检索结果-维普期刊中文期刊服务平台

基于遗传算法的属性网络社区隐藏方法: 1; 作者张博瀚吕乐 +1 位作者荆军昌刘栋《计算机应用》北大核心 2025年第9期2817-2826,共10页; 为了对抗社区检测算法从而实现节点隐私保护,社区隐藏方法得到了越来越多的关注。然而,现有的主流社区隐藏算法仅关注网络的拓扑结构,忽略了节点属性对社区结构的影响,因此在属性网络上表现不佳。针对上述问题,提出一种基于遗传算法的... 展开更多; 关键词社区隐藏遗传算法属性网络隐私保护社区检测社会网络分析; 在线阅读下载PDF 职称材料

基于持久性的多目标节点隐藏方法: 2; 作者吕乐张博瀚 +1 位作者荆军昌刘栋《计算机应用》北大核心 2025年第10期3203-3213,共11页; 社区检测尽管能深度揭示网络潜在的结构特征和节点之间的关系,但也产生了隐私泄露问题。社区隐藏方法能够有效对抗社区检测算法,从而实现网络节点信息的隐私保护。然而,传统的社区隐藏方法大多关注网络中的单一目标或单一社区的隐私保护... 展开更多; 关键词社区隐藏社区检测多目标节点持久性复杂网络; 在线阅读下载PDF 职称材料

基于随机块模型的社区隐藏统一框架被引量：2: 3; 作者刘栋刘侠 +1 位作者贾若雪张文生《计算机研究与发展》 EI CSCD 北大核心 2024年第7期1850-1862,共13页; 社区检测是复杂网络分析的重要工具之一,可帮助深入了解网络的社区结构和节点间潜在的关系,但同时也带来了隐私泄露问题.社区隐藏作为社区检测的伴生问题,旨在以最小的边扰动代价破坏网络的社区结构,近年来受到越来越多学者的关注.但现... 展开更多; 关键词社区隐藏社区检测随机块模型生成机制社会网络分析; 在线阅读下载PDF 职称材料

基于邻域粗糙集和帝王蝶优化的特征选择算法被引量：6: 4; 作者孙林赵婧 +1 位作者徐久成王欣雅《计算机应用》 CSCD 北大核心 2022年第5期1355-1366,共12页; 针对经典的帝王蝶优化(MBO)算法不能很好地处理连续型数据,以及粗糙集模型对于大规模、高维复杂的数据处理能力不足等问题,提出了基于邻域粗糙集(NRS)和MBO的特征选择算法。首先,将局部扰动和群体划分策略与MBO算法结合,并构建传输机制... 展开更多; 关键词帝王蝶优化特征选择邻域粗糙集邻域依赖度二进制; 在线阅读下载PDF 职称材料

基于四维Chen混沌系统的深度神经网络模型主动保护方法: 5; 作者段新涛保梦茹 +1 位作者武银行秦川《计算机应用》 2025年第11期3621-3631,共11页; 基于深度神经网络(DNN)的模型以其优越的性能得到了广泛的应用,但训练一个性能强大的DNN模型需要大量的数据集、专业知识、计算资源、硬件条件和时间等,如果对它进行非法盗用会对模型拥有者造成巨大的损失。针对DNN模型的安全和知识产... 展开更多; 关键词 AI模型安全深度神经网络权重加密四维Chen混沌系统椭圆曲线加密算法; 在线阅读下载PDF 职称材料

题名基于遗传算法的属性网络社区隐藏方法: 1; 作者张博瀚吕乐荆军昌刘栋; 机构河南师范大学计算机与信息工程学院教育人工智能与个性化学习河南省重点实验室(河南师范大学) 教学资源与教育质量评估大数据河南省工程实验室(河南师范大学); 出处《计算机应用》北大核心 2025年第9期2817-2826,共10页; 基金国家自然科学基金资助项目(62072160) 河南省科技攻关计划项目(242102211076)。; 文摘为了对抗社区检测算法从而实现节点隐私保护,社区隐藏方法得到了越来越多的关注。然而,现有的主流社区隐藏算法仅关注网络的拓扑结构,忽略了节点属性对社区结构的影响,因此在属性网络上表现不佳。针对上述问题,提出一种基于遗传算法的属性网络社区隐藏方法(ACG)。该方法融合网络拓扑结构和节点属性,它的核心在于通过优化适应度函数找到最优的边隐藏策略。ACG在追求最小化隐藏成本的同时,将最大化模块度和属性相似度作为双重度量标准来选择并扰动对社区结构影响最大的边集合,从而实现对属性网络社区检测算法的有效攻击。实验结果表明,在不改变边总数和属性信息的前提下,所提方法有效地对抗了主流的属性社区检测方法;与其他社区隐藏方法相比,ACG在5个属性网络上对抗经典社区检测算法具有优势。; 关键词社区隐藏遗传算法属性网络隐私保护社区检测社会网络分析; Keywords community hiding genetic algorithm attribute network privacy protection community detection social network analysis; 分类号 TP393 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于持久性的多目标节点隐藏方法: 2; 作者吕乐张博瀚荆军昌刘栋; 机构河南师范大学计算机与信息工程学院教育人工智能与个性化学习河南省重点实验室(河南师范大学) 教学资源与教育质量评估大数据河南省工程实验室(河南师范大学); 出处《计算机应用》北大核心 2025年第10期3203-3213,共11页; 基金国家自然科学基金资助项目(62072160)。; 文摘社区检测尽管能深度揭示网络潜在的结构特征和节点之间的关系,但也产生了隐私泄露问题。社区隐藏方法能够有效对抗社区检测算法,从而实现网络节点信息的隐私保护。然而,传统的社区隐藏方法大多关注网络中的单一目标或单一社区的隐私保护,缺乏一种能够针对任意目标集合进行隐藏的方法。针对上述问题,提出一种持久性损失最大化的多目标节点隐藏(BPMNH)方法。该方法可以自由配置拟隐藏的目标节点集合,并根据网络规模自适应地给出持久性损失最大化方案,从而在最小的网络拓扑扰动代价下,实现不同社区的多个目标节点隐藏。在Karate等8个数据集上,从隐藏效果、网络结构和综合欺骗效果方面与基于模块度的攻击(MBA)等3种基线方法进行对比,实验结果表明BPMNH在多目节点隐藏上均优于对比方法,验证了所提方法的优越性。; 关键词社区隐藏社区检测多目标节点持久性复杂网络; Keywords community hiding community detection multiple target nodes permanence complex network; 分类号 TP18 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

题名基于随机块模型的社区隐藏统一框架被引量：2: 3; 作者刘栋刘侠贾若雪张文生; 机构河南师范大学计算机与信息工程学院教育人工智能与个性化学习河南省重点实验室(河南师范大学) 教学资源与教育质量评估大数据河南省工程实验室(河南师范大学) 中国科学院自动化研究所; 出处《计算机研究与发展》 EI CSCD 北大核心 2024年第7期1850-1862,共13页; 基金国家自然科学基金项目(62072160)。; 文摘社区检测是复杂网络分析的重要工具之一,可帮助深入了解网络的社区结构和节点间潜在的关系,但同时也带来了隐私泄露问题.社区隐藏作为社区检测的伴生问题,旨在以最小的边扰动代价破坏网络的社区结构,近年来受到越来越多学者的关注.但现有的社区隐藏方法忽略了网络的生成机制且缺少针对不同尺度隐藏的统一框架,因此提出了一种基于随机块模型的社区隐藏(community hiding-stochastic block model,HC-SBM)算法,该算法从网络生成机制角度构建了社区隐藏的统一框架,即实现微观(个体)、介观(社区)、宏观(网络)3个尺度上的社区检测算法攻击.其基本思想是基于随机块模型刻画网络的生成机制,特别是网络社区形成和分裂的规律和模式,挖掘生成过程中的关键性链接以及链接集合,最终通过最小代价扰动策略破坏网络社区结构.通过在真实网络上的大量实验,并与4种先进的基准算法进行比较,表明了提出的HC-SBM算法在社区隐藏效果更优.; 关键词社区隐藏社区检测随机块模型生成机制社会网络分析; Keywords community hiding community detection stochastic block model generation mechanism social network analysis; 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于邻域粗糙集和帝王蝶优化的特征选择算法被引量：6: 4; 作者孙林赵婧徐久成王欣雅; 机构河南师范大学计算机与信息工程学院教育人工智能与个性化学习河南省重点实验室(河南师范大学); 出处《计算机应用》 CSCD 北大核心 2022年第5期1355-1366,共12页; 基金国家自然科学基金资助项目(62076089,61772176,61976082) 河南省科技攻关项目(212102210136)。; 文摘针对经典的帝王蝶优化(MBO)算法不能很好地处理连续型数据,以及粗糙集模型对于大规模、高维复杂的数据处理能力不足等问题,提出了基于邻域粗糙集(NRS)和MBO的特征选择算法。首先,将局部扰动和群体划分策略与MBO算法结合,并构建传输机制以形成一种二进制MBO(BMBO)算法;其次,引入突变算子增强算法的探索能力,设计了基于突变算子的BMBO(BMBOM)算法;然后,基于NRS的邻域度构造适应度函数,并对初始化的特征子集的适应度值进行评估并排序;最后,使用BMBOM算法通过不断迭代搜索出最优特征子集,并设计了一种元启发式特征选择算法。在基准函数上评估BMBOM算法的优化性能,并在UCI数据集上评价所提出的特征选择算法的分类能力。实验结果表明,在5个基准函数上,BMBOM算法的最优值、最差值、平均值以及标准差明显优于MBO和粒子群优化(PSO)算法;在UCI数据集上,与基于粗糙集的优化特征选择算法、结合粗糙集与优化算法的特征选择算法、结合NRS与优化算法的特征选择算法、基于二进制灰狼优化的特征选择算法相比,所提特征选择算法在分类精度、所选特征数和适应度值这3个指标上表现良好,能够选择特征数少且分类精度高的最优特征子集。; 关键词帝王蝶优化特征选择邻域粗糙集邻域依赖度二进制; Keywords Monarch Butterfly Optimization(MBO) feature selection Neighborhood Rough Set(NRS) neighborhood dependence degree binary; 分类号 TP181 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

题名基于四维Chen混沌系统的深度神经网络模型主动保护方法: 5; 作者段新涛保梦茹武银行秦川; 机构河南师范大学计算机与信息工程学院; 出处《计算机应用》 2025年第11期3621-3631,共11页; 基金河南省高等学校重点科研项目(23A520006) 河南省科技攻关项目(222102210199)。; 文摘基于深度神经网络(DNN)的模型以其优越的性能得到了广泛的应用,但训练一个性能强大的DNN模型需要大量的数据集、专业知识、计算资源、硬件条件和时间等,如果对它进行非法盗用会对模型拥有者造成巨大的损失。针对DNN模型的安全和知识产权问题,提出一种DNN模型主动保护方法。该方法使用一种新的综合性权重选择策略精准定位模型中的重要权重,并结合DNN模型卷积层的结构特点,在三维混沌系统的基础上首次引入四维Chen混沌系统对卷积层的少量权重进行位置置乱加密。同时,为了解决授权用户即使拥有密钥也无法解密的问题,结合椭圆曲线加密算法(ECC)构建加密模型的数字签名方案。加密后,权重位置和混沌序列的初始值复合形成加密密钥,授权用户可以使用该密钥正确解密DNN模型,而未被授权的攻击者即使截获了DNN模型也无法正常使用。实验结果表明,对分类模型的少量权重位置进行置乱能显著降低分类准确率,并且解密模型可以实现无损恢复。此外,该方法能够抵抗微调和剪枝攻击,且得到的密钥具有较强的敏感性并能抵抗暴力攻击。同时,通过实验验证了该方法不仅对图像分类模型有效,还能保护深度图像隐写模型和目标检测模型,具有可迁移性。; 关键词 AI模型安全深度神经网络权重加密四维Chen混沌系统椭圆曲线加密算法; Keywords AI model security Deep Neural Network(DNN) weight encryption four-dimensional Chen chaotic system Elliptic Curve Cryptography(ECC)algorithm; 分类号 TP309.2 [自动化与计算机技术]; 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	基于遗传算法的属性网络社区隐藏方法	张博瀚吕乐荆军昌刘栋	《计算机应用》北大核心	2025	0	在线阅读下载PDF 职称材料
2	基于持久性的多目标节点隐藏方法	吕乐张博瀚荆军昌刘栋	《计算机应用》北大核心	2025	0	在线阅读下载PDF 职称材料
3	基于随机块模型的社区隐藏统一框架	刘栋刘侠贾若雪张文生	《计算机研究与发展》 EI CSCD 北大核心	2024	2	在线阅读下载PDF 职称材料
4	基于邻域粗糙集和帝王蝶优化的特征选择算法	孙林赵婧徐久成王欣雅	《计算机应用》 CSCD 北大核心	2022	6	在线阅读下载PDF 职称材料
5	基于四维Chen混沌系统的深度神经网络模型主动保护方法	段新涛保梦茹武银行秦川	《计算机应用》	2025		在线阅读下载PDF 职称材料