摘要：当前,人工智能系统在诸多领域都取得了巨大的成功,其中深度学习技术发挥了关键作用。然而,尽管深度神经网络具有强大的推理识别能力,但是依然容易受到对抗样本的攻击,表现出了脆弱性。对抗样本是经过特殊设计的输入数据,能够攻击并误导深度学习模型的输出。随着激光雷达等3维传感器的快速发展,使用深度学习技术解决3维领域的各种智能任务也越来越受到重视。采用深度学习技术处理3维点云数据的人工智能系统的安全性和鲁棒性至关重要,如基于深度学习的自动驾驶3维目标检测与识别技术。为了分析3维点云对抗样本对深度神经网络的攻击方式,揭示3维对抗样本对深度神经网络的干扰机制,该文总结了基于3维点云深度神经网络模型的对抗攻击方法的研究进展。首先,介绍了对抗攻击的基本原理和实现方法,然后,总结并分析了3维点云的数字域对抗攻击和物理域对抗攻击,最后,讨论了3维点云对抗攻击面临的挑战和未来的研究方向。

摘要：采用先进的Golang网络编程语言，设计和实现了一种新的RUDP(reliable user datagram protocol)传输协议，部署在实际的远距离Internet网络中，对新RUDP协议进行实验验证和性能测试分析。实验结果表明：新RUDP传输协议是可行的，实现了确认、序列号、重传、拥塞控制、滑动窗口、差错检测等可靠通信机制，保证了传输数据的可靠交付；在相同的实验条件下，新RUDP的丢包率与TCP(transmission control protocol)的相同为0%;新RUDP的端到端时延和时延抖动总体上都比TCP的要小，在一些常见的通信链路中，新RUDP的端到端时延、时延抖动与TCP的之间存在显著性差异，新RUDP的带宽占有率比UDP(user datagram protocol)的显著性低；从实测结果来看，新RUDP比TCP、UDP更适合应用于这类低时延高可靠性的网络新应用。最后，对新RUDP的协议参数进行了部分优化，为这类网络新应用提供性能更好的传输服务质量。

摘要：面向移动边缘计算(mobile edge computing,MEC)场景,建立了一个存在主动攻击者的非正交多址协议(nonorthogonal multile access,NOMA)网络传输模型,并设计一种卷积神经网络(convolutional neural network,CNN)模型来评估该传输模型的安全中断概率(security outage probability,SOP)。研究结果表明:所提出的MEC-NOMA系统不仅提高了SOP,而且能够对抗主动窃听者的攻击;此外,通过CNN模型评估的SOP与其他方法(蒙特卡洛方法和数学解析表达式)非常接近,且执行时间更短。

摘要：近年来，随着高分辨率遥感影像和船舶智能化的发展，通过遥感技术在大范围内对船舶目标进行检测识别已在海洋监管和安全等领域发挥出重要的现实意义。考虑到人类的视觉回路系统中对外界特定目标有很强的方向选择性，借鉴视觉的方向选择性机制，将有助于提升舰船检测识别任务的性能。从3个方面来模拟这种视觉的方向性选择机制：对卷积层采用Gabor卷积核分解的方法来模拟视觉回路的方向性，使深度卷积网络具有方向不变性；通过采用方向回归的方式估计舰船目标的主方向，模拟方向性选择机制；结合方向性目标来提升舰船检测识别任务的性能。试验结果表明：与快速区域卷积神经网络(Faster R-CNN)、单步多框检测(SSD)和定向响应网络(ORN)方法相比，该方法能取得较好的效果，表现出潜在的优势，均值平均精度(mAP)可达到约98%。

摘要：蜂窝移动网络可提供话音、数据、视频图像等业务,具有终端移动性、越区切换和跨本地网自动漫游功能,因此上述网络环境中的数据为移动宽带数据流量,数据量巨大,并一直处于自更新状态,导致其聚类过程中易产生异常数据。针对上述问题,提出蜂窝移动网络大数据聚类异常挖掘方法。根据蜂窝移动网络的结构、数据存储结构以及数据特征,对数据属性聚类,并提取异常数据的弱相关特征值。基于以上情况,将提取的弱相关特征值输入至聚类器中,挖掘蜂窝移动网络大数据的异常数据。实验结果表明,蜂窝移动网络大数据量逐渐增多时,研究方法的挖掘准确性仍能保持在98.5%以上,耗时可控制4ms以内,漏检率始终低于1%,误检率不超过2%。以上所得数据说明该方法的应用可靠性更优。

摘要：高分辨率遥感图像语义分割在航空图像分析领域中具有重要的理论价值和应用价值。但由于高分辨率遥感图像中建筑物语义的丰富性和图像背景的复杂性,以往的分割方法往往容易产生边缘模糊、细节信息丢失和分辨率低等缺点。为了解决高分辨率卫星图像语义分割边界模糊和信息丢失的问题,本文提出一种端到端的卷积神经网络Dilated-UNet(D-UNet)。首先,通过改进U-Net网络结构,采用Dilation技术拓展四通道的多尺度空洞卷积模块,每个通道采用不同的卷积扩张率来识别多尺度语义信息,从而提取更丰富的细节信息。其次,设计了一种交叉熵和Dice系数的联合损失函数,更好的训练模型以达到预期分割效果。最后,在Inria航空图像数据集上进行综合评估与检验。实验结果表明,本文提出的遥感图像分割方法能够有效地从高分辨率遥感图像中进行像素级城市建筑物的分割,与其他方法相比,分割精度更高,具有较高的实际应用价值。

摘要：旨在探讨一种面向系统能力培养的计算机科学与技术专业人才培养模式,通过从大学一年级贯穿到大学四年级的一条主线,即从大学一年级的简单系统设计开发到大学四年级的软硬件综合系统的开发设计能力的训练,培养学生的实际学习和系统应用能力。通过广泛的调研和探索,提出适用于集美大学层次的面向系统能力培养的人才培养模式。

摘要：操作系统是计算机相关专业最重要课程之一。实验课是操作系统教学的重要环节。针对现有实验平台不友好、学生实验课普遍不专心、代码抄袭严重、实验结果反馈不及时等问题,本文提出构建一个友好的本地服务器作为操作系统实验平台,并通过统计学生服务器在线时长进行更有效的出勤考核,通过记录学生文件的变化来甄别抄袭行为,使用程序辅助评分及时给学生反馈。实践表明,综合使用这些方法可以很好地敦促学生认真完成实验,进而提升教学效果。

摘要：针对5G网络下行方向存在微站降噪扩容不力的情况提出一种微站重构技术。重构技术通过建立噪声触发评估机制为微站设计分区部署模型。引入降噪约束目标为每个分区内的微站干扰程度权值开展排序,确定微站分区规模。引入扩容约束目标为每个分区部署最适宜的无线载频。该技术平滑地解决了微站之间、分区之间、频谱之间的相互干扰对5G移动服务接入的潜在影响。实验测试表明,重构技术可在多指标测试中表现出科学的相对优势。

摘要：超密集网络中高密度微站部署技术显著提升了5G网络带宽。该技术的优势可助力大规模移动台接入,然而持续增加的微站接入点和移动台将引发累积性微站分区互扰。针对该问题提出一种降噪算法,以保证移动台接入平滑性和全网服务质量。算法在初始阶段通过评估无线接入代价为移动台适配虚拟分区,根据信道衰耗模型为微站自适应部署工作频率。针对移动台、接入点和移动台持续增加规模而引发的分区互扰问题,算法引入参考信号值峰值计算机制来确定分区的归并重组方案,并以信噪比衡量分区的归并成效。考察结果表明,在应对大规模移动台接入或持续增加接入点、移动台的情形下,降噪算法表现出了良好普适性,有效保证了接入平滑性和全网服务质量。