設(shè)計應(yīng)用-AET-電子技術(shù)應(yīng)用

基于圖像降噪的集成對抗防御模型研究[模擬設(shè)計][工業(yè)自動化]

深度學(xué)習(xí)的快速發(fā)展使其在圖像識別、自然語言處理等諸多領(lǐng)域廣泛應(yīng)用。但是，學(xué)者發(fā)現(xiàn)深度神經(jīng)網(wǎng)絡(luò)容易受到對抗樣本的欺騙，使其以較高置信度輸出錯誤結(jié)果。對抗樣本的出現(xiàn)給對安全性要求嚴格的系統(tǒng)帶來很大威脅。研究了在低層特征（LowLevel Feature）和高層特征（HighLevel Feature）對圖像進行降噪以提升模型防御性能。在低層訓(xùn)練一個降噪自動編碼器，并采用集成學(xué)習(xí)的思路將自動編碼器、高斯擾動和圖像掩碼重構(gòu)等多種方式結(jié)合；高層對ResNet18作微小改動加入均值濾波。實驗顯示，所提出的方法在多個數(shù)據(jù)集的分類任務(wù)上有較好的防御性能。

發(fā)表于：8/24/2023 5:40:00 PM

基于因果關(guān)系和特征對齊的圖像分類域泛化模型[人工智能][其他]

針對現(xiàn)有域泛化方法性能較差或缺乏理論可解釋性的缺點，提出了一種基于因果關(guān)系和特征對齊的圖像分類域泛化模型，并證明了該模型的可識別性。該模型利用域泛化中的因果關(guān)系來學(xué)習(xí)含有不同信息的特征，將域泛化問題轉(zhuǎn)化為特征相關(guān)分布的偏移，再利用特征對齊消除偏移。為提高模型的性能，采用對抗訓(xùn)練進一步優(yōu)化學(xué)到的特征。在公共數(shù)據(jù)集上的實驗結(jié)果表明，新提出的模型與目前最優(yōu)的方法性能相當，表明該模型具有理論可解釋性的同時，還有不俗的實際性能表現(xiàn)。

發(fā)表于：8/24/2023 5:22:00 PM

基于改進的長短期記憶神經(jīng)網(wǎng)絡(luò)交通流預(yù)測[通信與網(wǎng)絡(luò)][汽車電子]

針對未來時刻交通流量的預(yù)測問題，在考慮歷史時刻車流量數(shù)據(jù)、日期屬性、天氣、降雨量等多方面影響因素的同時，提出一種考慮多方面影響因素的長短期記憶神經(jīng)網(wǎng)絡(luò)(LSTM*)模型。實驗表明在對短期車流量進行預(yù)測時，LSTM*模型的準確性優(yōu)于現(xiàn)有的基線方法；對長期車流量進行預(yù)測時，基于粒子群算法改進的長短期記憶神經(jīng)網(wǎng)絡(luò)（PSOLSTM*）模型的準確性優(yōu)于LSTM*模型。

發(fā)表于：8/24/2023 5:00:00 PM

基于多維特征融合驗證的物聯(lián)終端安全防護方法研究[通信與網(wǎng)絡(luò)][物聯(lián)網(wǎng)]

物聯(lián)網(wǎng)技術(shù)的快速發(fā)展和普及為人們的生活帶來了諸多便利，但普遍部署在非受控環(huán)境的終端設(shè)備也時刻面臨物理攻擊、非法替換等安全隱患。設(shè)備接入驗證是保障物聯(lián)終端及物聯(lián)網(wǎng)整體安全的關(guān)鍵，對此提出了一種基于多維特征融合驗證的物聯(lián)終端安全防護方法，通過采集設(shè)備操作系統(tǒng)類型、開放端口、MAC地址、IP地址用以表征設(shè)備身份，與預(yù)設(shè)規(guī)則進行比對后驗證設(shè)備的合法性。實驗表明，該方法在有效性和準確性方面表現(xiàn)良好，且具有低部署成本、高檢測性能等優(yōu)勢，具有一定的實用性和推廣價值。

發(fā)表于：8/24/2023 4:46:53 PM

網(wǎng)絡(luò)空間測繪資產(chǎn)數(shù)據(jù)價值評估模型的建立及應(yīng)用[通信與網(wǎng)絡(luò)][信息安全]

現(xiàn)有網(wǎng)絡(luò)空間測繪系統(tǒng)具備端口響應(yīng)信息獲取、網(wǎng)絡(luò)資產(chǎn)暴露面梳理、資產(chǎn)關(guān)聯(lián)分析以及聚合統(tǒng)計等功能，并且積累了幾十億計規(guī)模的網(wǎng)絡(luò)資產(chǎn)數(shù)據(jù)，但尚缺乏對于網(wǎng)絡(luò)空間測繪資產(chǎn)數(shù)據(jù)價值的評估，無法定量地確定網(wǎng)絡(luò)資產(chǎn)數(shù)據(jù)價值。提出了網(wǎng)絡(luò)空間測繪資產(chǎn)數(shù)據(jù)價值評估模型，可以評估每條網(wǎng)絡(luò)資產(chǎn)數(shù)據(jù)的價值，并依據(jù)價值評分確定數(shù)據(jù)價值重要度等級。網(wǎng)絡(luò)空間測繪資產(chǎn)數(shù)據(jù)價值評估模型可在某組織機構(gòu)的網(wǎng)絡(luò)資產(chǎn)暴露面程度梳理、網(wǎng)絡(luò)資產(chǎn)屬性變化跟蹤監(jiān)控以及不同平臺網(wǎng)絡(luò)資產(chǎn)數(shù)據(jù)價值對比等方面進行應(yīng)用，同時，能為安全研究人員和資產(chǎn)管理人員對掌握其所關(guān)注的網(wǎng)絡(luò)目標資產(chǎn)安全狀況變化趨勢提供便利。

發(fā)表于：8/24/2023 4:40:43 PM

一種新的基于形式概念分析的漏洞分析預(yù)處理方法[通信與網(wǎng)絡(luò)][信息安全]

漏洞分析技術(shù)已經(jīng)成為企業(yè)應(yīng)對安全問題的一個研究重點，通過對系統(tǒng)中已有漏洞進行分析，可以幫助企業(yè)和相關(guān)工作人員熟悉漏洞的特點與產(chǎn)生原因，甚至可以快速、高效地發(fā)現(xiàn)未知漏洞，避免資產(chǎn)損失。針對漏洞分析技術(shù)中漏洞預(yù)處理過程展開研究，提出一種新的基于形式概念分析的漏洞分析預(yù)處理方法，實現(xiàn)了對已有漏洞根據(jù)其特征快速進行聚類，并以圖形化界面直觀展示給用戶的功能。實驗表明新的漏洞分析預(yù)處理方法可以快速、準確地獲得漏洞之間的所有關(guān)聯(lián)，為用戶進一步分析漏洞提供基礎(chǔ)，符合企業(yè)及相關(guān)人員使用需求。

發(fā)表于：8/24/2023 4:24:13 PM

論我國個人信息刪除權(quán)的雙重限制模式[其他][其他]

在信息主體與信息處理者的利益衡平中，信息主體的刪除權(quán)存在限制不足的問題。當刪除權(quán)的行使與公眾知情權(quán)、言論自由等公共利益發(fā)生沖突，或與信息處理者的利益損失顯著失衡時，我國刪除權(quán)的限制規(guī)則存在規(guī)范供給不足的問題。我國刪除權(quán)的限制規(guī)則采雙重限制模式，其中刪除權(quán)的形成限制以比例原則為指引，刪除權(quán)的行使限制以禁止權(quán)利濫用原則為指引。通過借鑒GDPR和BDSG中的刪除權(quán)限制規(guī)則，運用解釋和類推適用的方法對我國刪除權(quán)的限制規(guī)則進行完善。

發(fā)表于：8/24/2023 4:18:20 PM

論人工智能在刑事司法決策中的應(yīng)用[人工智能][數(shù)據(jù)中心]

人工智能在刑事司法領(lǐng)域的應(yīng)用方興未艾，世界各國廣泛開發(fā)人工智能產(chǎn)品，以期提高司法效率，提升司法決策的公平性。然而，人工智能尚處于初級階段，存在決策偏見、算法黑箱等技術(shù)缺陷，并不能做到完全價值中立；人工智能的應(yīng)用也對傳統(tǒng)司法原則和理論造成了沖擊，一定程度上威脅到了人權(quán)保護。所以，不能盲目夸大人工智能對于司法決策的作用。針對人工智能技術(shù)的缺陷，提出要在人工智能產(chǎn)品開發(fā)的各個階段減少決策偏見，推進相關(guān)認證標準；對于人工智能的應(yīng)用問題，首先要明確人工智能只能輔助決策而不能替代決策，其次應(yīng)加強人類的責任和監(jiān)管，保障決策的公平性。同時，應(yīng)加強辯方的數(shù)據(jù)權(quán)利，以實現(xiàn)技術(shù)司法模式下的控辯平衡。

發(fā)表于：8/24/2023 3:52:43 PM

我國算法治理政策與科研主題協(xié)同研究[其他][其他]

探究我國算法治理政策與科研的協(xié)同情況，對推動算法治理相關(guān)科學(xué)研究和完善我國算法治理政策具有重要參考意義。選取我國算法治理領(lǐng)域的12部政策和545篇科研論文為樣本，結(jié)合LDA主題模型與Word2vec模型，對政策和文獻進行主題識別和相似度計算，并進行可視化分析，探究我國算法治理政策與科研的協(xié)同情況。實驗結(jié)果表明，算法治理的科學(xué)研究早于政策發(fā)布，算法治理政策與科研整體上協(xié)同性較低，但在技術(shù)治理當中有較高的協(xié)同趨勢。

發(fā)表于：8/24/2023 3:40:54 PM

生成式人工智能視閾下算法審計的制度構(gòu)建與路徑創(chuàng)新[人工智能][其他]

隨著文心一言、通義千問、ChatGLM等我國生成式人工智能算法研發(fā)與應(yīng)用的落地，加快構(gòu)建并完善面向生成式人工智能的算法治理已成為完善算法監(jiān)管體系的題中之義。在算法治理體系之中，算法審計制度有利于算法異化與算法風(fēng)險的糾偏問責，促進算法公平與數(shù)字正義的實質(zhì)透明，并實現(xiàn)算法公開與商業(yè)秘密的張力彌合，從而成為算法規(guī)制的關(guān)鍵制度配置。在全流程治理視角下，唯有“用算法審計算法”，實現(xiàn)書面合規(guī)審計與技術(shù)合規(guī)審計的協(xié)同并舉，才能在算法內(nèi)外部對算法的透明度、公平性、可控性、包容性和可問責進行多維視角的有效評估。而在算法審計實踐之中，現(xiàn)行法仍需完善剛?cè)岵牟钚蛞?guī)制格局，鞏固分類分級的精準治理，以實現(xiàn)算法審計內(nèi)外兼修的制度銜接，促進算法治理從碎片化監(jiān)管邁向更為一體化、敏捷化、精準化的治理格局。

發(fā)表于：8/24/2023 3:30:12 PM