面向加密数据的安全图像分类模型研究综述 被引量：6

1

作者 孙隆隆 李辉 +1 位作者 于诗文 王迎雪 《密码学报》 CSCD 2020年第4期525-540,共16页

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... 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. 展开更多

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

在线阅读 下载PDF 职称材料

面向物联网隐私数据分析的分布式弹性网络回归学习算法 被引量：17

2

作者 方维维 刘梦然 +2 位作者 王云鹏 李阳阳 安竹林 《电子与信息学报》 EI CSCD 北大核心 2020年第10期2403-2411,共9页

为了解决基于集中式算法的传统物联网数据分析处理方式易引发网络带宽压力过大、延迟过高以及数据隐私安全等问题,该文针对弹性网络回归这一典型的线性回归模型,提出一种面向物联网(IoT)的分布式学习算法。该算法基于交替方向乘子法(ADM... 为了解决基于集中式算法的传统物联网数据分析处理方式易引发网络带宽压力过大、延迟过高以及数据隐私安全等问题,该文针对弹性网络回归这一典型的线性回归模型,提出一种面向物联网(IoT)的分布式学习算法。该算法基于交替方向乘子法(ADMM),将弹性网络回归目标优化问题分解为多个能够由物联网节点利用本地数据进行独立求解的子问题。不同于传统的集中式算法,该算法并不要求物联网节点将隐私数据上传至服务器进行训练,而仅仅传递本地训练的中间参数,再由服务器进行简单整合,以这样的协作方式经过多轮迭代获得最终结果。基于两个典型数据集的实验结果表明:该算法能够在几十轮迭代内快速收敛到最优解。相比于由单个节点独立训练模型的本地化算法,该算法提高了模型结果的有效性和准确性;相比于集中式算法,该算法在确保计算准确性和可扩展性的同时,可有效地保护个体隐私数据的安全性。 展开更多

关键词 物联网 隐私保护 弹性网络回归 分布式算法 交替方向乘子法

在线阅读 下载PDF 职称材料

深度学习可解释性研究进展 被引量：77

3

作者 成科扬 王宁 +1 位作者 师文喜 詹永照 《计算机研究与发展》 EI CSCD 北大核心 2020年第6期1208-1217,共10页

深度学习的可解释性研究是人工智能、机器学习、认知心理学、逻辑学等众多学科的交叉研究课题,其在信息推送、医疗研究、金融、信息安全等领域具有重要的理论研究意义和实际应用价值.从深度学习可解释性研究起源、研究探索期、模型构建... 深度学习的可解释性研究是人工智能、机器学习、认知心理学、逻辑学等众多学科的交叉研究课题,其在信息推送、医疗研究、金融、信息安全等领域具有重要的理论研究意义和实际应用价值.从深度学习可解释性研究起源、研究探索期、模型构建期3方面回顾了深度学习可解释性研究历史,从可视化分析、鲁棒性扰动分析、敏感性分析3方面展现了深度学习现有模型可解释性分析研究现状,从模型代理、逻辑推理、网络节点关联分析、传统机器学习模型改进4方面剖析了可解释性深度学习模型构建研究,同时对当前该领域研究存在的不足作出了分析,展示了可解释性深度学习的典型应用,并对未来可能的研究方向作出了展望. 展开更多

关键词 人工智能 深度学习 可解释性 神经网络 可视化

在线阅读 下载PDF 职称材料

解耦表征学习研究进展 被引量：6

4

作者 成科扬 孟春运 +2 位作者 王文杉 师文喜 詹永照 《计算机应用》 CSCD 北大核心 2021年第12期3409-3418,共10页

解耦表征学习旨在对影响数据形态的关键因素进行建模,使得某一关键因素的变化仅仅引起数据在某项特征上的变化,而其他的特征不受影响,这有利于应对机器学习在模型可解释性、对象生成和操作以及零样本学习等问题上的挑战,因此解耦表征学... 解耦表征学习旨在对影响数据形态的关键因素进行建模,使得某一关键因素的变化仅仅引起数据在某项特征上的变化,而其他的特征不受影响,这有利于应对机器学习在模型可解释性、对象生成和操作以及零样本学习等问题上的挑战,因此解耦表征学习一直是机器学习领域的一个研究热点。从解耦表征学习的历史与动机入手,对解耦表征学习的研究现状以及应用进行归纳总结,分析了解耦表征所具有的不变性、复用性等特性,介绍了基于生成解耦表征变差因素的研究、基于流形相互作用解耦表征变差因素的研究、基于对抗性训练解耦表征变差因素的研究,以及一种变分自编码器β-VAE的研究等最新研究动态。同时,阐述了解耦表征学习的典型应用,并对未来的研究方向作出了展望。 展开更多

关键词 解耦学习 表征学习 变分推断 可解释性 机器学习 自编码器 变差因素 复用性

在线阅读 下载PDF 职称材料

面向复杂场景的鲁棒KCF行人跟踪方法 被引量：7

5

作者 成科扬 师文喜 +1 位作者 周博文 吴金霞 《南京航空航天大学学报》 EI CAS CSCD 北大核心 2019年第5期625-635,共11页

经典核相关滤波(Kernel correlation filter,KCF)目标跟踪算法是判别式跟踪算法中效果最好的一种跟踪算法。但该算法不能很好地适应目标尺度的变化,且在遇到目标短暂消失或被其他物体遮挡等复杂情形时不具备处理目标重显的能力,因此,为... 经典核相关滤波(Kernel correlation filter,KCF)目标跟踪算法是判别式跟踪算法中效果最好的一种跟踪算法。但该算法不能很好地适应目标尺度的变化,且在遇到目标短暂消失或被其他物体遮挡等复杂情形时不具备处理目标重显的能力,因此,为使得目标跟踪能够有效地应对遮挡情形,本文从提高特征表达能力、增加尺度匹配策略和抗遮挡3个方面对经典KCF算法进行改进,提出了一种鲁棒的KCF行人跟踪算法。首先对方向梯度直方图(Histogram of oriented gradients,HOG)特征和色调、饱和度、值(Hue-saturation-value,HSV)特征的响应分布进行特征融合。其次,设置动态选择尺度池来改进滤波器的固定尺寸匹配。最后,通过滤波器响应最大值的变化率衡量目标的遮挡情况,并根据上一成功帧的目标信息,通过EdgeBoxes和感知哈希算法找回目标,更新滤波器。本文所提方法在公开视频跟踪数据集Benchmark上进行测试,实验结果表明与其他目标跟踪方法相比,本文算法提高了尺度变化、遮挡等复杂情形下跟踪的鲁棒性,确保了较高的跟踪精度。 展开更多

关键词 目标跟踪 特征融合 EdgeBoxes 感知哈希 重检测 鲁棒性

在线阅读 下载PDF 职称材料

结合时序网络和金字塔融合的稳像修复方法 被引量：1

6

作者 刘清 李世超 +2 位作者 王文杉 师文喜 成科扬 《图学学报》 CSCD 北大核心 2021年第1期65-70,共6页

针对视频稳像领域内视频图像缺损填充效果不佳,严重影响视觉效果,且导致稳像处理后的视频不稳的黑边填充问题,提出了一种基于时序网络预测和金字塔融合的图像修复方法。首先结合预裁剪机制自适应判断当前帧是否需修复;然后将截止至当前... 针对视频稳像领域内视频图像缺损填充效果不佳,严重影响视觉效果,且导致稳像处理后的视频不稳的黑边填充问题,提出了一种基于时序网络预测和金字塔融合的图像修复方法。首先结合预裁剪机制自适应判断当前帧是否需修复;然后将截止至当前时刻的所有帧送入卷积神经网络(CNN)和门控循环单元(GRU)的模型进行待填充部分的预测;随后采用改进的加权最佳缝合线进行拼接并在高斯拉普拉斯金字塔中进行图像融合重构;最终在重构完成后裁剪尺寸。实验结果表明,该方法平均峰值信噪比(PSNR)相较于对比算法提高了2~5dB,平均结构相似度(SSIM)较对比算法提升了约2%~7%。该方法修复后的视频缺损填充自然,视觉效果较为稳定,即使在黑边面积较大时也有良好的修复效果,可用于多种摄像平台及不同场景下。 展开更多

关键词 视频稳像 视频图像修复 时序网络 金字塔融合 最佳缝合线

在线阅读 下载PDF 职称材料

基于最优排序的局部敏感哈希索引 被引量：9

7

作者 冯小康 彭延国 +2 位作者 崔江涛 刘英帆 李辉 《计算机学报》 EI CSCD 北大核心 2020年第5期930-947,共18页

针对外存环境中海量高维数据近似最近邻(Approximate Nearest Neighbor,ANN)查询面临的"维度灾难"和I/O性能瓶颈难题,本文提出了一种基于最优排序的局部敏感哈希(Locality-Sensitive Hashing,LSH)索引方案O2LSH(Optimal Order... 针对外存环境中海量高维数据近似最近邻(Approximate Nearest Neighbor,ANN)查询面临的"维度灾难"和I/O性能瓶颈难题,本文提出了一种基于最优排序的局部敏感哈希(Locality-Sensitive Hashing,LSH)索引方案O2LSH(Optimal Order LSH).通过引入空间填充曲线为复合哈希键值建立线序并排序,使近邻候选点更多地分布在相同或相邻磁盘页面,实现用少量顺序I/O加载到足够多的候选点.本文对多种常用空间曲线技术进行了量化分析,发现:(1)基本排序方案SK-LSH使用的row-wise曲线具有"维度优先遍历"的特性,容易对ANN查询造成多种局限;(2)另一类"邻域优先遍历"特性的曲线能够产生更好的候选点局部分布,且排序性能更加稳定.通过对比,我们选取了一种最优的"邻域优先遍历"曲线构造线序,该线序能够最大程度地改善近邻候选点的局部分布,进一步提升磁盘访问效率和查询精度.在多个真实多媒体数据集上进行了对比实验,证实了O2LSH相对于先进LSH方案(包括C2LSH、SK-LSH、SRS以及QALSH)在查询精度和I/O效率上的优越性.特别地,O2LSH克服了基本排序方案SK-LSH对LSH关键参数的敏感性,算法实用性进一步提升. 展开更多

关键词 近似最近邻 高维索引 局部敏感哈希 空间线序 局部分布

在线阅读 下载PDF 职称材料

隐藏情绪分析与识别方法 被引量：13

8

作者 王甦菁 邹博超 +4 位作者 刘瑞 李振 赵国朕 刘烨 傅小兰 《心理科学进展》 CSSCI CSCD 北大核心 2020年第9期1426-1436,共11页

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... 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。 展开更多

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

在线阅读 下载PDF 职称材料

隐性的国际互动:推特平台被删除账号的关系分析 被引量：4

9

作者 何康 张洪忠 +1 位作者 贾全鑫 李阳阳 《西安交通大学学报（社会科学版）》 CSSCI 北大核心 2022年第4期136-144,共9页

2018年,全球最大的社交媒体之一推特(Twitter)在其透明度报告中首次开放下载以国家(地区)为单位的数据,并发布了与删除账号相关的指标,成为分析国际关系的新型样本。基于此,以推特删除的社交账号数据为研究对象,分析被删除国家(地区)之... 2018年,全球最大的社交媒体之一推特(Twitter)在其透明度报告中首次开放下载以国家(地区)为单位的数据,并发布了与删除账号相关的指标,成为分析国际关系的新型样本。基于此,以推特删除的社交账号数据为研究对象,分析被删除国家(地区)之间的网络互动关系,并探讨传播学视野下国际关系研究的新路径。研究发现:(1)被删除的账号不是各自为阵式的独立存在,而是形成了盘综交错的巨大互动网络;(2)被删除账号中,网络社交强度的前三组国家依次是:厄瓜多尔与洪都拉斯、俄罗斯与塞尔维亚、俄罗斯与委内瑞拉;(3)高社交强度组中,最活跃的国家是伊朗;(4)网络社交强度与政治互访次数呈正相关关系,即被删除账号的网络社交关系越紧密,这些国家之间在现实中的互访往来次数也越多。结果表明,社交媒体空间在一定程度上成为现实国家关系的映射,这种关系可以通过社交媒体数据挖掘和社会网络分析方法进行多维度探究。 展开更多

关键词 社交媒体 国家关系 推特 社交强度 外交互访 关系网络 数字化

在线阅读 下载PDF 职称材料

基于网络社交媒体的子话题检测技术综述 被引量：3

10

作者 理姗姗 杨文忠 +1 位作者 王婷 王丽花 《计算机应用》 CSCD 北大核心 2020年第6期1565-1573,共9页

在当前多种平台崛起的互联网背景下,与传统媒体相比,网络社交媒体中的数据具有传递速度快、用户参与度高、内容覆盖全等特点,其中存在着人们关注并发布评论的众多话题,而一个话题的相关信息中可能存在更深层次、更细粒度的子话题,针对... 在当前多种平台崛起的互联网背景下,与传统媒体相比,网络社交媒体中的数据具有传递速度快、用户参与度高、内容覆盖全等特点,其中存在着人们关注并发布评论的众多话题,而一个话题的相关信息中可能存在更深层次、更细粒度的子话题,针对该问题进行基于网络社交媒体的子话题检测技术的研究,这是一个新兴且不断发展的研究领域。通过社交媒体获取话题及子话题信息并参与讨论,这一方式正全方位、深层次改变着人们的生活,但是该领域技术还不成熟,且相关研究在国内尚处于起步阶段。首先,简述网络社交媒体中子话题检测的发展背景和基本概念;其次,将子话题检测技术分为七大类,对每类方法均加以介绍、对比和总结;然后,将子话题检测方式分为在线检测和离线检测两种方式,并将这两种方式进行对比,列举通用技术及两种方式下的常用技术;最后,概括了该领域当前不足及未来发展趋势。 展开更多

关键词 子话题 话题检测和追踪 网络社交媒体 话题层次 子事件

在线阅读 下载PDF 职称材料

基于Apex帧光流和卷积自编码器的微表情识别 被引量：3

11

作者 温杰彬 杨文忠 +2 位作者 马国祥 张志豪 李海磊 《计算机工程与应用》 CSCD 北大核心 2021年第4期127-133,共7页

针对跨库微表情识别问题,提出了一种基于Apex帧光流和卷积自编码器的微表情识别方法。该方法包括预处理、特征提取、微表情分类三部分。预处理部分对微表情进行Apex帧定位以及人脸检测和对齐;特征提取部分首先计算预处理过的Apex帧的TVL... 针对跨库微表情识别问题,提出了一种基于Apex帧光流和卷积自编码器的微表情识别方法。该方法包括预处理、特征提取、微表情分类三部分。预处理部分对微表情进行Apex帧定位以及人脸检测和对齐;特征提取部分首先计算预处理过的Apex帧的TVL1光流,然后使用得到的水平和竖直光流分量图像训练卷积自编码器得到最优结构和参数;最后将两个分量自编码器中间层的特征融合后作为微表情的特征;微表情分类就是使用支持向量机(Support Vector Machine,SVM)对上一步中提取到的特征进行分类。实验结果较基准方法(LBP-TOP)有了很大的提高,UF1提高了0.1344,UAR提高了0.1406。该方法为微表情特征提取和识别提供了新的思路。 展开更多

关键词 微表情识别 Apex帧 光流 卷积自编码器 支持向量机(SVM)

在线阅读 下载PDF 职称材料

基于对抗多关系图神经网络的机器账号检测 被引量：1

12

作者 杨英光 李阳阳 +2 位作者 彭浩 刘弋锋 谢海永 《中文信息学报》 CSCD 北大核心 2023年第7期162-172,共11页

现有的机器账号检测方法或者依赖于对机器账号的先验知识,或者在检测时只关注单一账号的特征,忽略了与该账号有关系的其他账号所能带来的潜在表征,降低了所提检测方法的有效性。针对上述不足,该文提出了一种基于生成对抗网络的多关系图... 现有的机器账号检测方法或者依赖于对机器账号的先验知识,或者在检测时只关注单一账号的特征,忽略了与该账号有关系的其他账号所能带来的潜在表征,降低了所提检测方法的有效性。针对上述不足,该文提出了一种基于生成对抗网络的多关系图神经网络检测模型。从社交网络数据集中抽取不同关系,建立多关系图,采样节点,训练生成对抗网络,来动态改变关系图结构;将节点特征和图结构信息输入图神经网络,有选择的聚合邻居节点的特征,得到更加精确的图嵌入向量,将向量输入分类器进行检测。实验结果表明,相比于其他算法,该文所述算法在两个数据集中AUC分别最多提升了24%和9%,Recall值分别最多提升了13%和4%。 展开更多

关键词 机器账号检测 图神经网络 生成对抗网络

在线阅读 下载PDF 职称材料

基于时间序列分解与全连接神经网络的警情长周期时间序列预测 被引量：9

13

作者 石少冲 陈鹏 +1 位作者 曾昭龙 胡校成 《科学技术与工程》 北大核心 2020年第13期5186-5191,共6页

传统的警情时间序列预测以实际的发案数量为目标,且仅能实现短期的预测,但由于警情时间序列本身固有的强随机性使预测很难达到理想的效果。根据警情时间序列数据的特点,从公安工作的实际需求出发,提出了一种基于时间序列分解与全连接神... 传统的警情时间序列预测以实际的发案数量为目标,且仅能实现短期的预测,但由于警情时间序列本身固有的强随机性使预测很难达到理想的效果。根据警情时间序列数据的特点,从公安工作的实际需求出发,提出了一种基于时间序列分解与全连接神经网络的(STL-FNN)预测模型,该模型以预测警情的单日发案的风险等级为主要目标,能够实现警情风险等级的长周期预测。利用该模型对B市侵财类警情数据进行了时间序列长周期预测的实证分析,结果表明:STL-FNN模型能够实现一年的警情单日发案风险的预测,平均准确率为0.6247,预测性能优于Holt-Winters、LSTM、Prophet和ARIMA等模型。 展开更多

关键词 警情预测 时间序列 全神经网络 准确率

在线阅读 下载PDF 职称材料

基于多任务压缩激发网络的行人属性识别 被引量：5

14

作者 刘弋锋 李勐 +3 位作者 邱迪 王文杉 许忠雄 宋超 《科学技术与工程》 北大核心 2019年第24期237-241,共5页

自然场景下的行人属性识别是一个具有挑战性的研究课题,存在行人属性类别多样、行人视角和分辨率多样、样本不平衡等诸多难点,致使难以有效建模。为克服上述难点,提出基于多任务压缩激发(squeeze-and-excitation,SE)网络的行人属性识别... 自然场景下的行人属性识别是一个具有挑战性的研究课题,存在行人属性类别多样、行人视角和分辨率多样、样本不平衡等诸多难点,致使难以有效建模。为克服上述难点,提出基于多任务压缩激发(squeeze-and-excitation,SE)网络的行人属性识别方法,通过多任务卷积神经网络、联合压缩激发模块与残差模块、焦点损失函数三方面改进,研究了自然场景下行人属性识别效果提升的不同方式。结果表明,研究结果相比基线模型在Market-1501数据集和DukeMTMC-reID数据集上的准确率和效率均有提升,研究结果具有普遍有效性。 展开更多

关键词 行人属性识别 多任务 卷积神经网络 压缩激发模块 焦点损失

在线阅读 下载PDF 职称材料