为了提高建筑施工安全风险管理的信息化水平,以建筑施工活动及事故风险类型为研究对象,建立施工安全知识图谱。通过知识图谱改进作业条件危险性评价法(LEC)实现安全风险的定量计算,并基于知识图谱进行风险位置识别和不安全因素分析。研...为了提高建筑施工安全风险管理的信息化水平,以建筑施工活动及事故风险类型为研究对象,建立施工安全知识图谱。通过知识图谱改进作业条件危险性评价法(LEC)实现安全风险的定量计算,并基于知识图谱进行风险位置识别和不安全因素分析。研究提出安全风险虚体实化理念,实现了安全风险信息在数字空间实体化表达;基于建筑信息模型(Building Information Modeling, BIM)和知识图谱技术,建立了建筑施工安全风险信息模型(Building Construction Safety Risk Information Model, BCSRIM)。该模型有效避免了传统LEC法中主观因素产生的影响,实现了建筑施工安全风险定量计算、风险位置识别、风险分析及可视化管理。利用Revit二次开发技术,在Microsoft Visual Studio中使用C#语言连接Neo4j图数据库,完成了基于知识图谱的BCSRIM的开发。试验显示,研究提出的BCSRIM对提高施工现场的管理水平具有较高的实用价值。展开更多
近年来,大语言模型(large language model,LLM)作为深度学习网络技术的关键分支,在自然语言处理(natural language processing,NLP)领域取得了一系列突破性成就,并被广泛采用.然而,在其包括预训练、微调和实际部署在内的完整生命周期中...近年来,大语言模型(large language model,LLM)作为深度学习网络技术的关键分支,在自然语言处理(natural language processing,NLP)领域取得了一系列突破性成就,并被广泛采用.然而,在其包括预训练、微调和实际部署在内的完整生命周期中,多种安全威胁和隐私泄露的风险相继被发现,引起了学术和工业界越来越多的关注.首先以LLM发展过程中出现的预训练-微调范式、预训练-提示学习范式和预训练-指令微调范式为线索,梳理了针对LLM的常规安全威胁,即3种对抗攻击(对抗样本攻击、后门攻击、投毒攻击)的代表性研究,接着总结了一些最新工作披露的新型安全威胁,然后介绍了LLM的隐私风险及其研究进展.相关内容有助于LLM的研究和部署者在模型设计、训练及应用过程中,识别、预防和缓解这些威胁与风险,同时实现模型性能与安全及隐私保护之间的平衡.展开更多
文摘为了提高建筑施工安全风险管理的信息化水平,以建筑施工活动及事故风险类型为研究对象,建立施工安全知识图谱。通过知识图谱改进作业条件危险性评价法(LEC)实现安全风险的定量计算,并基于知识图谱进行风险位置识别和不安全因素分析。研究提出安全风险虚体实化理念,实现了安全风险信息在数字空间实体化表达;基于建筑信息模型(Building Information Modeling, BIM)和知识图谱技术,建立了建筑施工安全风险信息模型(Building Construction Safety Risk Information Model, BCSRIM)。该模型有效避免了传统LEC法中主观因素产生的影响,实现了建筑施工安全风险定量计算、风险位置识别、风险分析及可视化管理。利用Revit二次开发技术,在Microsoft Visual Studio中使用C#语言连接Neo4j图数据库,完成了基于知识图谱的BCSRIM的开发。试验显示,研究提出的BCSRIM对提高施工现场的管理水平具有较高的实用价值。
文摘近年来,大语言模型(large language model,LLM)作为深度学习网络技术的关键分支,在自然语言处理(natural language processing,NLP)领域取得了一系列突破性成就,并被广泛采用.然而,在其包括预训练、微调和实际部署在内的完整生命周期中,多种安全威胁和隐私泄露的风险相继被发现,引起了学术和工业界越来越多的关注.首先以LLM发展过程中出现的预训练-微调范式、预训练-提示学习范式和预训练-指令微调范式为线索,梳理了针对LLM的常规安全威胁,即3种对抗攻击(对抗样本攻击、后门攻击、投毒攻击)的代表性研究,接着总结了一些最新工作披露的新型安全威胁,然后介绍了LLM的隐私风险及其研究进展.相关内容有助于LLM的研究和部署者在模型设计、训练及应用过程中,识别、预防和缓解这些威胁与风险,同时实现模型性能与安全及隐私保护之间的平衡.
