现方法无法有效适用于具有多维异构关系的时空主题发现,提出了一种融合多维关系联合聚类的时空主题发现方法,首... 详细信息

对战场文本数据的深入挖掘,可以高质量和高效率地发现时空主题结构,从而有效揭示战场事件发展的时空规律。针对现有的主题发现方法无法有效适用于具有多维异构关系的时空主题发现,提出了一种融合多维关系联合聚类的时空主题发现方法,首先构建以地理环境实体、地理位置与事件主题为节点的主题关系网络;然后以张量模型的Tucker分解建立主题关系的完全表达式作为主题分类的目标函数;最后运用块值矩阵分解方法进行联合聚类计算,获取主题分类结果和内聚结构。实验结果表明,该方法能够有效发现具有时空语义关系特征的主题结构,较好地体现出地理环境要素与时空主题之间的关联性,以及时空主题在地理位置与事件主题标签上的内聚性,反映出主题的演化过程。

关键词：地理环境多维关系时空主题发现块值矩阵分解联合聚类