摘要：针对生成神经网络中添加差分隐私方式复杂,以及加入差分隐私后生成数据质量下降的问题,提出一种基于生成对抗网络的差分隐私生成数据方法,通过在生成对抗网络梯度中加入噪声实现隐私保护。设计自适应剪裁、学习率下降、参数分组聚类优化策略,自适应选取梯度剪裁边界,不断调整学习率以及将权重梯度和偏置梯度分组聚类之后再进行剪裁,保障模型能够收敛,减小差分隐私对生成数据的影响。实验结果表明,该方法可以在不丢失原有隐私保护水平条件下,有效提升生成数据质量。

摘要：以上海某自来水厂设计规模为7 500 m3/d的臭氧/生物活性炭示范工程(预臭氧/高密度澄清池/砂滤/后臭氧/生物活性炭滤池)为研究背景,考察不同预臭氧投量下常规工艺对微污染黄浦江原水的处理效果。通过考察不同预臭氧投量下澄清池、砂滤工艺对浊度、DOC、COD Mn、UV254等指标的去除效果,以确定最优的预臭氧投量。结果表明,单独砂滤及澄清池对COD Mn、DOC及UV254基本没有去除效果,但预臭氧化工艺能强化常规工艺对这些指标的去除。预臭氧对原水中亚硝酸盐氮的去除效果较好,当水力负荷分别为2 000和6 000 m3/d,预臭氧投量为1.5 mg/L时,工艺出水浊度均低于0.1 NTU。

摘要：生成对抗网络(GANs)模型可以生成高分辨率的“不存在”的物体真实图像,近期被广泛应用于各种人工合成数据,尤其是人脸图像生成领域。然而,由于基于该模型的人脸生成器通常需要根据不同身份高度敏感的面部图像进行训练,其中存在潜在数据泄露使得攻击者能够对身份成员关系进行推断的问题。为此,首先设计对查询身份所获取样本与其实际参与训练样本之间存在巨大差异时的身份成员推理攻击,这些差异会导致基于样本推理身份成员关系的性能急剧下降;其次,在此基础上设计基于各身份解耦表征的重建误差攻击方案,在最大化消除不同样本间背景姿势等因素影响的同时,消除巨大年龄跨度导致的表征差异,进一步提高了攻击性能;最后,基于3个代表性的人脸数据集在3个主流GAN架构上训练生成模型并进行攻击,实验结果表明,在各种攻击场景下,此攻击方案较对比方法AUCROC值平均提高0.2。

摘要：在联邦学习中,不同用户的设备计算、通信、储存能力存在很大差别,容易产生掉队等不公平问题,对现有的联邦学习提出重大挑战。为解决这一问题,提出一种自适应编码器分配模型(federated learning adaptive encoders,FedAE),根据设备的性能将不同编码器组合发送给用户进行本地更新,在服务器端对相应的编码器进行参数聚合。通过这样按需分配,使得所有设备充分发挥设备性能,保证公平。FedAE通过级联分类器进行分类处理,提高模型整体的准确性,节省计算资源。通过实验对比准确度、收敛性快慢等方面,FedAE在解决设备异构问题上提供了更好的方案。

摘要：为减少异常流量检测技术中流量特征的信息冗余,对不同类型流量多层面进行特征提取,提出一种基于设备行为的异常流量检测技术,对流量数据进行深度学习特征提取,综合提取到的数据时序特征、流量统计特征、协议,得到能够表征设备行为的特征。利用引入注意力机制的长短期记忆网络(long short-term memory,LSTM)训练数据提取时序特征,利用卷积神经网络(convolutional neural network,CNN)模型训练由时序特征矢量、流量统计特征、协议组成的高维流量特征完成深层次特征提取。通过在开源入侵检测数据集上进行实验,验证了该方法的有效性以及准确性。

摘要：基于食品物性检测及品质评价、义齿材料检测及评估等领域的需求,设计了一种仿生咀嚼6PSS并联驱动平台。介绍了该并联驱动平台的基本结构组成,采用拉格朗日方法对动平台进行动力学建模和分析,得出了系统的动能、势能和动力学方程。在Adams软件中建立虚拟样机,进行运动学仿真,给予动平台一组模拟右侧咀嚼运动的轨迹,使其模拟下颌咀嚼食物,得到动平台位姿参数曲线,将动平台质心参数曲线数据作为动力学方程输入条件,求解出系统广义力并以此为驱动进行动力学仿真,将得到的位姿曲线与运动学仿真得到的位姿曲线比较,验证了动力学模型的正确性,证明了机构的仿生性能,同时分析了两者曲线之间产生的误差及可能导致误差产生的原因,为后续的控制与优化提供了参考。

摘要：为增强机器视觉领域深度神经网络模型的安全性,提出一种基于图像熵联合重构的对抗样本检测方法。利用正常样本和对抗样本在图像重构后,分类结果差异大小不同的原理进行对抗样本的检测。引入位深度缩减、空间平滑、图像压缩、平移、翻转、缩放6种图像重构方法,以图像熵作为重构参数选择的指标,利用KL散度序列训练二元检测器。对比实验结果表明,采用的方法相较于特征压缩法,对抗样本检测率得到提升,误检率有所降低。

摘要：为解决实时视频分析任务中精度和延迟的平衡问题,进一步提升系统性能,提出一种基于显著性检测的云边协同视频流分析框架。通过计算推理结果在视频帧上的梯度来准确衡量不同区域的显著性,结合监控摄像机的上下文特征构建宏块(视频编码的基本单元)粒度的感知区。通过建立这些感知区,边缘端可以针对视频帧中不同区域的内容进行不同层次的压缩过滤,降低传输过程中的带宽消耗。实验结果表明,该框架在较小精度损失的前提下,能够显著降低带宽消耗和延迟。

摘要：为解决在入侵检测场景中引入联邦学习技术后,由于节点间存在流量数据非独立同分布(non-iid)现象而导致模型难以聚合并得到高识别率的问题,构造了一种高效联邦学习算法(H-E-Fed),并基于该算法构建了对应的入侵检测模型。首先,协调方设计针对流量数据的全局模型,并下发至入侵检测节点间进行模型训练;然后,协调方收集本地模型,并对节点间本地模型的协方差矩阵评估偏度,以衡量节点间模型的相关性,从而重新分配模型聚合参数,并生成新的全局模型;最后,协调方与节点多轮交互,直至全局模型收敛。实验结果表明,与基于联邦平均(FedAvg)算法和FedProx算法的模型相比,基于高效联邦学习算法的入侵检测模型在节点间产生数据non-iid现象时的通信消耗更低;且在KDDCup99数据集和CICIDS2017数据集上,与基线模型相比,准确率分别提升了10.39%、8.14%与4.40%、5.98%。

摘要：随着经济社会的不断发展与进步,老百姓的物质文化水平提高,占据中国社会结构重要组成部分的农村地区也发生着翻天覆地的变化,农村地区逐渐从农耕文明向着现代化文明的方向发展。文章主要对鲁西南地区村落音乐文化情况进行简要的概述,通过对村落音乐文化的形成与发展变化的研究,试图揭示当代社会中民间艺术传统的生存现状和促使其变异的种种社会因素,并初步探索民间艺术在不同的社会时期所承载的不同历史意义,从而进一步地体会传统与民间音乐,把握音乐深层次的内涵。