面向异构数据的安全自适应联邦学习框架

1

作者 李功丽 刘芳芳 +1 位作者 雷宏志 王梦涛 《计算机应用研究》 北大核心 2025年第5期1523-1531,共9页

联邦学习(FL)作为一种分布式学习范式,实现了本地训练和远程聚合,可以有效保护用户数据的安全。但是,也产生了推理攻击和投毒攻击等一系列问题,特别是在数据异构场景下投毒检测变得更加困难。针对上述问题,在数据异构场景下提出了一种... 联邦学习(FL)作为一种分布式学习范式,实现了本地训练和远程聚合,可以有效保护用户数据的安全。但是,也产生了推理攻击和投毒攻击等一系列问题,特别是在数据异构场景下投毒检测变得更加困难。针对上述问题,在数据异构场景下提出了一种安全自适应联邦学习方案(SAFL)。首先,SAFL利用边缘节点之间的相似性设计了一种聚类分层的隐私保护FL架构,并提出了基于零共享的轻量级FL安全求和协议,在保护模型参数隐私性的同时防止边缘节点与服务器之间合谋;然后,构造了一种密文下投毒检测方案并根据检测结果自适应裁剪确定簇内聚合系数,提高模型的鲁棒性;其次,提出了基于Wasserstein距离的自适应簇间聚合方案,增强全局模型的精度;最后,对SAFL进行安全分析,并将SAFL与现有方案进行比较。结果表明,在数据异构和盲化模型参数的情况下,SAFL仍能够有效检测恶意边缘节点,模型准确率提高约6.2%~45.6%,优于现有方案,并保持较低的计算和通信成本。 展开更多

关键词 联邦学习 隐私保护 投毒攻击检测 零共享 自适应聚合 安全余弦相似度

在线阅读 下载PDF 职称材料

梯度隐藏的安全聚类与隐私保护联邦学习 被引量：3

2

作者 李功丽 马婧雯 范云 《计算机应用研究》 CSCD 北大核心 2024年第6期1851-1861,共11页

联邦学习是一种前沿的分布式机器学习算法,它在保障用户对数据控制权的同时实现了多方协同训练。然而,现有的联邦学习算法在处理Non-IID数据、梯度信息泄露和动态用户离线等方面存在诸多问题。为了解决这些问题,基于四元数、零共享与秘... 联邦学习是一种前沿的分布式机器学习算法,它在保障用户对数据控制权的同时实现了多方协同训练。然而,现有的联邦学习算法在处理Non-IID数据、梯度信息泄露和动态用户离线等方面存在诸多问题。为了解决这些问题,基于四元数、零共享与秘密共享等技术,提出了一种梯度隐藏的安全聚类与隐私保护联邦学习SCFL。首先,借助四元数旋转技术隐藏首轮模型梯度,并且在确保梯度特征分布不变的情况下实现安全的聚类分层,从而解决Non-IID数据导致的性能下降问题;其次,设计了一种链式零共享算法,采用单掩码策略保护用户模型梯度;然后,通过门限秘密共享来提升对用户离线情况的鲁棒性。与其他现有算法进行多维度比较表明,SCFL在Non-IID数据分布下准确度提高3.13%~16.03%,整体运行时间提高3~6倍。同时,任何阶段均能保证信息传输的安全性,满足了精确性、安全性和高效性的设计目标。 展开更多

关键词 联邦学习 隐私保护 聚类 四元数 零共享 秘密共享

在线阅读 下载PDF 职称材料

基于深度神经网络的遗传算法对抗攻击 被引量：1

3

作者 范海菊 马锦程 李名 《河南师范大学学报(自然科学版)》 北大核心 2025年第2期82-90,I0007,共10页

深度神经网络(deep neural network,DNN)能够取得良好的分类识别效果,但在训练图像中添加微小扰动进行对抗攻击,其识别准确率会大大下降.在提出的方法中,通过遗传算法得到最优扰动后,修改图像极少的像素生成对抗样本,实现对VGG16等3个... 深度神经网络(deep neural network,DNN)能够取得良好的分类识别效果,但在训练图像中添加微小扰动进行对抗攻击,其识别准确率会大大下降.在提出的方法中,通过遗传算法得到最优扰动后,修改图像极少的像素生成对抗样本,实现对VGG16等3个基于卷积神经网络图像分类器的成功攻击.实验结果表明在对3个分类模型进行单像素攻击时,67.92%的CIFAR-10数据集中的自然图像可以被扰动到至少一个目标类,平均置信度为79.57%,攻击效果会随着修改像素的增加进一步提升.此外,相比于LSA和FGSM方法,攻击效果有着显著提升. 展开更多

关键词 卷积神经网络 遗传算法 对抗攻击 图像分类 信息安全

在线阅读 下载PDF 职称材料

基于后悔理论的多粒度直觉模糊三支决策模型 被引量：1

4

作者 庞文莉 于潇 +3 位作者 郑宇 陈辉 薛占熬 辛现伟 《数据采集与处理》 北大核心 2025年第2期501-516,共16页

传统基于函数或关系的三支决策模型在应对复杂多粒度决策问题求解时,容易忽略现实中信息的多粒度特性和决策者认知能力的局限性。基于此,本文提出了一种基于后悔理论的多粒度直觉模糊三支决策模型。首先,为处理直觉模糊数的复杂计算问题... 传统基于函数或关系的三支决策模型在应对复杂多粒度决策问题求解时,容易忽略现实中信息的多粒度特性和决策者认知能力的局限性。基于此,本文提出了一种基于后悔理论的多粒度直觉模糊三支决策模型。首先,为处理直觉模糊数的复杂计算问题,将θ算子与直觉模糊粗糙集相融合,提出了一种多粒度直觉模糊粗糙集上、下近似算子,并给出相应的三支决策规则。其次,为将决策者的认知特性融合到决策过程中,结合后悔理论构建了乐观和悲观策略下的多粒度三支排序方法。最后通过国际中文教育“中文+职业”人才胜任力评估的群决策实例验证了所提模型的有效性,为直觉模糊环境下融合决策者风险偏好的不确定性决策问题提供了一种新方法。 展开更多

关键词 多粒度 直觉模糊集 三支决策 后悔理论 三支排序

在线阅读 下载PDF 职称材料

基于S&P和Rec-Net的图像隐蔽通信主动防御方法

5

作者 马媛媛 赵颖澳 +2 位作者 张祎 张倩倩 罗向阳 《计算机学报》 北大核心 2025年第4期985-1011,共27页

近年来,隐蔽通信在社交网络中的广泛应用加剧了网络安全风险,使得可靠防御面临新的挑战。在防御方面,以往的研究主要集中在隐写检测等被动防御。然而,目前被动防御存在一些漏洞,一方面,在低负载率下,隐写检测的虚警率和漏检率过高,使得... 近年来,隐蔽通信在社交网络中的广泛应用加剧了网络安全风险,使得可靠防御面临新的挑战。在防御方面,以往的研究主要集中在隐写检测等被动防御。然而,目前被动防御存在一些漏洞,一方面,在低负载率下,隐写检测的虚警率和漏检率过高,使得隐写检测尚未达到百分百正确率,导致无法可靠判别;另一方面,因在社交网络等现实场景中无法获得载密图像的负载率、质量因子和隐写算法种类等先验知识,导致隐写分析人员难以对秘密信息进行定位和提取。因此,隐写检测为主的被动防御无法及时应对实际应用场景。针对上述问题,本文提出一种针对图像隐写的隐蔽通信主动防御方法,使得在通信双方毫无察觉的情况下彻底阻断秘密信息的传输。首先,分析不同噪声模型对载密图像的破坏程度,选取效果最好的椒盐噪声(Salt-and-Pepper noise,S&P)进行秘密信息的破坏,得到噪声图像;其次,通过对中值滤波层和高斯滤波层的原理性分析,发现中值滤波层和高斯滤波层适用于恢复噪声图像质量和破坏秘密信息,基于此,设计一个端到端的图像恢复网络(Recovery Network,Rec-Net),得到高质量的“干净”图像。Rec-Net既维持社交网络通信双方传递图像的视觉效果和秘密信息破坏效果,又不改变图像的存储空间大小;最后,鉴于误码率和清除率准则在未知隐写和完整秘密信息序列等先验知识前提下无法度量主动防御效果,本文提出一种新的基于改变率的隐写主动防御图像评价准则,同时能够快捷准确度量图像中秘密信息破坏的主动防御效果。所提方法不仅对不同隐写的隐蔽通信具有通用性,而且满足社交网络实时性要求。实验结果表明,在不同数据集下,本文方法均具有高秘密信息破坏效果和高图像质量,能够达到100%的防御成功率,阻断社交网络中的隐蔽通信,其中“干净”图像的误码率最高可达到53%。同时,在不同负载率的数据集下,本方法与SC-Net方法和AONet方法进行对比,在秘密信息破坏方面各提升5.61%和0.56%;在图像质量方面各提升4.44%和34.8%. 展开更多

关键词 主动防御 鲁棒隐写 卷积神经网络 S&P噪声 隐蔽通信

在线阅读 下载PDF 职称材料

基于孪生网络和交叉注意力机制的空域和JPEG图像隐写分析

6

作者 张倩倩 李浩 +2 位作者 张祎 马媛媛 罗向阳 《计算机学报》 北大核心 2025年第6期1305-1326,共22页

近年来,深度学习在图像隐写分析任务中表现出了优越的性能。然而,此类方法在捕获图像中微弱的隐写噪声时,往往会因下采样过程中大量关键细节信息的丢失,导致在检测空域和JPEG隐写图像时难以同时实现高检测准确率。为此,本文基于孪生神... 近年来,深度学习在图像隐写分析任务中表现出了优越的性能。然而,此类方法在捕获图像中微弱的隐写噪声时,往往会因下采样过程中大量关键细节信息的丢失,导致在检测空域和JPEG隐写图像时难以同时实现高检测准确率。为此,本文基于孪生神经网络对图像进行分区域细粒度学习,同时利用交叉注意力机制进一步增强模型全局信息感知能力,提出一种跨通道交叉注意力增强的隐写分析方法(CES-Net)。首先,采用孪生神经网络作为主干网对图像进行分区域学习,以细致地感知空域和JPEG图像的像素信息和微弱的隐写噪声,同时,设计了多样化的高通滤波器和多层卷积作为网络预处理层来获取丰富且高质量的隐写噪声残差;接着,改进了特征提取部分,提出了跨通道交叉注意力网络,使模型提取到更多因隐写嵌入对图像像素相关性造成扰动的隐写特征,用于基于秘密噪声残差等弱信息的隐写图像分类任务;最后,融合子网络学习到的不同区域图像的分类特征,并输入全连接层组成的分类模块对载体和载密图像进行分类,提升检测效果。在隐写和隐写分析领域常用的图像数据集BOSSBase-1.01和BOWs2上进行了大量实验,结果表明,CES-Net方法与现有方法相比,对于空域和JPEG图像的多种主流隐写算法均能达到目前最优的检测准确率,其中,对多种空域隐写算法(WOW、S-UNIWARD和HILL)在不同嵌入比率下生成的载密图像,检测准确率最高分别提升1.27%~25.61%、2.1%~21.73%和1.69%~23.46%;对JPEG图像自适应隐写算法J-UNIWARD在不同嵌入比率下生成的载密图像,CES-Net方法对两种质量因子(QF=75和QF=85)的JPEG图像隐写检测准确率最高分别提升2.34%和2.06%。 展开更多

关键词 隐写分析 隐写 孪生网络 交叉注意力机制 信息隐藏

在线阅读 下载PDF 职称材料

基于多重相似性和增强注意力预测药物-靶标相互作用

7

作者 王伟 余梦雪 +5 位作者 孙斌 万仕彤 刘栋 周运 张红军 王鲜芳 《河南师范大学学报(自然科学版)》 北大核心 2025年第2期99-107,共9页

在新药发现和药物重定位研究中,发现药物与靶标之间的相互作用是重要的研究内容.针对药物与靶标相互作用网络,提出一种基于多重相似性和增强注意力机制的图卷积神经网络模型(RSGCN)预测药物-靶标相互作用.首先,提出了多重相似性来捕捉... 在新药发现和药物重定位研究中,发现药物与靶标之间的相互作用是重要的研究内容.针对药物与靶标相互作用网络,提出一种基于多重相似性和增强注意力机制的图卷积神经网络模型(RSGCN)预测药物-靶标相互作用.首先,提出了多重相似性来捕捉网络结构特征,以充分利用节点间的直接或间接关系.然后,通过PCA降维减少相似性噪声对实验结果的影响.最后,采用图卷积神经网络(graph convolution neural network,GCN)获得节点嵌入表示,并融入基于注意力的增强层,通过增强注意力机制获得节点间的注意力权重,能够高效地预测药物与靶标之间的相互作用.在黄金标准数据集上的实验结果表明RSGCN模型具有较好的性能. 展开更多

关键词 图卷积神经网络(GCN) 多重相似性 PCA 增强注意力机制 药物-靶标相互作用

在线阅读 下载PDF 职称材料

低带宽场景下防合谋多方隐私集合并集协议

8

作者 张恩 王梦涛 +2 位作者 郑东 禹勇 黄昱晨 《通信学报》 北大核心 2025年第1期210-221,共12页

针对现存的多方隐私集合并集(MPSU)协议存在交互轮数多以及通信开销大等问题,使其无法在低带宽场景中得以有效应用,设计了一种基于不经意键值存储和门限同态加密技术的不经意匹配置换方法,并运用该方法提出了一种半诚实模型下的多方隐... 针对现存的多方隐私集合并集(MPSU)协议存在交互轮数多以及通信开销大等问题,使其无法在低带宽场景中得以有效应用,设计了一种基于不经意键值存储和门限同态加密技术的不经意匹配置换方法,并运用该方法提出了一种半诚实模型下的多方隐私集合并集协议。该协议允许N个参与方共同计算所有集合的并集,且不会泄露任何其他的信息,具有通信轮数少、能抵御N-1个参与方的合谋、通信开销低等优势,比现有最先进的多方隐私集合并集的通信开销降低了65%左右。 展开更多

关键词 多方隐私集合并集 低带宽场景 不经意键值存储 半诚实模型 门限同态加密

在线阅读 下载PDF 职称材料

对抗性增强的图像块位平面拆分缩略图保留加密

9

作者 李名 崔清晨 +2 位作者 王曦 张静 李文泽 《河南师范大学学报（自然科学版）》 CAS 北大核心 2025年第1期92-99,共8页

随着个人图像数量日益增加,云服务开始在图像存储方面发挥重要作用.然而,将图像上传到云端将会面临隐私威胁.传统的加密方案对图像进行简单加密就可以保护图像隐私,但它牺牲了图像内容的可用性.近年来,缩略图保留加密(thumbnail preserv... 随着个人图像数量日益增加,云服务开始在图像存储方面发挥重要作用.然而,将图像上传到云端将会面临隐私威胁.传统的加密方案对图像进行简单加密就可以保护图像隐私,但它牺牲了图像内容的可用性.近年来,缩略图保留加密(thumbnail preserving encryption,TPE)被提出,通过加密后保持缩略图不变使云中图像在不被非法第三方肉眼识别的同时能对用户具有可用性.但是现有的TPE方案没有考虑到机器学习对图像的隐私威胁.基于此,提出了一种新的TPE方案,该方案在加密过程中从对抗深度学习模型识别图像这一全新的角度出发,提高了保护图像隐私信息的能力.实验表明,所提出的方案能够在图像对用户具有可用性的同时抵抗人类肉眼和深度神经网络识别图像. 展开更多

关键词 图像加密 对抗性 可用性 隐私性

在线阅读 下载PDF 职称材料

一种具有多级安全目标的动态对称可搜索加密方案

10

作者 李功丽 李露 +1 位作者 黄昱晨 陈晓迪 《计算机应用研究》 北大核心 2025年第7期2168-2175,共8页

可搜索加密是将数据文件加密后存储到云端,然后对密文进行检索的一种技术。动态可搜索加密允许对云端的文件进行动态更新,然而现有动态可搜索加密方案都着重解决前向和后向安全问题且大多仅支持单用户搜索,无法同时保护搜索模式和访问... 可搜索加密是将数据文件加密后存储到云端,然后对密文进行检索的一种技术。动态可搜索加密允许对云端的文件进行动态更新,然而现有动态可搜索加密方案都着重解决前向和后向安全问题且大多仅支持单用户搜索,无法同时保护搜索模式和访问模式。针对上述问题,基于不经意键值对存储技术,设计了一种满足前向安全、隐藏搜索模式和访问模式、具有三级安全目标的动态对称可搜索加密方案TS-MDSSE。并在此基础上,进一步在更新算法中利用随机值替换技术,满足了后向安全,实现了具有四级安全目标的FS-MDSSE方案。安全分析与实验表明,所提方案不仅满足多等级安全目标,而且支持多用户查询,完成一次搜索仅需0.022 ms。 展开更多

关键词 动态对称可搜索加密 多用户 搜索模式隐藏 访问模式隐藏 前后向安全 多级安全目标

在线阅读 下载PDF 职称材料

基于主题条件CNN-BiLSTM的旋律自动生成方法

11

作者 曹西征 张航 李伟 《河南师范大学学报(自然科学版)》 北大核心 2025年第3期135-142,共8页

为了有效地生成结构化的旋律,提出了一种基于主题条件CNN-BiLSTM的旋律自动生成方法.将旋律表示为钢琴卷帘窗的形式,使用定长、变长相结合的方法分割钢琴卷帘窗;通过Ward聚类算法对钢琴卷帘窗片段进行聚类分析,将获取的最大簇作为歌曲... 为了有效地生成结构化的旋律,提出了一种基于主题条件CNN-BiLSTM的旋律自动生成方法.将旋律表示为钢琴卷帘窗的形式,使用定长、变长相结合的方法分割钢琴卷帘窗;通过Ward聚类算法对钢琴卷帘窗片段进行聚类分析,将获取的最大簇作为歌曲的旋律主题;以旋律主题作为条件使用基于CNN-BiLSTM结构的模型进行旋律生成,其上半部分CNN可以有效地提取钢琴卷帘窗中所包含时间和音高之间的信息,下半部分利用LSTM和BiLSTM更好地捕捉到序列中的时序信息.结果表明,相较于现有的MidiNet模型,使用的旋律主题条件CNN-BiLSTM模型在准确率、归一化KL散度方面分别高出23%和0.17,生成的乐曲在连贯性和情感表达方面也优于传统的模型. 展开更多

关键词 音乐生成 自动作曲 CNN-BiLSTM 旋律主题提取 聚类

在线阅读 下载PDF 职称材料

MCNet:融合多层感知机和卷积的轻量级病变区域分割网络

12

作者 申华磊 上官国庆 +2 位作者 袁成雨 陈艳浩 刘栋 《河南师范大学学报(自然科学版)》 北大核心 2025年第3期96-103,共8页

针对现有医学图像分割网络存在计算量大、对硬件资源要求高和推理速度慢等不足,提出一种轻量级快速分割网络MCNet.MCNet采用编码器-解码器架构,使用多层感知机(MLP)和卷积分别提取并融合医学图像的全局特征和局部特征,以减少网络参数量... 针对现有医学图像分割网络存在计算量大、对硬件资源要求高和推理速度慢等不足,提出一种轻量级快速分割网络MCNet.MCNet采用编码器-解码器架构,使用多层感知机(MLP)和卷积分别提取并融合医学图像的全局特征和局部特征,以减少网络参数量并提高分割精度.在编码阶段使用卷积分支和多层感知机分支分别提取多尺度的局部特征和全局特征.通过跳跃连接融合这些特征并送入解码器.在解码阶段使用注意力门控机制进行特征增强.在BUSI和ISIC2018数据集上进行实验.和当前最优方法相比,MCNet的Dice相似系数和均交并比在BUSI数据集上分别提高0.11%和0.09%、在ISIC2018数据集上分别提高0.64%和0.95%.同时,MCNet显著减少了网络参数量、降低了浮点运算次数并缩短了CPU推理时间. 展开更多

关键词 医学图像分割 深度神经网络 多层感知机(MLP) 轻量级网络

在线阅读 下载PDF 职称材料

基于深度学习的无人机遥感小麦倒伏面积提取方法 被引量：21

13

作者 申华磊 苏歆琪 +3 位作者 赵巧丽 周萌 刘栋 臧贺藏 《农业机械学报》 EI CAS CSCD 北大核心 2022年第9期252-260,341,共10页

为及时准确地提取小麦倒伏面积,提出一种融合多尺度特征的倒伏面积分割模型Attention_U^(2)-Net。该模型以U^(2)-Net为架构,利用非局部注意力(Non-local attention)机制替换步长较大的空洞卷积,扩大高层网络感受野,提高不同尺寸地物识... 为及时准确地提取小麦倒伏面积,提出一种融合多尺度特征的倒伏面积分割模型Attention_U^(2)-Net。该模型以U^(2)-Net为架构,利用非局部注意力(Non-local attention)机制替换步长较大的空洞卷积,扩大高层网络感受野,提高不同尺寸地物识别准确率;使用通道注意力机制改进级联方式提升模型精度;构建多层级联合加权损失函数,用于解决均衡难易度和正负样本不均衡问题。Attention_U^(2)-Net在自建数据集上采用裁剪方式提取小麦倒伏面积,查准率为86.53%,召回率为89.42%,F1值为87.95%。与FastFCN、U-Net、U^(2)-Net、FCN、SegNet、DeepLabv3等模型相比,Attention_U^(2)-Net具有最高的F1值。通过与标注面积对比,Attention_U^(2)-Net使用裁剪方式提取面积与标注面积最为接近,倒伏面积准确率可达97.25%,且误检面积最小。实验结果表明,Attention_U^(2)-Net对小麦倒伏面积提取具有较强的鲁棒性和准确率,可为无人机遥感小麦受灾面积及评估损失提供参考。 展开更多

关键词 小麦 无人机遥感 倒伏面积提取 深度学习 U~2-Net

在线阅读 下载PDF 职称材料

基于LSTM和注意力机制的蛋白质-配体结合亲和力预测 被引量：1

14

作者 王伟 吴世玉 +5 位作者 刘栋 梁慧茹 史进玲 周运 张红军 王鲜芳 《陕西师范大学学报（自然科学版）》 CAS CSCD 北大核心 2024年第3期76-84,共9页

蛋白质-配体的结合亲和力预测是药物重定位回归中具有挑战性的任务。深度学习方法可以有效预测蛋白质与配体相互作用的结合亲和力,减少药物发现的时间和成本。由此,基于长短期记忆模块(LSTM)和注意力机制模块(attention)提出了一种深度... 蛋白质-配体的结合亲和力预测是药物重定位回归中具有挑战性的任务。深度学习方法可以有效预测蛋白质与配体相互作用的结合亲和力,减少药物发现的时间和成本。由此,基于长短期记忆模块(LSTM)和注意力机制模块(attention)提出了一种深度卷积神经网络模型(DLLSA)。模型由嵌入LSTM和空间注意力模块(spatial-attention)的卷积网络并行模块构建,其中LSTM模块针对蛋白质-配体接触特征的长序列信息,spatial-attention注意力模块聚集接触特征局部信息。采用PDBbind(v.2020)数据集进行训练,CASF-2013和CASF-2016数据集进行验证,模型的皮尔逊相关系数相比于PLEC模型分别提高了0.6%和3%,实验结果显著优于其他相关方法。 展开更多

关键词 结合亲和力 卷积神经网络 注意力机制 评分功能 机器学习

在线阅读 下载PDF 职称材料

基于同态加的压缩感知加密域信息隐藏算法 被引量：1

15

作者 李名 信鑫 《计算机工程与科学》 CSCD 北大核心 2024年第9期1598-1605,共8页

信息隐藏可为云和物联网环境中的海量数据提供必要的安全保护,传统的加密技术虽然有效保护了图像的隐私,但是无法同时提供版权、完整性等方面的保护,因此,在加密域进行信息隐藏面临着较大的需求和挑战。提出了一种在压缩感知同态加密域... 信息隐藏可为云和物联网环境中的海量数据提供必要的安全保护,传统的加密技术虽然有效保护了图像的隐私,但是无法同时提供版权、完整性等方面的保护,因此,在加密域进行信息隐藏面临着较大的需求和挑战。提出了一种在压缩感知同态加密域进行信息隐藏的算法。首先,对压缩感知的同态性进行探索,发现对压缩感知获得的测量值进行加倍,与直接扩展原始信号后再进行压缩感知具有相同的效果。然后,利用同态加运算实现基于差分扩展的压缩感知加密域的信息隐藏。实验仿真结果表明,该算法具有较好的隐私保护性能和信息隐藏性能,并且与最新的加密域信息隐藏算法相比,具有更高的嵌入容量。 展开更多

关键词 压缩感知 同态加密 差分扩展 信息隐藏

在线阅读 下载PDF 职称材料

融合边界注意力的特征挖掘息肉小目标网络

16

作者 刘国奇 陈宗玉 +2 位作者 刘栋 常宝方 王佳佳 《智能系统学报》 CSCD 北大核心 2024年第5期1092-1101,共10页

从结肠图像中分割息肉小目标病变区域对于预防结直肠癌至关重要,它可以为结直肠癌的诊断提供有价值的信息。然而目前现有的方法存在2个局限性:一是不能稳健捕获全局上下文信息,二是未能充分挖掘细粒度细节特征信息。因此,提出融合边界... 从结肠图像中分割息肉小目标病变区域对于预防结直肠癌至关重要,它可以为结直肠癌的诊断提供有价值的信息。然而目前现有的方法存在2个局限性:一是不能稳健捕获全局上下文信息,二是未能充分挖掘细粒度细节特征信息。因此,提出融合边界注意力的特征挖掘息肉小目标网络(transformer feature boundary network,TFB-Net)。该网络主要包括3个核心模块:首先,采用Transformer辅助编码器建立长程依赖关系,补充全局信息;其次,设计特征挖掘模块进一步细化特征,学习到更好的特征;最后,使用边界反转注意力模块加强对边界语义空间的关注,提高区域辨别能力。在5个息肉小目标数据集上进行广泛实验,实验结果表明TFBNet具有优越的分割性能。 展开更多

关键词 息肉小目标分割 TRANSFORMER 卷积神经网络 特征挖掘 注意力机制 边界注意力 语义信息 全局特征

在线阅读 下载PDF 职称材料

基于多重注意力和schatten-p范数的息肉分割网络

17

作者 李苏 刘国奇 +1 位作者 刘栋 赵曼琪 《数据采集与处理》 CSCD 北大核心 2024年第1期223-235,共13页

自动准确的息肉定位分割方法可以在结直肠癌病变早期及时地发现息肉,大大降低癌变几率。编解码结构作为近年来息肉分割中最主流的网络结构,已经得到了很大的改进,如提高模型捕获全局上下文特征和局部特征的能力,使用深层特征对浅层解码... 自动准确的息肉定位分割方法可以在结直肠癌病变早期及时地发现息肉,大大降低癌变几率。编解码结构作为近年来息肉分割中最主流的网络结构,已经得到了很大的改进,如提高模型捕获全局上下文特征和局部特征的能力,使用深层特征对浅层解码做指导。但是息肉形状和大小不一,在编码时,由于卷积特性容易过于陷入局部信息挖掘,而失去远程信息依赖关系;还有一些息肉图像存在对比度低、空间复杂的特性,导致息肉与背景两者极易混淆。本文提出了基于多重注意力和schatten-p范数的息肉分割网络。其中,轴向多重注意力模块利用轴向注意力补充图像中的远程上下文关系,同时补充对边缘、背景信息的关注以实现特征互补,在注意全局特征的同时加强对局部细节特征的捕捉;利用矩阵奇异值和矩阵隐含信息的关联性,引入schatten-p范数作约束,从矩阵角度分析数据,辅助模型辨别前景和背景。通过设置大量实验,证明了本文提出方法的有效性,并且MASNet在Kvasir-SEG数据集上对比不同的方法,取得了较好的分割结果。 展开更多

关键词 息肉分割 卷积 注意力 schatten-p范数

在线阅读 下载PDF 职称材料

抗恶意敌手的线性门限隐私集合交集协议

18

作者 贾正坤 张恩 王梦涛 《计算机应用研究》 CSCD 北大核心 2024年第9期2846-2853,共8页

门限隐私集合交集(TPSI)是安全多方计算中的一种特例,其在机器学习、共享拼车、指纹识别等多个领域有广泛的应用。然而,目前存在的方案均基于计算复杂度较高的算法,并且仅在半诚实模型下实现,导致协议计算开销较大且无法抵抗恶意敌手的... 门限隐私集合交集(TPSI)是安全多方计算中的一种特例,其在机器学习、共享拼车、指纹识别等多个领域有广泛的应用。然而,目前存在的方案均基于计算复杂度较高的算法,并且仅在半诚实模型下实现,导致协议计算开销较大且无法抵抗恶意敌手的攻击。为了解决以上问题,首先提出了一个向量不经意匹配测试(VOMT)协议,并基于VOMT和布谷鸟哈希设计了一个高效的半诚实TPSI协议。此外,结合VOMT与对称密钥加密方案构造出向量不经意解密匹配测试(VODMT)协议,并基于VODMT与不经意伪随机函数设计了一个可以抵抗恶意敌手的TPSI协议。随后,分别在半诚实模型和恶意模型下证明了协议的安全性,并分析得出两个协议的计算复杂度和通信复杂度均为线性。在集合大小为4096时,提出的两个协议的在线运行时间分别为0.81 s和1.81 s,而先前的工作则需要5627 s,所以两个协议均是高效的。 展开更多

关键词 隐私计算 门限隐私集合交集 不经意键值对存储 不经意伪随机函数 布谷鸟哈希

在线阅读 下载PDF 职称材料

3D UNeXt:轻量级快速脑提取网络

19

作者 申华磊 王琦 +1 位作者 上官国庆 刘栋 《计算机应用研究》 CSCD 北大核心 2024年第6期1876-1881,共6页

为了解决现有脑提取网络结构复杂、参数量大且推理速度不高的问题,受UNeXt启发,提出一种基于3D卷积、3D多层感知机(multilayer perception,MLP)和多尺度特征融合的轻量级快速脑提取网络3D UNeXt,极大地减少了参数和浮点运算量,取得了令... 为了解决现有脑提取网络结构复杂、参数量大且推理速度不高的问题,受UNeXt启发,提出一种基于3D卷积、3D多层感知机(multilayer perception,MLP)和多尺度特征融合的轻量级快速脑提取网络3D UNeXt,极大地减少了参数和浮点运算量,取得了令人满意的结果。3D UNeXt以U-Net为基本架构,在编码阶段使用3D卷积模块获取局部特征;在瓶颈阶段通过3D MLP模块获取全局特征和特征之间的远程依赖;在解码阶段借助多尺度特征融合模块高效融合浅层特征和深层特征。特别地,3D MLP模块在三个不同特征轴向进行线性移位操作,以获取不同维度特征的全局感受野并建立它们之间的远程依赖。在IBSR、NFBS和HTU-BrainMask三个数据集上进行实验,以和先进网络进行对比。实验结果表明,3D UNeXt在网络参数、浮点运算量、推理精度和速度等方面显著优于现有模型。 展开更多

关键词 脑提取 深度神经网络 U-Net 多尺度特征融合 3D MLP

在线阅读 下载PDF 职称材料

基于矢量量化域相似码字替换的对抗嵌入方法

20

作者 范海菊 秦小娜 李名 《南京大学学报（自然科学版）》 CAS CSCD 北大核心 2023年第4期644-659,共16页

为了整合对图像的隐私保护、版权保护、完整性保护,提出一种压缩域基于相似码字替换的对抗嵌入方法.该方法属于对抗攻击和信息隐藏的交叉新领域,将传统对抗攻击方法中人为添加的无意义噪声替换成有意义的秘密信息,使对抗嵌入图像错误分... 为了整合对图像的隐私保护、版权保护、完整性保护,提出一种压缩域基于相似码字替换的对抗嵌入方法.该方法属于对抗攻击和信息隐藏的交叉新领域,将传统对抗攻击方法中人为添加的无意义噪声替换成有意义的秘密信息,使对抗嵌入图像错误分类,防止攻击者在云端海量数据库中通过神经网络分类模型捕获特定类别的图像,实现对图像的隐私保护;而且,可以从对抗嵌入图像中完整提取隐藏的秘密信息,实现对图像的版权保护.该对抗嵌入方法的攻击对象是图像的压缩形式-矢量量化索引,攻击中使用该索引的不同相似码字索引替换嵌入的秘密信息,可以实现在高压缩率情况下对图像的双重保护.使用遗传算法优化相似索引扰动,可以有效地降低真实类别的概率,误导分类模型的输出.实验结果证明,在CIFAR-10测试数据集上,使用三种经典的网络分类模型(Resnet,NIN,VGG16),提出的对抗嵌入方法使90.83%的图像以85.44%的平均置信度被错误分类,且嵌入容量可以达到0.75 bpp. 展开更多

关键词 对抗攻击 神经网络 矢量量化 信息安全

在线阅读 下载PDF 职称材料