题名 基于可攻击空间假设的陷阱式集成对抗防御网络
1
作者
孙家泽 温苏雷 郑炜 陈翔
机构
西安邮电大学 计算机学院陕西省 网络 数据 分析与 智能 处理 重点 实验室 (西安邮电大学 )西安 市大数据 与智能 计算重点 实验室 (西安邮电大学 )西北工业大学 软件学院 南通大学 信息科学技术学院
出处
《软件学报》
EI
CSCD
北大核心
2024年第4期1861-1884,共24页
基金
国家自然科学基金(61876138,62272387,62141208) 国家重点研发计划(2020YFC0833105Z1) +2 种基金 西安市重点产业链人工智能核心技术攻关项目(2022JH-RGZN-0028) 陕西省重点研发计划(2023-YBGY-030) 西安邮电大学创新基金(CXJJZL2021007)。
文摘
如今,深度神经网络在各个领域取得了广泛的应用.然而研究表明,深度神经网络容易受到对抗样本的攻击,严重威胁着深度神经网络的应用和发展.现有的对抗防御方法大多需要以牺牲部分原始分类精度为代价,且强依赖于已有生成的对抗样本所提供的信息,无法兼顾防御的效力与效率.因此基于流形学习,从特征空间的角度提出可攻击空间对抗样本成因假设,并据此提出一种陷阱式集成对抗防御网络Trap-Net. Trap-Net在原始模型的基础上向训练数据添加陷阱类数据,使用陷阱式平滑损失函数建立目标数据类别与陷阱数据类别间的诱导关系以生成陷阱式网络.针对原始分类精度损失问题,利用集成学习的方式集成多个陷阱式网络以在不损失原始分类精度的同时,扩大陷阱类标签于特征空间所定义的靶标可攻击空间.最终, Trap-Net通过探测输入数据是否命中靶标可攻击空间以判断数据是否为对抗样本.基于MNIST、K-MNIST、F-MNIST、CIFAR-10和CIFAR-100数据集的实验表明, Trap-Net可在不损失干净样本分类精确度的同时具有很强的对抗样本防御泛化性,且实验结果验证可攻击空间对抗成因假设.在低扰动的白盒攻击场景中, Trap-Net对对抗样本的探测率高达85%以上.在高扰动的白盒攻击和黑盒攻击场景中, Trap-Net对对抗样本的探测率几乎高达100%.与其他探测式对抗防御方法相比, Trap-Net对白盒和黑盒对抗攻击皆有很强的防御效力.为对抗环境下深度神经网络提供一种高效的鲁棒性优化方法.
关键词
深度神经网络 对抗样本 集成学习 对抗防御 鲁棒性优化
Keywords
deep neural network(DNN) adversarial example ensemble learning adversarial defense robustness optimization
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
题名 基于知识图谱驱动的图神经网络推荐模型
被引量：15
2
作者
刘欢 李晓戈 胡立坤 胡飞雄 王鹏华
机构
西安邮电大学 计算机学院陕西省 网络 数据 分析与 智能 处理 重点 实验室 (西安邮电大学 )深圳腾讯计算机系统有限公司智能 化运维部
出处
《计算机应用》
CSCD
北大核心
2021年第7期1865-1870,共6页
基金
国家重点研发计划项目(2018YFB1403004) 陕西省创新能力支撑计划项目(2019PT-12)。
文摘
知识图谱(KG)蕴含丰富的结构与关联信息,不仅可以缓解推荐系统中数据稀疏、冷启动等问题,还可以更准确地进行个性化推荐,因此提出一种基于知识图谱驱动的端到端图神经网络推荐模型KGLN。首先使用单层神经网络框架对图中单个节点进行特征融合,并加入影响因子来改变不同邻居实体的聚合权重;然后通过迭代的方式将单层扩展到多层,使实体可以获得丰富的多阶关联实体信息;最后结合实体特征与用户特征产生预测评分进行推荐。分析并研究了不同聚合方法及影响因子对推荐效果的影响。实验结果表明,在数据集MovieLens-1M以及BookCrossing上与基准方法因子分解库(LibFM)、深度分解机(DeepFM)、Wide&Deep、RippleNet的对比中,KGLN的曲线下面积(AUC)分别提升了0.3%~5.9%和1.1%~8.2%。
关键词
推荐系统 知识图谱 图神经网络 网络特征学习 个性化推荐 兴趣挖掘
Keywords
recommender system Knowledge Graph(KG) graph neural network network feature learning personalized recommendation interest mining
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
题名 基于多注意力长短时记忆的实体属性情感分析
被引量：9
3
作者
支淑婷 李晓戈 王京博 王鹏华
机构
西安邮电大学 计算机学院陕西省 网络 数据 分析与 智能 处理 重点 实验室 (西安邮电大学 )北京小米智能 科技有限公司人工智能 与云平台
出处
《计算机应用》
CSCD
北大核心
2019年第1期160-167,共8页
基金
陕西省重点研发计划项目(2018ZDXM-GY-043) 陕西省科技创新基金资助项目(2016KTZDGY04-03) +1 种基金 陕西省咸阳市重大科技创新专项(103-203990009) 西安邮电大学研究生创新基金资助项目(103-602080017)~~
文摘
属性情感分析是细粒度的情感分类任务。针对传统神经网络模型无法准确构建属性情感特征的问题,提出了一种融合多注意力和属性上下文的长短时记忆(LSTM-MATT-AC)神经网络模型。在双向长短时记忆(LSTM)的不同位置加入不同类型的注意力机制,充分利用多注意力机制的优势,让模型能够从不同的角度关注句子中特定属性的情感信息,弥补了单一注意力机制的不足;同时,融合双向LSTM独立编码的属性上下文语义信息,获取更深层次的情感特征,有效识别特定属性的情感极性;最后在Sem Eval2014 Task4和Twitter数据集上进行实验,验证了不同注意力机制和独立上下文处理方式对属性情感分析模型的有效性。实验结果表明,模型在Restaurant、Laptop和Twitter领域数据集上的准确率分别达到了80. 6%、75. 1%和71. 1%,较之前基于神经网络的情感分析模型在准确率上有了进一步的提高。
关键词
属性情感分析 多注意力机制 上下文语义特征 神经网络 自然语言处理
Keywords
aspect sentiment analysis multi-attention mechanism contextual semantic feature neural network Natural Language Processing(NLP)
分类号
TP391.1
[自动化与计算机技术—计算机应用技术]
TP18
[自动化与计算机技术—控制理论与控制工程]
题名 基于群体智慧的簇连接聚类集成算法
被引量：7
4
作者
张恒山 高宇坤 陈彦萍 王忠民
机构
西安邮电大学 计算机学院陕西省 网络 数据 分析与 智能 处理 重点 实验室 (西安邮电大学 )
出处
《计算机研究与发展》
EI
CSCD
北大核心
2018年第12期2611-2619,共9页
基金
国家自然科学基金项目(61373116) 陕西省科技统筹创新工程基金项目(2016KTZDGY04-01)~~
文摘
利用群体智慧原理,将多个相互独立的聚类算法的结果进行聚合,将显著提高聚类结果的准确性.基于群体智慧的簇连接聚类集成算法,首先使用群体智慧理论的独立性、分散性、多样性原则引导个体聚类结果的生成,然后提出基于连接三元组的聚类集成算法对个体聚类结果进行分组聚合,将分组聚合的结果再次进行聚合得到最终的聚类结果.该算法的优点包括:1)通过簇的分组和权重调整,避免了对基聚类生成的簇进行选择,有利于充分利用已生成簇的信息;2)采用连接三元组算法计算数据之间的相似性,可以充分挖掘数据点之间的关系.对不同数据集的实验研究表明:该算法相对传统的集成聚类算法以及群体智慧与机器学习相结合的集成聚类算法,可以进一步提高集成聚类结果的准确性.
关键词
群体智慧 聚类集成 连接三元组 聚类集成选择 数据挖掘
Keywords
wisdom of crowds (WOC) clustering ensemble connecting triple clustering ensemble select (CES) data mining
分类号
TP399
[自动化与计算机技术—计算机应用技术]
题名 基于多链接特征子集的聚类集成算法
被引量：2
5
作者
陈彦萍 高宇坤 张恒山 夏虹
机构
西安邮电大学 计算机学院陕西省 网络 数据 分析与 智能 处理 重点 实验室 (西安邮电大学 )
出处
《小型微型计算机系统》
CSCD
北大核心
2019年第10期2097-2101,共5页
基金
国家自然科学基金项目(61702414)资助 陕西省科技统筹创新工程项目(2019ZDLGY07-08)资助 陕西省教育厅专项科研计划项目(16JK1701)资助
文摘
利用独立特征子集与连接三元组思想,将多个基聚类结果进行聚合,将显著提高聚类集成结果的准确性.针对特征数目较多的复杂数据集,本文提出了一种基于多链接特征子集的聚类集成算法,根据特征之间的关系,提出独立特征子集的选取算法,将生成的数据子集作为聚类集成算法的输入,使用不同的聚类算法生成多种不同的基聚类结果,然后提出一种能够关联不同属性的集成算法,将多种不同的基聚类结果作为集成算法的输入进行集成,融合不同的结果得到唯一的结果.该算法的优点包括:1)通过对特征子集的选取,消除了重复特征对聚类结果的干扰,有利于充分利用已有特征信息;2)采用多链接算法融合基聚类结果计算相似度矩阵,可以充分挖掘数据点之间的潜在关系.对不同数据集的实验研究表明,该算法相较于传统的聚类集成算法,可以提高聚类集成结果的准确率.
关键词
特征选择 聚类集成 连接三元组 潜在信息
Keywords
feature selection clustering ensemble connection triple potential information
分类号
TP301
[自动化与计算机技术—计算机系统结构]
题名 融合空间和通道特征的高精度乳腺癌分类方法
被引量：1
6
作者
许学斌 张佳达 刘伟 路龙宾 赵雨晴
机构
西安邮电大学 计算机学院陕西省 网络 数据 分析与 智能 处理 重点 实验室 (西安邮电大学 )
出处
《计算机应用》
CSCD
北大核心
2021年第10期3025-3032,共8页
基金
国家自然科学基金面上项目(61673316) 陕西省重点研发计划项目(2017GY-071,2018GY-135) +3 种基金 陕西省教育厅项目(16JK1697) 陕西省技术创新引导计划项目(2017XT-005) 咸阳市科技计划项目(2017K01-25-3) 西安邮电大学研究生创新基金资助项目(CXJJLY202004)。
文摘
组织病理学图像是鉴别乳腺癌的黄金标准,所以对乳腺癌组织病理学图像的自动、精确的分类具有重要的临床应用价值。为了提高乳腺组织病理图像的分类准确率,从而满足临床应用的需求,提出了一种融合空间和通道特征的高精度乳腺癌分类方法。该方法使用颜色归一化来处理病理图像并使用数据增强扩充数据集,基于卷积神经网络(CNN)模型DenseNet和压缩和激励网络(SENet)融合病理图像的空间特征信息和通道特征信息,并根据压缩-激励(SE)模块的插入位置和数量,设计了三种不同的BCSCNet模型,分别为BCSCNetⅠ、BCSCNetⅡ、BCSCNetⅢ。在乳腺癌癌组织病理图像数据集(BreaKHis)上展开实验。通过实验对比,先是验证了对图像进行颜色归一化和数据增强能提高乳腺的分类准确率,然后发现所设计的三种乳腺癌分类模型中精度最高为BCSCNetⅢ。实验结果表明,BCSCNetⅢ的二分类准确率在99.05%~99.89%,比乳腺癌组织病理学图像分类网络(BHCNet)提升了0.42个百分点;其多分类的准确率在93.06%~95.72%,比BHCNet提升了2.41个百分点。证明了BCSCNet能准确地对乳腺癌组织病理图像进行分类,同时也为计算机辅助乳腺癌诊断提供了可靠的理论支撑。
关键词
深度学习 乳腺癌 组织病理学图像 图像分类 特征融合 压缩和激励网络(SENet)
Keywords
deep learning breast cancer histopathological image image classification feature fusion Squeeze-and-Excitation Network(SENet)
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
题名 基于行为motifs的多线程程序抄袭检测方法
7
作者
田振洲 王宁宁 王清 高聪 刘烃 郑庆华
机构
西安邮电大学 计算机学院陕西省 网络 数据 分析与 智能 处理 重点 实验室 (西安邮电大学 )西安 交通大学 电信学院
出处
《计算机研究与发展》
EI
CSCD
北大核心
2020年第1期202-213,共12页
基金
国家自然科学基金项目(61702414) 陕西省自然科学基础研究计划项目(2018JQ6078) +1 种基金 陕西省国际科技合作计划项目(2018KW-049,2019KW-008) 陕西省重点研发计划项目(2019ZDLGY07-08)~~
文摘
软件动态胎记技术是实现混淆对抗的软件抄袭检测的有效手段之一.然而,多线程程序中线程交织的不确定性对其造成了不可忽视的影响;极端情况下,传统动态胎记技术甚至会判定同一个程序与其自身不存在抄袭关系.对此,提出从多线程程序在同一输入下的多条执行轨迹中进行相似部分的识别,并从中抽象出不易受线程交织影响的行为motifs来实现多线程程序的抄袭检测.该方法捕捉程序的动态执行轨迹,经过轨迹修剪、gram匹配以及扩展和抽象,从中提取motifs胎记建模多线程程序的行为;最终,通过衡量motifs胎记的相似性实现程序间潜在抄袭的判定.在一个包含234个不同版本多线程程序的公共数据集上开展的实验表明,motifs胎记是一种可靠的线程感知胎记方法,不仅可有效对抗当下主流的代码混淆技术,相比现有的2种多线程程序抄袭检测方法TreSB(thread-related system call birthmark)和TOB(thread-oblivious birthmark),也体现出更优秀的检测能力.
关键词
软件抄袭 多线程程序抄袭检测 动态胎记 线程感知胎记 行为motifs
Keywords
software plagiarism multi-threaded program plagiarism detection dynamic birthmark thread-oblivious birthmark behavioral motifs
分类号
TP311
[自动化与计算机技术—计算机软件与理论]
题名 融合有向关系与关系路径的层次注意力的知识图谱补全
8
作者
翟社平 杨晴 黄妍 杨锐
机构
西安邮电大学 计算机学院
出处
《计算机应用》
2025年第4期1148-1156,共9页
基金
大学生创新创业训练计划国家级项目(202211664053) 陕西省重点研发计划项目(2022GY-038) +4 种基金 西安邮电大学研究生创新基金资助项目(CXJJYL2022052) 陕西省教育厅科学研究计划项目(18JK0697) 陕西省社会科学基金资助项目(2016N008) 工业和信息化部通信软科学项目(2018-R-26) 西安市社会科学规划基金资助项目(17X63)。
文摘
已有的知识图谱补全(KGC)方法大多未充分挖掘三元组结构中的关系路径,仅考虑了图结构信息;同时现有模型在实体聚合过程中着重考虑邻域信息,对关系的学习相对简单。针对以上问题,提出融合有向关系和关系路径的图注意力模型DRPGAT。首先,将常规三元组转换为有向关系三元组,并引入注意力机制对不同的有向关系赋予不同的权重,从而完成实体信息的聚合,同时,建立关系路径模型,通过将关系位置嵌入路径信息区分不同位置之间的关系,并过滤无关路径得到有用的路径信息;其次,使用注意力机制对路径信息进行深度学习,以实现关系的聚合;最后,将实体与关系送入解码器,训练得到最终的补全结果。在2个真实数据集上进行链接预测实验,以验证所提模型的有效性。实验结果表明,在FB15k-237数据集上,相较于基线模型中的最优结果,DRPGAT的平均排名(MR)降低了13,平均倒数排名(MRR)、Hits@1、Hits@3、Hits@10分别提高1.9、1.2、2.3和1.6个百分点;在WN18RR数据集上,DRPGAT的MR降低了125,MRR、Hits@1、Hits@3、Hits@10分别提高了1.1、0.4、1.2和0.6个百分点,显示了所提模型的有效性。
关键词
知识图谱 知识图谱补全 关系路径推理 层次注意力 链接预测
Keywords
knowledge graph Knowledge Graph Completion(KGC) relational path inference hierarchical attention link prediction
分类号
TP391.1
[自动化与计算机技术]
