检索结果-维普期刊中文期刊服务平台

基于联合预测框架的鲁棒车辆轨迹预测: 1; 作者徐东伟刘靥宛则 +2 位作者马潇畅张彪陈滨《高技术通讯》北大核心 2025年第7期799-812,共14页; 针对现有车辆轨迹预测方法在面对恶劣噪声轨迹时呈现出的脆弱性问题,本文提出了联合时空注意力网络(united spatio-temporal attention net,USTAN)实现鲁棒的车辆轨迹预测。首先,一种联合预测框架被提出:USTAN包括基于时空注意力的车辆... 展开更多; 关键词智能交通车辆轨迹预测鲁棒性知识蒸馏剪枝; 在线阅读下载PDF 职称材料

深度强化学习的攻防与安全性分析综述被引量：12: 2; 作者陈晋音章燕 +3 位作者王雪柯蔡鸿斌王珏纪守领《自动化学报》 EI CAS CSCD 北大核心 2022年第1期21-39,共19页; 深度强化学习是人工智能领域新兴技术之一,它将深度学习强大的特征提取能力与强化学习的决策能力相结合,实现从感知输入到决策输出的端到端框架,具有较强的学习能力且应用广泛.然而,已有研究表明深度强化学习存在安全漏洞,容易受到对抗... 展开更多; 关键词深度强化学习对抗攻击防御策略攻击安全性; 在线阅读下载PDF 职称材料

基于决策边界敏感性和小波变换的电磁信号调制智能识别对抗样本检测方法被引量：4: 3; 作者徐东伟蒋斌 +5 位作者朱慧燕宣琦王巍林云沈伟国杨小牛《信号处理》 CSCD 北大核心 2024年第4期625-638,共14页; 深度学习在图像分类和分割、物体检测和追踪、医疗、翻译和语音识别等与人类相关的任务中取得了巨大的成功。它能够处理大量复杂的数据,并自动提取特征进行预测,因此可以更准确地预测结果。随着深度学习模型的不断发展,以及可获得的数... 展开更多; 关键词对抗样本检测小波重构决策边界电磁信号对抗攻击; 在线阅读下载PDF 职称材料

基于特征融合的电磁信号对抗样本检测方法: 4; 作者徐东伟蒋斌 +4 位作者陈嘉峻宣琦王巍赵文红杨小牛《电波科学学报》 CSCD 北大核心 2024年第5期926-933,共8页; 针对电磁信号调制识别智能模型容易受到对抗样本攻击的问题,提出了一种基于特征融合的电磁信号对抗样本检测方法。该方法首先通过变分模态分解对测试样本进行去噪得到去噪后的电磁信号样本,然后分别将去噪前后的电磁信号样本输入到神经... 展开更多; 关键词电磁信号调制识别对抗样本检测特征融合余弦相似性置信度差; 在线阅读下载PDF 职称材料

题名基于联合预测框架的鲁棒车辆轨迹预测: 1; 作者徐东伟刘靥宛则马潇畅张彪陈滨; 机构浙江工业大学网络安全研究院浙江工业大学信息工程学院中国物品编码中心嘉兴市智慧交通重点实验室; 出处《高技术通讯》北大核心 2025年第7期799-812,共14页; 基金国家自然科学基金(62373325) 浙江省自然科学基金(LY21F030016) 嘉兴市智慧交通重点实验室开放课题(ZHJT202302)资助项目。; 文摘针对现有车辆轨迹预测方法在面对恶劣噪声轨迹时呈现出的脆弱性问题,本文提出了联合时空注意力网络(united spatio-temporal attention net,USTAN)实现鲁棒的车辆轨迹预测。首先,一种联合预测框架被提出:USTAN包括基于时空注意力的车辆轨迹预测模型(spatio-temporal attention net,STAN)与其学生模型,联合预测结果由2个模型的输出决定;其次,一种鲁棒压缩策略被用于提取STAN的学生模型;随后,基于极值理论的检测算法被应用于恶劣噪声轨迹的识别;最后,研究采用真实道路数据集NGSIMUS-101和I-80验证方法的可行性并评估方法的有效性。实验结果表明,该方法在使用恶劣噪声轨迹进行预测时,鲁棒性较好,平均位移误差仅上升32.04%,且能有效识别所使用的恶劣噪声轨迹。; 关键词智能交通车辆轨迹预测鲁棒性知识蒸馏剪枝; Keywords intelligent transportation vehicle trajectory prediction robustness knowledge distillation pruning; 分类号 U495 [交通运输工程—交通运输规划与管理]; 在线阅读下载PDF 职称材料

题名深度强化学习的攻防与安全性分析综述被引量：12: 2; 作者陈晋音章燕王雪柯蔡鸿斌王珏纪守领; 机构浙江工业大学信息工程学院浙江工业大学网络安全研究院华东师范大学软件工程学院浙江大学计算机科学与技术学院; 出处《自动化学报》 EI CAS CSCD 北大核心 2022年第1期21-39,共19页; 基金浙江省自然科学基金(LY19F020025) 宁波市“科技创新2025”重大专项(2018B10063) 科技创新2030—“新一代人工智能”重大项目(2018AAA0100800)资助~~。; 文摘深度强化学习是人工智能领域新兴技术之一,它将深度学习强大的特征提取能力与强化学习的决策能力相结合,实现从感知输入到决策输出的端到端框架,具有较强的学习能力且应用广泛.然而,已有研究表明深度强化学习存在安全漏洞,容易受到对抗样本攻击.为提高深度强化学习的鲁棒性、实现系统的安全应用,本文针对已有的研究工作,较全面地综述了深度强化学习方法、对抗攻击、防御方法与安全性分析,并总结深度强化学习安全领域存在的开放问题以及未来发展的趋势,旨在为从事相关安全研究与工程应用提供基础.; 关键词深度强化学习对抗攻击防御策略攻击安全性; Keywords Deep reinforcement learning adversarial attack defense policy attack security; 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

题名基于决策边界敏感性和小波变换的电磁信号调制智能识别对抗样本检测方法被引量：4: 3; 作者徐东伟蒋斌朱慧燕宣琦王巍林云沈伟国杨小牛; 机构浙江工业大学网络安全研究院浙江工业大学信息工程学院电磁空间安全全国重点实验室哈尔滨工程大学信息与通信工程学院; 出处《信号处理》 CSCD 北大核心 2024年第4期625-638,共14页; 基金国家自然科学基金联合重点基金(U21B2001) 嘉兴南湖学院校级科研项目(62211ZL)。; 文摘深度学习在图像分类和分割、物体检测和追踪、医疗、翻译和语音识别等与人类相关的任务中取得了巨大的成功。它能够处理大量复杂的数据,并自动提取特征进行预测,因此可以更准确地预测结果。随着深度学习模型的不断发展,以及可获得的数据和计算能力的提高,这些应用的准确性不断提升。最近,深度学习也在电磁信号领域得到了广泛应用,例如利用神经网络根据信号的频域和时域特征对其进行分类。但神经网络容易受到对抗样本的干扰,这些对抗样本可以轻易欺骗神经网络,导致分类错误。因此,对抗样本的生成、检测和防护的研究变得尤为重要,这将促进深度学习在电磁信号领域和其他领域的发展。针对现阶段单一的检测方法的有效性不高的问题,提出了基于决策边界敏感性和小波变换重构的对抗样本检测方法。利用了对抗样本与正常样本对模型决策边界的敏感性差异来进行检测,接着针对第一检测阶段中未检测出的对抗样本,本文利用小波变换对样本进行重构,利用样本去噪前后在模型中的预测值差异来进行检测。本文在两种调制信号数据集上进行了实验分析,并与基线检测方法进行对比,此方法更优。这一研究的创新点在于综合考虑了模型决策边界的敏感性和小波变换的重构能力,通过巧妙的组合,提出了一种更为全面、精准的对抗样本检测方法。这为深度学习在电磁信号领域的稳健应用提供了新的思路和方法。; 关键词对抗样本检测小波重构决策边界电磁信号对抗攻击; Keywords adversarial detection wavelet reconstruction decision boundaries electromagnetic signal adversarial attack; 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

题名基于特征融合的电磁信号对抗样本检测方法: 4; 作者徐东伟蒋斌陈嘉峻宣琦王巍赵文红杨小牛; 机构杭州市滨江区浙工大人工智能创新研究院浙江工业大学网络安全研究院中国电子科技集团公司第三十六研究所嘉兴学院; 出处《电波科学学报》 CSCD 北大核心 2024年第5期926-933,共8页; 基金国家自然科学基金联合重点基金(U21B2001) 嘉兴南湖学院校级科研项目(62211ZL)。; 文摘针对电磁信号调制识别智能模型容易受到对抗样本攻击的问题,提出了一种基于特征融合的电磁信号对抗样本检测方法。该方法首先通过变分模态分解对测试样本进行去噪得到去噪后的电磁信号样本,然后分别将去噪前后的电磁信号样本输入到神经网络模型中,接着计算去噪前后模型输出向量的余弦相似性值和置信度差值,最后将两个特征进行融合,输入到一个神经网络模型中进行检测。与基线方法相比,该方法在实验中取得了更高的检测成功率。本文方法具有时间复杂度低、易于实现的优点,为电磁信号调制识别智能模型提供了一种新颖的对抗样本检测方法。; 关键词电磁信号调制识别对抗样本检测特征融合余弦相似性置信度差; Keywords electromagnetic signal modulation recognition deep learning adversarial sample detection cosine similarity confidence difference; 分类号 TN975 [电子电信—信号与信息处理]; 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	基于联合预测框架的鲁棒车辆轨迹预测	徐东伟刘靥宛则马潇畅张彪陈滨	《高技术通讯》北大核心	2025	0	在线阅读下载PDF 职称材料
2	深度强化学习的攻防与安全性分析综述	陈晋音章燕王雪柯蔡鸿斌王珏纪守领	《自动化学报》 EI CAS CSCD 北大核心	2022	12	在线阅读下载PDF 职称材料
3	基于决策边界敏感性和小波变换的电磁信号调制智能识别对抗样本检测方法	徐东伟蒋斌朱慧燕宣琦王巍林云沈伟国杨小牛	《信号处理》 CSCD 北大核心	2024	4	在线阅读下载PDF 职称材料
4	基于特征融合的电磁信号对抗样本检测方法	徐东伟蒋斌陈嘉峻宣琦王巍赵文红杨小牛	《电波科学学报》 CSCD 北大核心	2024	0	在线阅读下载PDF 职称材料