-
题名融合罪名分类的涉案新闻主题分析方法
- 1
-
-
作者
尹兆良
黄于欣
余正涛
王冠文
艾传鲜
-
机构
昆明理工大学信息工程与自动化学院
昆明理工大学云南省人工智能重点实验室
国家计算机网络应急技术处理协调中心云南分中心
-
出处
《计算机工程》
北大核心
2025年第4期208-216,共9页
-
基金
国家自然科学基金(U21B2027,61972186,62266027,62266028)
云南省重大科技专项(202302AD080003,202202AD080003)
云南省基础研究项目(202301AT070393,202301AT070471)。
-
文摘
介绍涉案新闻主题分析的应用场景以及现有方法的不足之处。针对这些不足,提出一种融合罪名分类的主题分析模型BERT-ECTM。该模型利用法律文书中的罪名信息作为监督信号,与涉案新闻文本相融合作为主题分析模型的输入,以提高涉案新闻主题信息的准确性和涉案偏好。为了捕捉上下文语义特征,采用基于BERT编码的嵌入式主题分析方法,以提高主题分析的准确性和效果。此外,在模型训练时,针对边际分布求解难度较大、复杂程度高这一问题,结合变分推断的方法,用后验分布的近似分布来拟合其分布结果。实验结果表明,在特定的涉案新闻主题分析任务中,该模型的有效性和准确性相比于现有方法均有明显提升。
-
关键词
文本主题抽取
罪名分类
BERT-ECTM模型
涉案偏好
文本语义
语义特征编码
变分推断
-
Keywords
text topic extraction
crime classification
BERT-ECTM model
involved preferences
text semantics
semantic feature encoding
variegation inference
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
-
题名AE-EM:一种期望最大化Web入侵检测算法
- 2
-
-
作者
尹兆良
黄于欣
余正涛
-
机构
昆明理工大学信息工程与自动化学院
云南省人工智能重点实验室
国家计算机网络与应急技术处理协调中心云南分中心
-
出处
《计算机工程与应用》
北大核心
2025年第3期315-325,共11页
-
基金
国家自然科学基金(U21B2027)
云南省重大科技专项(202302AD080003,202202AD080003)。
-
文摘
现有的入侵检测算法集中在模式匹配、阈值分割法和多层感知机等机器学习和以神经网络深度学习方法上,在处理基于签名和异常的入侵时效果显著,但耗时费力。在面对Web入侵场景时,现有方法将检测模式重心放在网络流量分析(NTA)上,对URL携带的负载信息和流量之间的关联语义信息提取不足,异常检测效果有待提升。提出一种无监督算法,名为注意力扩展期望最大化算法(attention expand expectation-maximization algorithm,AE-EM),该算法提取应用层URL中的攻击负载语义,采用Attention机制混合编码网络层流量结构化数据,训练融合多维特征和关联应用层语义的向量作为算法的输入,使用轻量化期望最大化算法估计高斯混合模型的参数,用于网络安全入侵检测的Web入侵检测场景。通过在基线数据集上使用常用的学习算法和消融实验比较,提出的AE-EM算法在Web入侵检测领域准确率和性能上优于传统算法。
-
关键词
入侵检测
Web攻击检测
注意力机制
EM算法
AE-EM算法
-
Keywords
intrusion detection
Web attack detection
attention mechanism
expectation-maximization(EM)algorithm
attention expand expectation-maximization algorithm(AE-EM)
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
TP183
[自动化与计算机技术—控制理论与控制工程]
-
