期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
动态不确定场景下认知工业物联网的资源分配策略
被引量：
3
1
作者
李姣军
喻涛
+4 位作者
周继华
杨凡
赵涛
吴天舒
马兹林
《浙江大学学报（工学版）》
EI
CAS
CSCD
北大核心
2024年第5期960-966,共7页
针对动态不确定场景下认知工业物联网(CIIoT)业务的时延保障难题,提出动态不确定场景下保障业务时延需求的CIIoT资源分配策略.构建基于时延敏感业务的时延模型,推导保障业务时延需求的速率解析解.基于时延模型建立以最大化网络吞吐量为...
针对动态不确定场景下认知工业物联网(CIIoT)业务的时延保障难题,提出动态不确定场景下保障业务时延需求的CIIoT资源分配策略.构建基于时延敏感业务的时延模型,推导保障业务时延需求的速率解析解.基于时延模型建立以最大化网络吞吐量为目标的CIIoT资源优化模型,该模型考虑在动态不确定环境下联立基站发射功率约束、设备之间的干扰约束和业务传输时延保障约束.由于该模型存在动态不确定性,导致模型难以求解,采用鲁棒优化理论将不确定参数约束转化为确定性约束问题,提出在动态不确定场景下CIIoT的资源分配策略.仿真结果表明,所提算法在动态不确定环境下有效地保障了业务的时延需求,提高了网络吞吐量.
展开更多
关键词
动态不确定场景
认知工业物联网(CIIoT)
时延保障
资源分配
在线阅读
下载PDF
职称材料
基于通用逆扰动的对抗攻击防御方法
被引量：
3
2
作者
陈晋音
吴长安
+2 位作者
郑海斌
王巍
温浩
《自动化学报》
EI
CAS
CSCD
北大核心
2023年第10期2172-2187,共16页
现有研究表明深度学习模型容易受到精心设计的对抗样本攻击,从而导致模型给出错误的推理结果,引发潜在的安全威胁.已有较多有效的防御方法,其中大多数针对特定攻击方法具有较好防御效果,但由于实际应用中无法预知攻击者可能采用的攻击策...
现有研究表明深度学习模型容易受到精心设计的对抗样本攻击,从而导致模型给出错误的推理结果,引发潜在的安全威胁.已有较多有效的防御方法,其中大多数针对特定攻击方法具有较好防御效果,但由于实际应用中无法预知攻击者可能采用的攻击策略,因此提出不依赖攻击方法的通用防御方法是一个挑战.为此,提出一种基于通用逆扰动(Universal inverse perturbation,UIP)的对抗样本防御方法,通过学习原始数据集中的类相关主要特征,生成通用逆扰动,且UIP对数据样本和攻击方法都具有通用性,即一个UIP可以实现对不同攻击方法作用于整个数据集得到的所有对抗样本进行防御.此外,UIP通过强化良性样本的类相关重要特征实现对良性样本精度的无影响,且生成UIP无需对抗样本的先验知识.通过大量实验验证,表明UIP在不同数据集、不同模型中对各类攻击方法都具备显著的防御效果,且提升了模型对正常样本的分类性能.
展开更多
关键词
深度学习
通用逆扰动
对抗样本
通用防御
在线阅读
下载PDF
职称材料
基于约束优化生成式对抗网络的数据去偏方法
被引量：
3
3
作者
徐国宁
陈奕芃
+2 位作者
陈一鸣
陈晋音
温浩
《计算机科学》
CSCD
北大核心
2022年第S01期184-190,共7页
深度学习技术在图像识别、自然语言处理、金融预测等领域具有广泛应用,其分析结果一旦存在偏见将给个人和群体带来负面影响,因此在保障深度学习模型的性能不受影响的前提下提高模型的公平性至关重要。针对数据的偏见信息不只是敏感属性...
深度学习技术在图像识别、自然语言处理、金融预测等领域具有广泛应用,其分析结果一旦存在偏见将给个人和群体带来负面影响,因此在保障深度学习模型的性能不受影响的前提下提高模型的公平性至关重要。针对数据的偏见信息不只是敏感属性,属性之间的关联性使非敏感属性也会带有偏见信息,因此只考虑敏感属性的去偏算法依然存在偏见问题。为了消除数据中关联属性的敏感信息对深度学习的分类结果带来偏见,提出一种基于生成式对抗网络的数据去偏方法,模型的损失函数结合公平性约束及准确性损失两种约束优化,利用对抗式编码消除偏见信息,生成去偏数据集;并通过生成器与判别器的交替博弈训练,减少数据集无偏信息的损失,在保证主任务分类准确率的同时消除数据中的偏见,从而提高后续分类任务的公平性。最终,在多个真实数据集上展开数据去偏实验,验证了该去偏算法的有效性。
展开更多
关键词
生成式对抗网络
对抗训练
数据去偏
深度学习
在线阅读
下载PDF
职称材料
题名
动态不确定场景下认知工业物联网的资源分配策略
被引量：
3
1
作者
李姣军
喻涛
周继华
杨凡
赵涛
吴天舒
马兹林
机构
重庆
理工大学电气与电子工程学院
航天新通
科技
有限公司
重庆中科云从科技有限公司
重庆
标能瑞源储能技术研究院
出处
《浙江大学学报（工学版）》
EI
CAS
CSCD
北大核心
2024年第5期960-966,共7页
基金
重庆市自然科学基金资助项目(cstc2021jcyj-msxmX0251)
重庆市自然科学基金创新发展联合基金资助项目(CSTB2023NSCQLMX0014)
+5 种基金
重庆市教育委员会科学技术研究计划资助项目(KJQN202301135,KJQN202201157)
重庆理工大学国家自然科学基金和社会科学基金项目培育计划资助项目(2022PYZ017)
重庆理工大学研究生教育高质量发展行动计划资助成果(gzlcx20233082)
重庆理工大学科研创新团队培育计划基金资助项目(2023TDZ003)
重庆市巴南区科技资助项目(KY202208153976019)
重庆市青少年创新人才培养雏鹰计划资助项目(CY230909,CY230908)。
文摘
针对动态不确定场景下认知工业物联网(CIIoT)业务的时延保障难题,提出动态不确定场景下保障业务时延需求的CIIoT资源分配策略.构建基于时延敏感业务的时延模型,推导保障业务时延需求的速率解析解.基于时延模型建立以最大化网络吞吐量为目标的CIIoT资源优化模型,该模型考虑在动态不确定环境下联立基站发射功率约束、设备之间的干扰约束和业务传输时延保障约束.由于该模型存在动态不确定性,导致模型难以求解,采用鲁棒优化理论将不确定参数约束转化为确定性约束问题,提出在动态不确定场景下CIIoT的资源分配策略.仿真结果表明,所提算法在动态不确定环境下有效地保障了业务的时延需求,提高了网络吞吐量.
关键词
动态不确定场景
认知工业物联网(CIIoT)
时延保障
资源分配
Keywords
dynamic and uncertain scenario
cognitive industrial internet of things(CIIoT)
delay guarantee
resource allocation
分类号
TN929 [电子电信—通信与信息系统]
在线阅读
下载PDF
职称材料
题名
基于通用逆扰动的对抗攻击防御方法
被引量：
3
2
作者
陈晋音
吴长安
郑海斌
王巍
温浩
机构
浙江工业大学网络空间安全研究院
浙江工业大学信息工程学院
中国电子
科技
集团
公司
第三十六研究所
重庆中科云从科技有限公司
出处
《自动化学报》
EI
CAS
CSCD
北大核心
2023年第10期2172-2187,共16页
基金
国家自然科学基金(62072406)
浙江省自然科学基金(LY19F020025)
教育部产学合作协同育人项目资助。
文摘
现有研究表明深度学习模型容易受到精心设计的对抗样本攻击,从而导致模型给出错误的推理结果,引发潜在的安全威胁.已有较多有效的防御方法,其中大多数针对特定攻击方法具有较好防御效果,但由于实际应用中无法预知攻击者可能采用的攻击策略,因此提出不依赖攻击方法的通用防御方法是一个挑战.为此,提出一种基于通用逆扰动(Universal inverse perturbation,UIP)的对抗样本防御方法,通过学习原始数据集中的类相关主要特征,生成通用逆扰动,且UIP对数据样本和攻击方法都具有通用性,即一个UIP可以实现对不同攻击方法作用于整个数据集得到的所有对抗样本进行防御.此外,UIP通过强化良性样本的类相关重要特征实现对良性样本精度的无影响,且生成UIP无需对抗样本的先验知识.通过大量实验验证,表明UIP在不同数据集、不同模型中对各类攻击方法都具备显著的防御效果,且提升了模型对正常样本的分类性能.
关键词
深度学习
通用逆扰动
对抗样本
通用防御
Keywords
Deep learning
universal inverse perturbation(UIP)
adversarial example
general defense
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
基于约束优化生成式对抗网络的数据去偏方法
被引量：
3
3
作者
徐国宁
陈奕芃
陈一鸣
陈晋音
温浩
机构
浙江工业大学信息工程学院
浙江工业大学网络空间安全研究院
重庆中科云从科技有限公司
出处
《计算机科学》
CSCD
北大核心
2022年第S01期184-190,共7页
基金
国家自然科学基金(62072406)
浙江省自然科学基金(LY19F020025)
+1 种基金
宁波市“科技创新2025”重大专项(2018B10063)
教育部产学合作协同育人项目。
文摘
深度学习技术在图像识别、自然语言处理、金融预测等领域具有广泛应用,其分析结果一旦存在偏见将给个人和群体带来负面影响,因此在保障深度学习模型的性能不受影响的前提下提高模型的公平性至关重要。针对数据的偏见信息不只是敏感属性,属性之间的关联性使非敏感属性也会带有偏见信息,因此只考虑敏感属性的去偏算法依然存在偏见问题。为了消除数据中关联属性的敏感信息对深度学习的分类结果带来偏见,提出一种基于生成式对抗网络的数据去偏方法,模型的损失函数结合公平性约束及准确性损失两种约束优化,利用对抗式编码消除偏见信息,生成去偏数据集;并通过生成器与判别器的交替博弈训练,减少数据集无偏信息的损失,在保证主任务分类准确率的同时消除数据中的偏见,从而提高后续分类任务的公平性。最终,在多个真实数据集上展开数据去偏实验,验证了该去偏算法的有效性。
关键词
生成式对抗网络
对抗训练
数据去偏
深度学习
Keywords
Generative adversarial networks
Adversarial training
Data debiasing
Deep learning
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
作者
出处
发文年
被引量
操作
1
动态不确定场景下认知工业物联网的资源分配策略
李姣军
喻涛
周继华
杨凡
赵涛
吴天舒
马兹林
《浙江大学学报（工学版）》
EI
CAS
CSCD
北大核心
2024
3
在线阅读
下载PDF
职称材料
2
基于通用逆扰动的对抗攻击防御方法
陈晋音
吴长安
郑海斌
王巍
温浩
《自动化学报》
EI
CAS
CSCD
北大核心
2023
3
在线阅读
下载PDF
职称材料
3
基于约束优化生成式对抗网络的数据去偏方法
徐国宁
陈奕芃
陈一鸣
陈晋音
温浩
《计算机科学》
CSCD
北大核心
2022
3
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
