题名 面向加密数据的安全图像分类模型研究综述
被引量：5
1
作者
孙隆隆 李辉 于诗文 王迎雪
机构
西安电子 科技大学综合业务网理论及关键技术国家 重点实验室 西安电子 科技大学网络与信息安全 学院 中国电子科学研究院社会安全风险感知与防控大数据应用国家工程实验室
出处
《密码学报》
CSCD
2020年第4期525-540,共16页
基金
社会安全风险感知与防控大数据应用国家工程实验室主任基金 国家自然科学基金(61972309,61672408) +1 种基金 教育部中央高校基本科研业务费(JB181505) 陕西省自然科学基础研究计划(2018JM6073)。
文摘
自2012年AlexNet模型提出以来,图像分类技术研究进入了深度学习时代.模型分类能力的提高使得技术的实际应用变得普及,许多企业将图像分类与云计算等技术结合,为用户提供各类便捷服务.但是模型的广泛使用带来了巨大的图像数据隐私泄漏风险.这一问题严重阻碍了图像分类技术的应用与发展.为此研究人员尝试将同态加密和安全多方计算等密码学技术与图像分类模型相结合,设计隐私保护方案.由于引入隐私保护会对模型的可用性(执行速度和分类精度)造成影响,因此兼顾安全性与可用性成为研究重点.本文对基于加密技术的图像分类模型隐私保护研究进行了全面调研,介绍了常用密码学技术的原理和适用性;依据模型使用场景的不同将问题分为模型推理和训练两类,对每一类问题当前的研究进展进行了详细介绍,比较了不同方案的特点和效果.最后基于当前研究的不足与难点,对本问题未来的研究方向做了展望.
关键词
图像分类 深度学习 隐私保护 同态加密 安全多方计算
Keywords
image recognition deep learning privacy-preserving homomorphic encryption secure multi-party computation
分类号
TP309.7
[自动化与计算机技术—计算机系统结构]
题名 隐藏情绪分析与识别方法
被引量：12
2
作者
王甦菁 邹博超 刘瑞 李振 赵国朕 刘烨 傅小兰
机构
中国 科学 院行为科学 重点实验室 (中国 科学 院心理研究 所)中国 科学 院大学心理学系中国 电子 科学研究院 首都医科大学 首都医科大学附属北京安定医院 中国 科学 院心理研究 所脑与认知科学 国家 重点实验室
出处
《心理科学进展》
CSSCI
CSCD
北大核心
2020年第9期1426-1436,共11页
基金
国家自然科学基金项目(U19B2032,61772511) 社会安全风险感知与防控大数据应用国家工程实验室主任基金项目(18112403)。
文摘
隐藏情绪识别对公共安全防范与预警具有重要的意义。微表情是揭示隐藏情绪的一条重要通道。但目前隐藏情绪研究较少且微表情因其细微幅度与快速出现等特性难以识别,其研究尚未在实际中广泛应用。因为,隐藏情绪的认知与表达机理亟需系统的研究,采集实际场景中的微表情数据,并以脑电信号辅助微表情的精确标注是提高微表情标注效率的有效途径。深入研究微表情识别方法,并辅以人脸颜色、注视估计和非接触生理信号等多通道数据,以检测与识别隐藏情绪。社会公共安全是隐藏情绪分析和识别的典型场景。面向精神疾病患者两害行为(即危害自身或他人的危险行为)风险评估和服刑人员会见场景隐藏情绪检测,可以有效地对相应系统和方法进行验证和修正。
关键词
模式识别 微表情检测和识别 隐藏情绪 深度学习 颜色空间
Keywords
pattern recognition micro-expression spotting and recognition concealed emotion deep learning color space
分类号
B842
[哲学宗教—基础心理学]
题名 基于特征融合的K-means微博话题发现模型
被引量：7
3
作者
李海磊 杨文忠 李东昊 温杰彬 钱芸芸
机构
新疆大学信息科学 与工程 学院 中国电子科学研究院社会安全风险感知与防控大数据应用国家工程实验室
出处
《电子技术应用》
2020年第4期24-28,33,共6页
基金
国家自然科学基金项目(U1603115) 自治区自然科学基金项目(2017D01C042)。
文摘
针对传统话题检测方法在微博短文本上存在高维稀疏的缺陷,提出了一种基于特征融合的K-means微博话题发现模型。为了更好地表达微博话题的语义信息,使用在句子中共现的词对向量模型(Biterm_VSM)代替传统的向量空间模型(Vector Space Model,VSM),并结合主题模型(Latent Dirichlet Allocation,LDA)挖掘出微博短文本中的潜在语义,把两个模型得到的特征进行特征融合,并应用K-means聚类算法进行话题的发现。实验结果表明,与传统的话题检测方法相比,该模型的调整兰德系数(Adjusted Rand index,ARI)为0.80,比传统的话题检测方法提高了3%~6%。
关键词
话题检测 词对向量模型 LDA 特征融合 K-MEANS
Keywords
topic detection Biterm_VSM LDA feature fusion K-means
分类号
TN06
[电子电信—物理电子学]
TP391.1
[自动化与计算机技术—计算机应用技术]
题名 基于重点突发词的突发事件检测方法
被引量：1
4
作者
富雅玲 杨文忠 吾守尔·斯拉木 杨蒙蒙 梁凡
机构
新疆大学信息科学 与工程 学院 中国电子科学研究院社会安全风险感知与防控大数据应用国家工程实验室
出处
《电子技术应用》
2020年第11期82-86,共5页
基金
国家自然科学基金项目(U1603115,U1435215) 新疆维吾尔自治区自然科学基金项目(2017D01C042)。
文摘
由于突发事件具有突发性、聚众性、破坏性,针对微博中发布的突发事件,避免由突发事带来一系列社会问题,提出一种结合用户影响力和突发词的突发事件检测方法。为提取大量重点突发词,使用词影响力和词状态两个指标计算词突发值,将大于一定阈值的词作为突发词;采用凝聚层次聚类方法,对突发词集的共现矩阵进行聚类得到热点话题。之后将结果放入训练好的分类器对热点话题进行分类,最终得到突发事件及其类型。使用真实的微博数据对其进行实验,对比使用分类器前后的实验结果,该方法可以有效过滤一般热点话题,提高突发事件检测的准确率。
关键词
突发事件 突发词 聚类 分类 事件检测
Keywords
bursty event burst word clustering classification event detection
分类号
TP391.1
[自动化与计算机技术—计算机应用技术]
