摘要：为解决现有全同态加密技术在语音分类任务中计算效率和分类准确率均较低的挑战,提出一种高精度可扩展的密态隐私保护语音分类PPSC方案。设计基于CKKS全同态加密技术两方服务器协同的安全乘法协议,因避免使用昂贵的自举操作,可有效提升深层次密文乘法的计算效率,从而使得方案可扩展到更深层次的神经网络;基于上述架构设计安全指数、安全倒数以及安全比较等安全非多项式协议,相较于多项式近似拟合非多项式运算的方法,在提高计算精度的同时,降低了计算开销。安全实现卷积层、ReLU层、平均池化层、全连接层、Softmax层等PPSC方案的基本模块,确保语音数据、语音模型和中间计算结果的隐私性。从有效性和安全性等维度对PPSC方案进行了详尽的理论分析,证明安全乘法协议在更深层次的乘法运算中具有更高的运算效率。在Speech Command Database语音数据集上的实验结果表明,PPSC方案可以在保护数据和模型参数隐私的情况下实现有效的语音分类,其准确率相比于HEKWS方案提高3.57个百分点。

摘要：在线社交媒体的普及为人们通信带来便利,但也为谣言滋生创造条件,设计高效的谣言检测方法能保护人民财产和维持社会稳定.已有方法主要集中在利用谣言传播中的丰富信息来检测谣言,这些方法在长期谣言检测具有优越性能,但应对早期谣言检测的效果不佳.针对这些方法无法在谣言传播早期获得丰富信息的问题,本文提出了一种背景知识增强的多特征融合谣言检测方法来提高早期谣言检测性能.首先,从知识图谱和维基百科中挖掘谣言背景知识并建立知识关联图来补充源推文的语义信息;其次,为了解决现有方法难以学习具有不同差异性噪声的谣言传播表示的问题,本文设计了一种基于加性注意力和点积注意力的图神经网络结构对谣言进行插值学习;最后,将知识关联图、谣言传播-扩散图以及社交图的表示进行结合,构建出具有多通道输入的谣言检测器架构,从而实现早期谣言的精准分类.实验结果表明,本文方法在3个公开数据集上的准确率分别达到了87.3、90.4%和87.0%,与其它对比方法相比,具有更高的早期谣言检测准确率和长期谣言检测准确率.

摘要：随着人脸识别技术的日益普及,人们对个人隐私泄露的担忧逐渐加剧。尽管近年来一些研究尝试通过生成对抗样本来保护照片隐私,防止未经授权的人脸识别系统识别,但这类方法常因攻击成功率低和可转移性弱而受限。针对这一问题,提出了一种基于多尺度频率分解与元学习的人脸识别有目标攻击算法。首先设计了一个多尺度频率分解模块。该模块将目标人脸图像精细划分为不同频率成分的频带,进而将频率信息与空间信息相融合,从而提取目标人脸图像的完整信息。随后构建了以循环生成对抗网络(cycle-consistent generative adversarial networks,CycleGAN)作为主体、妆容转移为核心的对抗攻击算法。该算法使用源人脸图像生成高质量的妆容,在这一过程中,新增的元学习攻击模块负责计算损失函数并更新参数。元学习攻击模块可以对妆容进行精细化处理,巧妙地将目标人脸的特征融入妆容中,以生成具有强大对抗性的妆容图像,从而实现对特定目标的有目标攻击。元学习攻击模块解决了以往针对白盒模型集成攻击时因过拟合而出现的泛化问题,使得生成的对抗样本具有更强的攻击性和泛化能力。通过对不同攻击策略的实验效果进行分析,该研究发现多尺度频率分解与元学习相结合的方法能大幅提高攻击人脸识别系统的成功率和鲁棒性。

摘要：本文设计并实现了一个基于数据挖掘的学生成绩分析系统,旨在通过分析学生的学科特定属性和一般属性来量化其学习进展。同时,提出的学生属性模型也综合了绩效和非绩效属性,通过最大似然估计和反向传播神经网络方法,动态更新学生的学习状态并预测其未来表现。实验结果表明,该系统能够有效评估学生的进步潜力,帮助教师优化教学策略,从而促进学生的全面发展。

摘要：现有的交通流量预测模型通常基于时空图神经网络(GNN)提取交通流量数据的时空特征。然而,GNN通常基于路网连通性、路网中传感器之间的距离构建图结构,忽略了路段的拥塞信息。为了充分捕捉交通流量数据的动态时空依赖关系,提出一种基于时间感知注意力与拥塞驱动图卷积的交通流量预测模型TCGCN。在空间维度上,TCGCN利用两种衡量交通拥塞程度的度量指标构建图结构,挖掘路段之间的动态空间依赖关系,在时间维度上,TCGCN设计了一个时间门控因果卷积多头自注意力机制增强模型的时间感知能力和局部趋势感知能力。最后,在两个真实交通数据集上的实验结果表明,与最优基线模型相比,TCGCN在MAE、MAPE和RMSE这3评价指标上分别平均降低了5.22%、5.05%和2.90%。

摘要：平安校园建设背景下,校园技防系统是保障高校稳定与发展的基础,为设计符合高校发展特性与要求的技防系统,首先阐述了高校技防管理的基本情况以及系统应用现状与问题,接着分析实验室安全的需求问题以及系统应用实施平台的功能,然后讨论高校云平台的选择和总体设计建设方案,最后明确实施目标和分析系统定制化实施效果。通过高校云平台对系统统筹规划与技术创新,提高系统应用安全与快捷运行水平,使高校了解到云计算、大数据、互联网等技术在校园技防系统建设过程中的重要意义,并对其他高校起到一定的参考作用。

摘要：针对环锭纺纱过程中断纱检测效率低下、易受环境干扰等问题,提出一种改进的MobileNetV3-Small断纱检测方法。首先,设计并构建基于四轮四驱移动机器人平台的图像采集系统,获取7个类别断纱数据集。其次,采用Prewitt算子和伽马校正进行图像增强,提升纤维特征的清晰度。然后,在MobileNetV3-Small模型中引入改进后的CoordAttention注意力机制,通过增加通道注意力机制,增强模型对纱线空间和通道信息的捕捉能力。最后,为解决类别不平衡和特征学习问题,采用Focal Loss和Center Loss的联合损失函数,提升模型的泛化能力和分类精度。试验结果显示:模型在验证集上取得了97.8%的准确率,相比基准模型提升了3.2个百分点,模型参数量降低至4.42 M,体现了其轻量化和高效性的优势。该研究提出的模型在断纱检测任务中具有较高的准确性和实时性,能够有效解决传统方法的不足。

摘要：为了满足偏远山区学校智慧教学环境对网络传输的需求,解决网络带宽低、延时大、信噪比低对信息传输影响的问题,本文提出了一种自适应语义通信传输方法。该方法基于深度学习技术,采用深度神经网络,结合信道自适应和带宽自适应策略,通过设计一种新的语义通信体系结构DeepJSCC-CBA来实现对各种数据类型的高效传输。实验结果表明,该方法在低信噪比和低带宽环境下展现出更强的适应性和稳定性。这一研究为偏远地区的教育信息化提供了新的技术支持。

摘要：实现快速且高精度的点云分类算法对自动驾驶、3维场景识别、地图重建、工业机器人等应用领域起着重要的作用。针对目前传统3维点云分类算法存在着深度学习需要海量带标签训练数据以及在网络中没有考虑到3维点云数据的局部信息的不足,基于最大分类器差异域适应方法,设计了一种3维点云分类框架。首先使用PointNet点云分类网络作为网络的基本框架,其次在特征网络中添加自适应节点模块以处理3维点云的局部特征,最后利用领域自适应方法中的最大分类器差异域适应方法对网络的全局特征进行训练,有效缓解对海量训练数据的依赖性。在3维点云数据集PointDA-10的6种迁移组合对所提方法进行实验验证,在其中5种组合的分类准确率优于传统的点云分类算法,并且在减少20%训练数据量的情况下仍能较传统方法有效提升分类准确率。

摘要：Transformer在自然语言处理中表现出优越的性能激励了研究人员开始探索其在计算机视觉任务中的应用。基于Transformer的目标检测模型DETR将目标检测视为一个集合预测问题,引入Transformer模型来解决目标检测任务,从而避免了传统方法中的提案生成和后处理步骤。最初的DETR在训练收敛和小物体检测方面存在速度慢、效率低的问题。为了解决这些问题,研究人员进行了多方面改进,提升了DETR的性能。对DETR的基本模块和增强模块进行深入研究,包括对主干结构的修改、查询设计策略和注意力机制的改进,同时对各种检测器进行比较分析,评估它们的性能和网络架构,探讨了DETR在计算机视觉任务中的潜力和应用前景以及目前存在的局限性和面临的挑战,并对相关模型进行分析与总结。根据目标检测发展的现状,分析注意力模型的优势与局限性,并对注意力模型在目标检测领域的研究方向加以展望。