公共文化服务平台

搜索到1039篇“ 网络对抗“的相关文章

卷积神经网络对抗样本生成方法、测试方法及相关装置: 本申请公开了一种卷积神经网络对抗样本生成方法、测试方法及相关装置，涉及对抗性机器学习技术领域，该对抗样本生成方法中目标函数采用的覆盖率相关项变量与覆盖率提升目标关系紧密，能够直接引导生成样本未覆盖的神经元(即没有被激活的...; 艾骏唐子沐施韬张明星

一种网络对抗环境下异构无人集群时变编队控制方法: 本发明涉及无人集群时变编队控制技术领域，公开了一种网络对抗环境下异构无人集群时变编队控制方法，包括构建异构无人集群系统模型；根据异构无人集群系统模型建立网络对抗环境下具有切换拓扑的通信拓扑有向图；根据异构无人集群系统模型...; 季袁冬江秀强王一书孙国皓宁召柯林伯先施孟佶钟苏川吴佳恒

深度网络对抗鲁棒性提升模型、构建方法、设备、介质: 本发明属于神经网络模型构建技术领域，公开了一种深度网络对抗鲁棒性提升模型、构建方法、设备、介质，通过借鉴人脸识别任务中训练、测试阶段受不同目标函数监督的思想，将整个训练过程划分为特征提取和分类决策两阶段进行；训练一个能生...; 王冉熊镜宇柯浩鹏

图神经网络对抗攻击与鲁棒性评测前沿进展被引量：1: 2024年; 近年来,图神经网络(GNNs)逐渐成为人工智能的重要研究方向。然而,GNNs的对抗脆弱性使其实际应用面临严峻挑战。为了全面认识GNNs对抗攻击与鲁棒性评测的研究工作,对相关前沿进展进行梳理和分析讨论。介绍GNNs对抗攻击的研究背景,给出GNNs对抗攻击的形式化定义,阐述GNNs对抗攻击及鲁棒性评测的研究框架和基本概念。对GNNs对抗攻击领域所提具体方法进行了总结和梳理,并对其中的前沿方法从对抗攻击类型和攻击目标范围的角度进行详细分类阐述,分析了它们的工作机制、原理和优缺点。考虑到基于对抗攻击的模型鲁棒性评测依赖于对抗攻击方法的选择和对抗扰动程度,只能实现间接、局部的评价,难以全面反映模型鲁棒性的本质特征,从而着重对模型鲁棒性的直接评测指标进行了梳理和分析。在此基础上,为了支撑GNNs对抗攻击方法和鲁棒性模型的设计与评价,通过实验从易实现程度、准确性、执行时间等方面对代表性的GNNs对抗攻击方法进行了对比分析。对存在的挑战和未来研究方向进行展望。总体而言,目前GNNs对抗鲁棒性研究以反复实验为主,缺乏具有指导性的理论框架。如何保障基于GNNs的深度智能系统的可信性,仍需进一步系统性的基础理论研究。; 吴涛吴涛先兴平袁霖先兴平崔灿一星田侃

一种基于神经网络模型的网络对抗效能评估方法: 本发明涉及一种基于神经网络模型的网络对抗效能评估方法，涉及网络安全技术领域。本发明构建两级神经网络对抗效能评估模型，避免梳理指标体系内部错综复杂的关系，具有很强的自学习、自组织和适应能力，通过训练样本即能不断动态的学习和...; 张茜温泉王晓菲姜国庆李宁杨华王亚洲王崇维

基于输入通道拆分的无线通信网络对抗攻击多任务防御被引量：1: 2024年; 在无线通信网络中,由于网络的开放性和共享性,攻击源自多个不同的源头,展现出多种多样的特征。传统的防御方法难以同时应对多种攻击模式,且在处理多模态数据时存在效率低下和准确性不足的问题。为此,研究基于输入通道拆分的无线通信网络对抗攻击多任务防御方法。利用Morlet小波变换将无线通信网络信号转换为时频图像,以输入通道拆分的方式拆分时频图像,得到RGB三个通道的时频图像。在改进注意力机制生成对抗网络内,结合多任务学习建立多防御模型。该模型内生成器通过空间注意力模块与时间注意力长短期记忆网络模块,提取RGB三个通道时频图像的时空特征,并生成对抗样本,通过判别器识别图像类型。检测到攻击时,用对抗样本替换攻击数据,实现无线通信网络的多任务对抗防御。实验证明,该方法可有效将无线通信网络信号转换成时频图像,且有效生成对抗样本,完成无线通道网络对抗攻击多任务防御。; 高程昕温昕曹锐; 关键词：无线通信网络

基于特征约束的深度神经网络对抗防御方法: 本发明涉及一种基于特征约束的深度神经网络对抗防御方法，属于机器学习和深度学习安全技术领域，以解决迭代的白盒攻击对深度神经网络模型的安全威胁。本发明使用引导互补熵构建模型分类目标函数，初始化深度神经网络以确定模型分类边界；...; 孙家泽龙思媛马鲜艳田振洲

考虑数据隐私的视觉分类网络对抗补丁生成方法: 一种考虑数据隐私的视觉分类网络对抗补丁生成方法，属于深度网络安全技术领域。本发明的目的是以典型视觉网络—分类网络为目标攻击网络，提出了一种考虑数据隐私的视觉分类网络对抗补丁生成方法。本发明的步骤是：目标攻击网络的选择，可...; 宫洵刘嘉威姜中瑾胡云峰陈虹

一种网络对抗兵棋棋子建模方法: 本发明涉及一种网络对抗兵棋棋子建模方法，属于网络安全领域。本发明根据各参演机构网络安全防护职能不同，将棋子分为公共棋子和专属棋子，根据棋子防护范围，可将公共棋子进一步分级；棋子按照[内部要素，防御值，对外赋能系数]建模。...; 李明超郭海刘心馨赵林袁建国徐明浩郭凯翔谭业进蒋志圆古亚鑫

基于样本分离的深度网络对抗鲁棒性提升方法: 本发明公开了一种基于样本分离的深度网络对抗鲁棒性提升方法，包括在一个数据集上训练一个分类神经网络；用给定的方法攻击神经网络，得到X<Sub>fail</Sub>和X<Sub>adv</Sub>；基于GLCM，计算E<Su...; 王冉高雪丹邬文慧

加载更多 ∨

相关作者

用户反馈

相关作者

用户登录

用户反馈