期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于卫星遥感数据的RA-BP神经网络三维海温反演方法
被引量：
1
1
作者
万江岳
于华明
+1 位作者
张辰宇
温琦
《中国海洋大学学报（自然科学版）》
CAS
CSCD
北大核心
2024年第7期1-11,共11页
本文利用2005—2017年的实测海温数据和卫星观测数据,构建了基于RA-BP神经网络的三维海温反演模型,对2018年印度洋东北部和太平洋西部研究海域海温剖面进行了反演,并与回归分析法和基础BP神经网络反演海温结果进行了对比分析。以均方根...
本文利用2005—2017年的实测海温数据和卫星观测数据,构建了基于RA-BP神经网络的三维海温反演模型,对2018年印度洋东北部和太平洋西部研究海域海温剖面进行了反演,并与回归分析法和基础BP神经网络反演海温结果进行了对比分析。以均方根误差和Pearson系数作为检验指标,结果显示所有模型反演海温剖面与实测海温剖面的Pearson系数均在0.99以上。对混合层、温跃层、中深层三个水深范围,RA-BP神经网络模型在印度洋东北部研究区域的均方根误差(RMSE)均值分别为0.32、0.76和0.17℃,在太平洋西部研究区域的RMSE均值分别为0.24、1.01和0.24℃,单个剖面的RMSE在0.6℃以下。这表明在研究海域,基于实测海温数据和卫星遥感数据构建的RA-BP神经网络模型是可行的,且具有良好的反演精度。
展开更多
关键词
海表温度
绝对动力高度
回归分析
神经网络
三维海温反演
在线阅读
下载PDF
职称材料
基于特征空间相似的隐形后门攻击
被引量：
1
2
作者
夏辉
钱祥运
《信息网络安全》
CSCD
北大核心
2024年第8期1163-1172,共10页
后门攻击指通过在深度神经网络模型训练过程中对原模型植入特定的触发器,导致模型误判的攻击。目前后门攻击方案普遍面临触发器隐蔽性差、攻击成功率低、投毒效率低与中毒模型易被检测的问题。为解决上述问题,文章在监督学习模式下,提...
后门攻击指通过在深度神经网络模型训练过程中对原模型植入特定的触发器,导致模型误判的攻击。目前后门攻击方案普遍面临触发器隐蔽性差、攻击成功率低、投毒效率低与中毒模型易被检测的问题。为解决上述问题,文章在监督学习模式下,提出一种基于特征空间相似理论的模型反演隐形后门攻击方案。该方案首先通过基于训练的模型反演方法和一组随机的目标标签类别样本获得原始触发器。然后,通过Attention U-Net网络对良性样本进行特征区域分割,在重点区域添加原始触发器,并对生成的中毒样本进行优化,提高了触发器的隐蔽性和投毒效率。通过图像增强算法扩充中毒数据集后,对原始模型再训练,生成中毒模型。实验结果表明,该方案在保证触发器隐蔽性的前提下,在GTSRB和CelebA数据集中以1%的投毒比例达到97%的攻击成功率。同时,该方案保证了目标样本与中毒样本在特征空间内相似性,生成的中毒模型能够成功逃脱防御算法检测,提高了中毒模型的不可分辨性。通过对该方案进行深入分析,也可为防御此类后门攻击提供思路。
展开更多
关键词
数据投毒
后门攻击
特征空间相似
监督学习
在线阅读
下载PDF
职称材料
基于数据属性修改的联邦学习隐私保护策略
被引量：
1
3
作者
徐硕
张睿
夏辉
《信息网络安全》
CSCD
北大核心
2022年第1期55-63,共9页
针对大部分联邦学习防御方法存在降低联邦学习实用性、计算效率低和防御攻击种类单一等问题,文章提出一种基于变分自编码器的属性修改框架,在客户端对数据预处理以达到保护联邦学习的目的。首先,为了提高算法计算效率,文章提出一种基于...
针对大部分联邦学习防御方法存在降低联邦学习实用性、计算效率低和防御攻击种类单一等问题,文章提出一种基于变分自编码器的属性修改框架,在客户端对数据预处理以达到保护联邦学习的目的。首先,为了提高算法计算效率,文章提出一种基于迁移学习的变分自编码器训练方案来减少客户端训练周期;其次,利用变分自编码器具有连续性的潜变量,设计了一种基于属性分布约束规则的属性修改方案来实现客户端训练数据的重构。实验结果表明,属性修改方案可以成功分离和控制图像的属性向量,通过将原始图像改变为带有相应属性的重构图像,保护了客户端数据隐私。将修改后的图像用于训练联邦学习分类任务,其准确率可达94.44%,体现了方案的可用性,并且该方案可以成功防御非主属性隐私泄露和基于数据中毒的后门攻击。
展开更多
关键词
联邦学习
隐私保护
变分自编码器
迁移学习
在线阅读
下载PDF
职称材料
题名
基于卫星遥感数据的RA-BP神经网络三维海温反演方法
被引量：
1
1
作者
万江岳
于华明
张辰宇
温琦
机构
中国海洋大学
三亚
海洋
研究院
中国海洋大学
海洋
与大气
学院
中国海洋大学信息科学与工程学部计算机科学与技术学院
出处
《中国海洋大学学报（自然科学版）》
CAS
CSCD
北大核心
2024年第7期1-11,共11页
基金
国家重点研究发展计划项目(2022YFD2401304)
三亚崖州湾科技城科技专项(SCKJ-JYRC-2022-101)
海南省三亚市海洋生态保护修复工程项目跟踪监测与效果评估项目资助。
文摘
本文利用2005—2017年的实测海温数据和卫星观测数据,构建了基于RA-BP神经网络的三维海温反演模型,对2018年印度洋东北部和太平洋西部研究海域海温剖面进行了反演,并与回归分析法和基础BP神经网络反演海温结果进行了对比分析。以均方根误差和Pearson系数作为检验指标,结果显示所有模型反演海温剖面与实测海温剖面的Pearson系数均在0.99以上。对混合层、温跃层、中深层三个水深范围,RA-BP神经网络模型在印度洋东北部研究区域的均方根误差(RMSE)均值分别为0.32、0.76和0.17℃,在太平洋西部研究区域的RMSE均值分别为0.24、1.01和0.24℃,单个剖面的RMSE在0.6℃以下。这表明在研究海域,基于实测海温数据和卫星遥感数据构建的RA-BP神经网络模型是可行的,且具有良好的反演精度。
关键词
海表温度
绝对动力高度
回归分析
神经网络
三维海温反演
Keywords
sea surface temperature
absolute dynamic height
regression analysis
neural network
three-dimensional sea temperature inversion
分类号
P731.11 [天文地球—海洋科学]
在线阅读
下载PDF
职称材料
题名
基于特征空间相似的隐形后门攻击
被引量：
1
2
作者
夏辉
钱祥运
机构
中国海洋大学信息科学与工程学部计算机科学与技术学院
出处
《信息网络安全》
CSCD
北大核心
2024年第8期1163-1172,共10页
基金
国家自然科学基金[62172377]。
文摘
后门攻击指通过在深度神经网络模型训练过程中对原模型植入特定的触发器,导致模型误判的攻击。目前后门攻击方案普遍面临触发器隐蔽性差、攻击成功率低、投毒效率低与中毒模型易被检测的问题。为解决上述问题,文章在监督学习模式下,提出一种基于特征空间相似理论的模型反演隐形后门攻击方案。该方案首先通过基于训练的模型反演方法和一组随机的目标标签类别样本获得原始触发器。然后,通过Attention U-Net网络对良性样本进行特征区域分割,在重点区域添加原始触发器,并对生成的中毒样本进行优化,提高了触发器的隐蔽性和投毒效率。通过图像增强算法扩充中毒数据集后,对原始模型再训练,生成中毒模型。实验结果表明,该方案在保证触发器隐蔽性的前提下,在GTSRB和CelebA数据集中以1%的投毒比例达到97%的攻击成功率。同时,该方案保证了目标样本与中毒样本在特征空间内相似性,生成的中毒模型能够成功逃脱防御算法检测,提高了中毒模型的不可分辨性。通过对该方案进行深入分析,也可为防御此类后门攻击提供思路。
关键词
数据投毒
后门攻击
特征空间相似
监督学习
Keywords
data poisoning
backdoor attack
feature space similarity
supervised learning
分类号
TP309 [自动化与计算机技术—计算机系统结构]
在线阅读
下载PDF
职称材料
题名
基于数据属性修改的联邦学习隐私保护策略
被引量：
1
3
作者
徐硕
张睿
夏辉
机构
中国海洋大学信息科学与工程学部计算机科学与技术学院
出处
《信息网络安全》
CSCD
北大核心
2022年第1期55-63,共9页
基金
国家自然科学基金面上项目[62172377,61872205]
山东省自然科学基金面上项目[ZR2019MF018]。
文摘
针对大部分联邦学习防御方法存在降低联邦学习实用性、计算效率低和防御攻击种类单一等问题,文章提出一种基于变分自编码器的属性修改框架,在客户端对数据预处理以达到保护联邦学习的目的。首先,为了提高算法计算效率,文章提出一种基于迁移学习的变分自编码器训练方案来减少客户端训练周期;其次,利用变分自编码器具有连续性的潜变量,设计了一种基于属性分布约束规则的属性修改方案来实现客户端训练数据的重构。实验结果表明,属性修改方案可以成功分离和控制图像的属性向量,通过将原始图像改变为带有相应属性的重构图像,保护了客户端数据隐私。将修改后的图像用于训练联邦学习分类任务,其准确率可达94.44%,体现了方案的可用性,并且该方案可以成功防御非主属性隐私泄露和基于数据中毒的后门攻击。
关键词
联邦学习
隐私保护
变分自编码器
迁移学习
Keywords
federated learning
privacy protection
VAE
transfer learning
分类号
TP309 [自动化与计算机技术—计算机系统结构]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于卫星遥感数据的RA-BP神经网络三维海温反演方法
万江岳
于华明
张辰宇
温琦
《中国海洋大学学报（自然科学版）》
CAS
CSCD
北大核心
2024
1
在线阅读
下载PDF
职称材料
2
基于特征空间相似的隐形后门攻击
夏辉
钱祥运
《信息网络安全》
CSCD
北大核心
2024
1
在线阅读
下载PDF
职称材料
3
基于数据属性修改的联邦学习隐私保护策略
徐硕
张睿
夏辉
《信息网络安全》
CSCD
北大核心
2022
1
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
