分类： 计算机科学 >> 信息安全 提交时间： 2023-05-30
摘要：自从互联网提出以来，网络的匿名性一直是一个公众关注的重要议题。从保证电子选举公平性到保护用户隐私，匿名性起着越来越重要的作用。随着匿名网络的提出，对于公众而言，匿名性得到了一定的保障。但随着匿名对抗技术的不断升级，匿名性也逐渐面临着威胁。本文以匿名性及其保障与对抗技术为主线，综述了匿名网络及其对抗技术的发展。文章主要以网站指纹技术的发展论述人工智能技术在匿名网络中的应用。自从互联网提出以来，网络的匿名性一直是一个公众关注的重要议题。从保证电子选举公平性到保护用户隐私，匿名性起着越来越重要的作用。随着匿名网络的提出，对于公众而言，匿名性得到了一定的保障。但随着匿名对抗技术的不断升级，匿名性也逐渐面临着威胁。本文以匿名性及其保障与对抗技术为主线，综述了匿名网络及其对抗技术的发展。文章主要以网站指纹技术的发展论述人工智能技术在匿名网络中的应用。
分类： 计算机科学 >> 计算机科学技术其他学科 提交时间： 2023-05-22
摘要：目的 当前，基于规则的知识图谱推理方法不断涌现，但缺乏系统的归类和分析。本文梳理了基于规则的知识图谱推理相关研究工作。
方法 对相关经典方法的核心思路、关键技术和优缺点进行阐述分析，并对不同类型方法的性能进行比较。
结果 本文归纳出4类方法，包括基于归纳逻辑编程的方法、基于概率图和规则的方法、基于嵌入表示和规则的方法和基于神经网络和规则的方法。
局限 相关方法的具体应用研究目前还比较少。
结论 基于规则的知识图谱推理方法通过挖掘底层逻辑规则执行推理，泛化能力和可解释性较强，基于规则的混合推理方法在未来仍有较大应用前景。
分类： 统计学 >> 数理统计学 分类： 数学 >> 统计和概率 分类： 计算机科学 >> 计算机应用技术 分类： 信息科学与系统科学 >> 信息科学与系统科学基础学科 提交时间： 2023-05-19
摘要：统计独立性是统计学和机器学习领域的基础性概念，如何表示和度量统计独立性是该领域的基本问题。Copula理论提供了统计相关关系表示的理论工具，而Copula熵理论则给出了度量统计独立性的概念工具。本文综述了Copula熵的理论和应用，概述了其基本概念定义、定理和性质，以及估计方法。介绍了Copula熵研究的最新进展，包括其在统计学的八个基本问题（结构学习、关联发现、变量选择、因果发现、系统辨识、时延估计、域自适应和正态性检验等）上的理论应用。讨论了前四个理论应用之间的关系，以及其对应的深层次的相关性和因果性概念之间的联系，并将Copula熵的（条件）独立性度量框架与基于核函数和距离相关的同类框架进行了理论对比，又通过仿真和实际数据实验评估验证了CE的实际优越性。简述了Copula熵在理论物理学、理论化学、化学信息学、水文学、气候学、气象学、环境学、生态学、动物形态学、农学、认知神经学、运动神经学、计算神经学、心理学、系统生物学、生物信息学、临床诊断学、老年医学、精神病学、公共卫生学、经济学、管理学、社会学、教育学、计算语言学、新闻传播学、法学、政治学、军事学，以及能源工程、食品工程、土木工程、交通工程、制造工程、可靠性工程、化学工程、航空航天、电子工程、通信工程、高性能计算、测绘遥感和金融工程等领域的实际应用。
分类： 计算机科学 >> 计算机应用技术 提交时间： 2023-05-16
摘要：目的 解决长尾商品的推荐中存在的样本数据偏少，现有协同过滤法计算量大，性能难以满足需求的问题
方法 出了基于GAN+XGBoost+LR的解决方案，通过协同过滤寻找初始样本数据，利用GAN生成更多样本数据训练XGBoost+LR模型，并针对不同模型的特点指定针对性的训练策略。
结果 该方案在兼顾性能和精确度要求下，可以提高推荐模型的鲁棒性。
局限 XGBoost模型承担自动化特征工程能力有限。
结论 基于GAN+XGBoost+LR的个性化推荐方法可以提高长尾商品的推荐的有鲁棒性。
分类： 计算机科学 >> 计算机应用技术 分类： 图书馆学、情报学 >> 情报学 提交时间： 2023-05-12
摘要：目的/意义：随着以ChatGPT为代表大语言模型技术的不断发展与变革，使得许多领域的经典场景都重新焕发出新的机会。同时，越来越多的学者开始关注如何将大语言模型的智能化能力与技术应用到现有的场景，并分析这些技术带来的挑战和机遇。 方法/过程：本文以ChatGPT为建模对象，首次将大语言模型技术引入用户图书评分偏好预测这一图情领域的典型应用场景，并落地实践。通过构建基于ChatGPT的用户图书评分预测模型（CUBR, ChatGPT-based model for User Book Rating Prediction），来探索大语言模型技术在图书推荐领域实践和落地的可行性。同时，本文基于图书评分任务的不同评估方案与现有经典推荐模型进行对比，探讨并给出了CUBR在用户图书评分预测场景的优势与劣势，并分析了后续大语言模型在图书推荐其他场景可能的研究机会点。 结果/结论：本文实验研究表明，（1）CUBR模型在现有用户图书评分偏好预测任务上能够取得不错的推荐效果，特别是单样本(One-shot)这类待推荐目标信息较少的情况下，其表现接近或超过当前经典推荐算法，且泛化能力较强，较适用于冷启动推荐场景。（2）随着单个用户提示样本内容的增加（如从One-shot到Ten-shot），CUBR的预估效果会有显著的提升，说明CUBR具备不错的实时上下文学习能力。 局限：本文研究场景仅限于用户图书评分偏好理解与推荐，未来将尝试在更多的图情场景应用和改造现有大语言模型技术，并获得更好的实践效果。
分类： 计算机科学 >> 计算机科学技术其他学科 提交时间： 2023-05-06
摘要：With a preliminary exploration of the capability boundaries of LLM(Language Large Model),we believe that the current mainstream artificial intelligence generally adopts the technical of "attention mechanism + deep learning" + "reinforcement learning", which cannot be applied to those fields that are difficult to a lot of "trial and error". So, to achieve AGI (Artificial General Intelligence) that works in any field, it’s better to change the way we do it. Therefore, we propose a set of machine learning solution different from "deep learning + reinforcement learning". It adopts small samples and cumulative learning, and also realizes the attention mechanism similar to transformer, and also creates a fully connected knowledge network. In addition, it can realize interactive decision making with the environment without using lots of "trial and error" style learning. In addition, humans can preset different innate needs to it to achieve multi-objective balance, thus achieving far higher security than the current artificial intelligence. In this paper, we propose a set of new machine learning techniques which maybe guide humans realizes AGI
分类： 计算机科学 >> 信息安全 提交时间： 2023-04-18
摘要：开源、共享和协同的软件开发模式促进了互联网、人工智能等领域繁荣发展，但在这种模式下软件开发的复杂性日益增加，体现在依靠大量开发者共同开发一个软件、频繁调用第三方代码库以及管理维护庞大的整体代码量。这种复杂的软件开发模式导致了在开发层面很大概率会引入安全漏洞。例如软件开发者不可避免地需要调用第三方代码库，却缺乏对第三方代码库的安全性的保证，导致了由于调用不可靠的第三方代码库引入了可以被攻击者利用的漏洞，带来信息泄漏和篡改的风险。一旦一个经常使用的第三发库发现漏洞，受影响的往往是大量使用这个库开发的软件。软件安全漏洞中最主要是内存访问漏洞。针对这些内存访问漏洞带来的软件安全挑战，学术界和工业界提出了一系列软硬件内存防护方法。这些防护方法一方面通过数据流完整性技术（Data Flow Integrity，简称 DFI），对非可信的软件代码的数据流进行严格的检查和限制，通过对数据边界的越界检查或者数据来源的合规性检查等来防止对内存的非法操作。这其中代表性的工作包括工业界中 Intel 公司提出的 MPX 和 MPK 技术、ARM 公司的 MTE 技术以及英国剑桥大学主导的 CHERI 安全体系结构等。另一方面通过控制流完整性技术（Control Flow Integrity，简称 CFI）来防止恶意的控制流劫持，例如 Intel 的 CET 技术、ARM 公司的 BTI 技术和 PA 等技术。但是这些内存防护方法不同程度地存在着隔离划分对象粒度过粗、安全元数据容易遭受攻击或者硬件实现/性能开销过大以及需要对现有第三方代码进行大幅修改和重新编译的问题。我们提出了 DASICS 安全处理器设计方案，以解决现有安全防护技术的隔离对象粒度过粗、元数据安全性低、性能开销过大的问题，并关注先前工作较少关注的权限动态划分、同一级地址空间内的内存保护和跨层调用检查。实现一种基于代码片段做权限动态划分的安全处理器设计，提供硬件辅助的高效软件内存防护，保障第三方代码的安全调用和运行，为基于开源开放的软件开发提供坚实的安全保障和支撑。
分类： 计算机科学 >> 自然语言理解与机器翻译 分类： 图书馆学、情报学 >> 机器翻译 提交时间： 2023-04-18
摘要：目前主流的人工智能，普遍采用“注意力机制 + 深度学习”+“强化学习”的技术道路。我们认为“强化学习”无法适用到那些难以大量“试错”的领域。所以，要想实现能适用于任何领域的通用人工智能，我们必须转变实现道路。所以，我们提出了一套不同于“深度学习+强化学习”的机器学习方案，它通过小样本、累积学习，同样实现了和 transformer 相似的注意力机制，也同样创建了全连接知识网络。并且，它不需要采用试错学习的方式，就可以实现和环境的互动决策。并且人类可以给它预置不同的先天需求，来实现多目标平衡，从而实现远高于目前人工智能的安全性。在本文中，我们提出了一套从0 到1 的新机器学习技术方案。
分类： 计算机科学 >> 计算机体系结构 分类： 计算机科学 >> 信息安全 提交时间： 2023-04-18
摘要：开源、共享和协同的软件开发模式促进了互联网、人工智能等领域繁荣发展，但在这种模式下软件开发的复杂性日益增加，体现在依靠大量开发者共同开发一个软件、频繁调用第三方代码库以及管理维护庞大的整体代码量。这种复杂的软件开发模式导致了在开发层面很大概率会引入安全漏洞。例如软件开发者不可避免地需要调用第三方代码库，却缺乏对第三方代码库的安全性的保证，导致了由于调用不可靠的第三方代码库引入了可以被攻击者利用的漏洞，带来信息泄漏和篡改的风险。一旦一个经常使用的第三发库发现漏洞，受影响的往往是大量使用这个库开发的软件。软件安全漏洞中最主要是内存访问漏洞。针对这些内存访问漏洞带来的软件安全挑战，学术界和工业界提出了一系列软硬件内存防护方法。这些防护方法一方面通过数据流完整性技术（Data Flow Integrity，简称 DFI），对非可信的软件代码的数据流进行严格的检查和限制，通过对数据边界的越界检查或者数据来源的合规性检查等来防止对内存的非法操作。这其中代表性的工作包括工业界中 Intel 公司提出的 MPX 和 MPK 技术、ARM 公司的 MTE 技术以及英国剑桥大学主导的 CHERI 安全体系结构等。另一方面通过控制流完整性技术（Control Flow Integrity，简称 CFI）来防止恶意的控制流劫持，例如 Intel 的 CET 技术、ARM 公司的 BTI 技术和 PA 等技术。但是这些内存防护方法不同程度地存在着隔离划分对象粒度过粗、安全元数据容易遭受攻击或者硬件实现/性能开销过大以及需要对现有第三方代码进行大幅修改和重新编译的问题。我们提出了 DASICS 安全处理器设计方案，以解决现有安全防护技术的隔离对象粒度过粗、元数据安全性低、性能开销过大的问题，并关注先前工作较少关注的权限动态划分、同一级地址空间内的内存保护和跨层调用检查。实现一种基于代码片段做权限动态划分的安全处理器设计，提供硬件辅助的高效软件内存防护，保障第三方代码的安全调用和运行，为基于开源开放的软件开发提供坚实的安全保障和支撑。
分类： 计算机科学 >> 信息安全 提交时间： 2023-04-17
摘要：开源、共享和协同的软件开发模式促进了互联网、人工智能等领域繁荣发展，但在这种模式下软件开发的复杂性日益增加，体现在依靠大量开发者共同开发一个软件、频繁调用第三方代码库以及管理维护庞大的整体代码量。这种复杂的软件开发模式导致了在开发层面很大概率会引入安全漏洞。例如软件开发者不可避免地需要调用第三方代码库，却缺乏对第三方代码库的安全性的保证，导致了由于调用不可靠的第三方代码库引入了可以被攻击者利用的漏洞，带来信息泄漏和篡改的风险。一旦一个经常使用的第三发库发现漏洞，受影响的往往是大量使用这个库开发的软件。软件安全漏洞中最主要是内存访问漏洞。针对这些内存访问漏洞带来的软件安全挑战，学术界和工业界提出了一系列软硬件内存防护方法。这些防护方法一方面通过数据流完整性技术（Data Flow Integrity，简称 DFI），对非可信的软件代码的数据流进行严格的检查和限制，通过对数据边界的越界检查或者数据来源的合规性检查等来防止对内存的非法操作。这其中代表性的工作包括工业界中 Intel 公司提出的 MPX 和 MPK 技术、ARM 公司的 MTE 技术以及英国剑桥大学主导的 CHERI 安全体系结构等。另一方面通过控制流完整性技术（Control Flow Integrity，简称 CFI）来防止恶意的控制流劫持，例如 Intel 的 CET 技术、ARM 公司的 BTI 技术和 PA 等技术。但是这些内存防护方法不同程度地存在着隔离划分对象粒度过粗、安全元数据容易遭受攻击或者硬件实现/性能开销过大以及需要对现有第三方代码进行大幅修改和重新编译的问题。
我们提出了 DASICS 安全处理器设计方案，以解决现有安全防护技术的隔离对象粒度过粗、元数据安全性低、性能开销过大的问题，并关注先前工作较少关注的权限动态划分、同一级地址空间内的内存保护和跨层调用检查。实现一种基于代码片段做权限动态划分的安全处理器设计，提供硬件辅助的高效软件内存防护，保障第三方代码的安全调用和运行，为基于开源开放的软件开发提供坚实的安全保障和支撑。
分类： 计算机科学 >> 计算机科学技术其他学科 提交时间： 2023-04-15
摘要：AI is extraordinarily useful technology but it is becoming increasingly powerful with rapidly growing capabilities to disrupt and harm human society. We call on international and national organizations and individuals to join forces in banning the development of superintelligent AI and introducing regulations to prevent and mitigate AI-caused harm.
分类： 计算机科学 >> 信息安全 提交时间： 2023-04-08
摘要：安全两方比较被广泛用于构建各类安全计算协议，如安全机器学习训练和推理等. 现有的安全两方比较协 议通常是一方先获知比较结果再将比较结果告知另一方，因此，难以防止先获知结果的参与方篡改比较结果. 为解 决上述问题，本文首先提出一种抗不可信参与者的安全两方比较新范式. 随后，本文采用门限Paillier密码系统设计 了一个满足新范式的安全两方比较协议. 该协议允许参与比较的两方在不泄露各自数据的情况下获得一致的比较结 果，且协议保证任何一个参与者都不能篡改比较结果. 严格的理论分析证明表明本文所提协议是正确且安全的. 实验 结果显示本文所提协议在计算效率上和功能上优于已有的安全两方比较方法. 相较于现有的安全两方比较方法，本 文协议的计算效率提高了50倍.
分类： 心理学 >> 应用心理学 分类： 计算机科学 >> 自然语言理解与机器翻译 提交时间： 2023-04-03
摘要：随着人工智能(Artificial Intelligence, AI)技术的迅猛发展，AI聊天机器人可模拟人类指导以改善在线自助干预(Internet-based Self-help Interventions, ISIs)中用户的参与度及疗效。然而，学界对聊天机器人作用机制的探索尚处初期阶段。因此，为加深对这一问题的理性认识，文章基于人机关系的视角提出了适应ISIs情境的理论模型：聊天机器人可与用户经历拟人归因、功利性价值判断、发展依恋关系、建立数字治疗联盟(Digital Therapeutic Alliance, DTA)这4个阶段来逐步发展人与聊天机器人关系(Human–Chatbot Relationships, HCRs)，并通过HCRs提高用户参与度。未来研究可继续丰富HCRs的相关理论并检验其内在机制，基于HCRs理论来设计聊天机器人，深入考察影响HCRs的额外变量，统一参与度的操作定义并开发适合的参与度测量工具。
分类： 计算机科学 >> 计算机应用技术 提交时间： 2023-03-23
摘要：Object detection based on unmanned aerial vehicle (UAV) images is very challenging. The multi-scale size and high density of objects in the UAV view bring great difficulties. To fully address this issue to unleash the potential of UAV applications, the YOLOv5-STD model is proposed. First, add one more head to locate extremely small object detection by shallow image features; second, use the attention mechanism to optimize the backbone by the transformer; third, use SPD-Conv to avoid the loss of fine-grained image feature information. At the last, sufficient experiments on the dataset VisDrone 2022 have proven that the model has good performance, compared with the basic model, the improved model has an average improvement of about 7% in mAP@.5 metrics, and the ablation experiments have verified that its improvement skills have a positive effect on the model. This paper can help developers and researchers get a better experience in the analysis and processing of unmanned aerial vehicle images.
分类： 计算机科学 >> 计算机科学技术其他学科 提交时间： 2023-03-22
摘要：To address the challenges of long-tailed classification, researchers have proposed several approaches to reduce model bias, most of which assume that classes with few samples are weak classes. However, recent studies have shown that tail classes are not always hard to learn, and model bias has been observed on sample-balanced datasets, suggesting the existence of other factors that affect model bias. In this work, we systematically propose a series of geometric measurements for perceptual manifolds in deep neural networks, and then explore the effect of the geometric characteristics of perceptual manifolds on classification difficulty and how learning shapes the geometric characteristics of perceptual manifolds. An unanticipated finding is that the correlation between the class accuracy and the separation degree of perceptual manifolds gradually decreases during training, while the negative correlation with the curvature gradually increases, implying that curvature imbalance leads to model bias. Therefore, we propose curvature regularization to facilitate the model to learn curvature-balanced and flatter perceptual manifolds. Evaluations on multiple long-tailed and non-longtailed datasets show the excellent performance and exciting generality of our approach, especially in achieving significant performance improvements based on current state-ofthe-art techniques. Our work opens up a geometric analysis perspective on model bias and reminds researchers to pay attention to model bias on non-long-tailed and even samplebalanced datasets. The code and model will be made public.
分类： 计算机科学 >> 自然语言理解与机器翻译 提交时间： 2023-03-17
摘要：该文章讨论了大型语言模型 ChatGPT 对社会生产力可能产生的影响。这包括自然语言处理技术的进步、智能客 服、自动化写作、智能教育、社交媒体的改进和改善健康保健等方面。然而，人工智能的发展也可能会带来一些负面的影响， 如取代人类工作、安全和隐私方面的问题等。因此，如何平衡利用人工智能技术的积极影响和解决可能带来的问题，将是未 来大语言模型研究中亟待解决的问题。
分类： 计算机科学 >> 计算机科学技术其他学科 提交时间： 2023-03-07
摘要：In this paper, we propose a disentangled representation transformer network (DRTN) approach for 3D dense face alignment and reconstruction.Unlike traditional 3DMM-based approaches in which the target parameters, namely the shape, expression, and pose parameters, are all individually estimated, without considering their direct influences on one another, although they are jointly optimized our DRTN aims to enhance the representation of facial attributes in a semantic sense by learning the correlation of different 3D facial attribute parameters.To achieve this we present a novel strategy to design disentangled 3D face attribute representation,which decomposes the given facial attributes into identity, expression, and poses parts. Specifically, the estimate of 3D face parameters in the regression network depends on the correlation of other face attribute parameters rather than being independent. The branching of the identity component aims to reinforce the learning of expression and pose attributes by preserving the overall face geometry structure and keeping the identity intact. Accordingly, the expression and pose parts of the branch maintain the consistency of expression and pose attributes, respectively. It helps refine the reconstruction and alignment of face details in large poses mainly by coupling other facial attribute parameters. Extensive qualitative and quantitative experimental results on widely-evaluated benchmarking datasets demonstrate that our approach achieves competitive performance compared to state-of-the-art methods.
分类： 计算机科学 >> 计算机科学技术其他学科 提交时间： 2023-03-01
摘要：近年来，随着计算机视觉领域的快速发展，数字人的概念引起社会各界的广泛关注，高保真的人体、人头和人手的建模都得到了深入的研究。本文关注头部建模，基于神经辐射场提出一种可泛化的人头模型，结合人脸识别网络和人脸三维形变模型，将头部模型参数化，因此可以直接控制生成图像的身份和表情语义属性，并且支持自由编辑图像的渲染姿态。为了提高神经辐射场的渲染速度，我们将传统的体渲染改为体渲染结合二维神经渲染的方式，在保留渲染图像质量的同时在Tesla V100 GPU上达到15帧/秒的渲染速度。通过采集大量的头部RGB图像数据参与训练，模型可以生成高保真的渲染图像，并且在测试集上也有逼真的拟合结果，可以泛化到未曾参与训练的新的身份和表情语义。得益于神经辐射场对三维几何场景的隐式表示能力，模型的渲染结果具有多视角一致性，在新视角合成、表情迁移、驱动等方面有多种用途。
分类： 计算机科学 >> 计算机应用技术 提交时间： 2023-02-21
摘要：人工智能技术在国有企业数字化转型过程中将起到关键作用。国资委《关于加快推进国有企业数字化转型工作的通知》中明确指出，要“运用人工智能等新一代信息技术，探索构建适应企业业务特点和发展需求的‘数据中台’、‘业务中台’等新型IT架构模式，加快形成集团级数字技术赋能平台，为业务数字化创新提供高效数据及一体化服务支撑”。本文根据国有企业生产经营特点，分析人工智能技术在数字化转型过程中的机遇与挑战，进而提出了以构建“智能中台”为核心的数字化转型实施路线，为国有企业数字化转型提供行动指南。
分类： 计算机科学 >> 计算机科学的集成理论 提交时间： 2023-02-16
摘要：Model bias triggered by long-tailed data has been widely studied. However, measure based on the number of samples cannot explicate three phenomena simultaneously: (1) Given enough data, the classification performance gain is marginal with additional samples. (2) Classification performance decays precipitously as the number of training samples decreases when there is insufficient data. (3) Model trained on sample-balanced datasets still has different biases for different classes. In this work, we define and quantify the semantic scale of classes, which is used to measure the feature diversity of classes. It is exciting to find experimentally that there is a marginal effect of semantic scale, which perfectly describes the first two phenomena. Further, the quantitative measurement of semantic scale imbalance is proposed, which can accurately reflect model bias on multiple datasets, even on sample-balanced data, revealing a novel perspective for the study of class imbalance. Due to the prevalence of semantic scale imbalance, we propose semantic-scale-balanced learning, including a general loss improvement scheme and a dynamic re-weighting training framework that overcomes the challenge of calculating semantic scales in real-time during iterations. Comprehensive experiments show that dynamic semantic-scale-balanced learning consistently enables the model to perform superiorly on large-scale long-tailed and non-long-tailed natural and medical datasets, which is a good starting point for mitigating the prevalent but unnoticed model bias. In addition, we look ahead to future challenges.
点击量
点击量
下载量
评论
通过
