Search | Engineering

订阅投稿

首页工程期刊工程焦点工程成就工程前沿关于我们 English

资源类型

期刊论文 691

会议视频 19

会议信息 12

年份

2024 2

2023 91

2022 98

2021 86

2020 73

2019 69

2018 52

2017 57

2016 22

2015 11

2014 5

2013 2

2012 8

2011 11

2010 13

2009 6

2008 13

2007 15

2006 20

2005 12

展开︾

关键词

机器学习 27

人工智能 18

深度学习 15

分类 4

2019 3

COVID-19 3

MATLAB 3

S-N曲线 3

可持续发展 3

图像处理 3

2020 2

5G 2

ACM 2

Bent函数 2

力学性能 2

区块链 2

合成 2

平均功率 2

展开︾

检索范围：

排序：展示方式：

边信道攻击和学习向量量化 Article

Ehsan SAEEDI, Yinan KONG, Md. Selim HOSSAIN

《信息与电子工程前沿（英文）》 2017年第18卷第4期页码 511-518 doi: 10.1631/FITEE.1500460

摘要：尽管加密算法已得到改进，加密系统的安全性仍然是密码系统设计者关注的重点。边信道攻击可利用加密系统的物理漏洞来获取秘密信息。目前提出的多种边信道信息分析方法中，机器学习被认为是一种有前景的方法。基于神经网络的机器学习可获得指令标志（功耗与电磁辐射），并自动识别。本文对椭圆曲线加密（Elliptic curve cryptography, ECC）的现场可编程门阵列（field-programmable gate array, FPGA）实现展开了新的实验研究，探讨了基于学习向量量化（Learning vector quantization, LVQ）神经网络的边信道信息表征的效率。LVQ作为多类分类器的主要特点是它具有学习复杂非线性输入-输出关系、使用顺序训练程序和适应数据的能力。实验结果表明基于LVQ的多类分类是边信道数据表征的强大且有前景的方法。

关键词：边信道攻击；椭圆曲线加密；多类分类；学习向量量化

HTML PDF 收藏

向量量化综述 Regular Papers

Ze-bin WU, Jun-qing YU

《信息与电子工程前沿（英文）》 2019年第20卷第4期页码 507-524 doi: 10.1631/FITEE.1700833

摘要：向量量化用于语音与图像编码可有效减小带宽和存储开销。根据码书生成过程，可将传统向量量化方法分为7类：树形向量量化、直和向量量化、迪卡尔积向量量化、格子向量量化、基于分类的向量量化、反馈向量量化以及模糊向量量化。在过去10年中，基于向量量化的近似近邻搜索发展迅速，涌现大量在大规模数据集内存中搜索图像的编码方法。因此，找到一个在速度、准确率和空间开销中平衡的向量量化方法依然是一个值得研究的问题。

关键词：近似近邻搜索；图像编码；向量量化

HTML PDF 收藏

基于最大间隔的贝叶斯分类器 Article

Tao-cheng HU,Jin-hui YU

《信息与电子工程前沿（英文）》 2016年第17卷第10期页码 973-981 doi: 10.1631/FITEE.1601078

摘要：概要：多分类学习中经常需要考虑在泛化性能和计算开销间进行权衡。本文提出一个生成式概率多分类器，综合考虑了泛化性和学习/预测速率。我们首先证明了我们的分类器具有最大间隔性质，这意味着对于未来数据的预测精度几乎和训练阶段一样高。此外，我们消除了目标函数中的大量的局部变元，极大地简化了优化问题。

关键词：多类学习；最大间隔学习；在线算法

HTML PDF 收藏

TIE算法：一种用于处理演化数据的聚类分层分类法生成技术上层算法 None

Rabia IRFAN, Sharifullah KHAN, Kashif RAJPOOT, Ali Mustafa QAMAR

《信息与电子工程前沿（英文）》 2018年第19卷第6期页码 763-782 doi: 10.1631/FITEE.1700517

摘要：分类法可实现对大量数据的有效组织和访问。分类法是表示数据概念的一种方法，其需要通过不断演进来反映数据变化。现有分类法自动生成技术无法处理数据演化，因此，所生成的分类法不能真实反映数据。为反映数据演变，可从头对分类法进行再生，或根据数据变化随时对分类法进行增量演进。其中，前者的时间和资源成本较高。提出一种新颖的分类增量进化（TIE）算法，用于处理随时间演变的数据。TIE是一种现有聚类分层分类法生成技术的上层算法，它允许现有分类法增量地演进。在计算机领域的研究论文中对该算法进行了评估。结果表明，与从头再生分类法相比，随数据演化的分类法生成算法耗时非常短，且在单位时间下性能更佳。

关键词：分类法；聚类算法；信息科学；知识管理；机器学习

HTML PDF 收藏

基于切换和迁移多执行体架构虚拟机的云侧信道攻击防御技术 Regular Papers

Chao YANG, Yun-fei GUO, Hong-chao HU, Ya-wen WANG, Qing TONG, Ling-shu LI

《信息与电子工程前沿（英文）》 2019年第20卷第5期页码 731-748 doi: 10.1631/FITEE.1800526

摘要：云中不同租户的虚拟机共存为以信息泄露为目标的侧信道攻击创造了便利条件。然而，当前绝大多数防御技术都存在通用性或兼容性问题，无法在真实环境下实现快速部署。本文首先建立一个统一的攻击模型，攻击者关注的目标是有效侧信道攻击。设计了一种包含多执行架构虚拟机的新型云系统：Driftor。为解决CIRCUIT-SAT求解迁移问题时的弱扩展性，本文提出一种类贪婪算法，通过逐渐扩展必须迁移的虚拟机子集搜索可行解。实验结果表明，Driftor能有效防御快速侧信道攻击，且针对真实云应用的防御开销较小。

关键词：云计算；侧信道攻击；信息泄露；多执行体架构；虚拟机切换；虚拟机迁移

HTML PDF 收藏

基于两级层次特征学习的图像分类方法 Article

Guang-hui SONG,Xiao-gang JIN,Gen-lang CHEN,Yan NIE

《信息与电子工程前沿（英文）》 2016年第17卷第9期页码 897-906 doi: 10.1631/FITEE.1500346

摘要：概要：在图像分类任务中，不同类别之间的相似度是不同的，样本经常被误分到相似度较高的类别中。为了区分高度相似类别中的样本，需要更加具体的图像特征，以便于分类器能够提高分类性能。本文提出了一种新颖、有效的基于深度卷积神经网络的两级层次特征学习框架。首先，不同层次的深度特征抽取器使用迁移学习方法进行训练。然后，从全部类别中抽取的通用特征和从高度相似类别中抽取的具体特征被融合成一个特征向量，并将其输入线性分类器进行分类。最后，基于Caltech-256、Oxford Flower-102和Tasmania Coral Point Count三个图像数据集的实验证明，通过两级层次特征学习的深度特征的表达能力十分强大，与传统的扁平多分类方法相比，我们提出的方法能有效的提高分类精度。

关键词：迁移学习；特征学习；深度卷积神经网络；层次分类；谱聚类

HTML PDF 收藏

基于多智能体强化学习的车载自组织网络协作信道分配 Research Articles

王云鹏,郑坤贤,田大新,段续庭,周建山

《信息与电子工程前沿（英文）》 2020年第21卷第7期页码 1047-1058 doi: 10.1631/FITEE.1900308

摘要：动态信道分配（DCA）在扩展车载自组织网络容量和缓解其拥塞方面起着关键作用。然而，在车—车直连通信场景下，信道分配面临大规模节点相互影响、缺乏集中式协调、全局网络状态信息未知以及其他挑战。为解决该问题，提出一种基于多智能体强化学习（RL）的协作动态信道分配（RL-CDCA）机制。具体而言，每个车辆节点都可借助2个互相协作的RL模型，从实时信道状态信息中成功学习信道选择和信道接入自适应退避的正确策略。多智能体RL-CDCA驱动节点共享本地奖励并合并区域内其他节点各自的奖励，以便它们能够以分布式协作方式优化各自策略。仿真结果表明，与4种现有机制相比，所提多智能体RL-CDCA算法即便在路网车辆高度密集的情况下仍能将单跳数据包传输延迟减少不小于73.73％，将平均数据包递送成功率提高不小于12.66％，并更好地保证网络资源分配公平性

关键词：车载自组织网络；强化学习；动态信道分配；多信道

HTML PDF 收藏

面向多类不平衡学习的一对多海林格距离决策树研究 Research Articles

董明刚1,2,刘明1,2,敬超1,2,3

《信息与电子工程前沿（英文）》 2022年第23卷第2期页码 278-290 doi: 10.1631/FITEE.2000417

摘要：由于传统机器学习方法对偏斜分布很敏感，且未考虑多类不平衡问题的特点，多类偏斜分布对机器学习算法来说是一个巨大挑战。为解决这一问题，提出一种新的基于一对多的海林格距离（OAHD）决策树分割准则。首先，将一对多思想集成到OAHD的海林格距离计算过程中，从而对海林格距离决策树进行扩展，使其能解决多类不平衡问题。其次，针对多类不平衡问题，考虑了不同类的分布和数量，设计了改进的基尼系数。最后，从基于进化学习的知识抽取（KEEL）和加州大学欧文分校（UCI）数据库中收集20个公开的真实不平衡数据集进行实验。实验结果表明，与其他5种常用决策树相比，OAHD在精度、F值，和多类别接收者操作特征曲线下面积（MAUC）上有显著优势。

关键词：决策树；多类不平衡学习；节点划分准则；海林格距离；一对多技术

HTML PDF 收藏

高效构造基于有限域上莫德尔椭圆曲线的密码置换盒 Research Article

Naveed Ahmed Azam, Umar Hayat, Ikram Ullah,azam@amp.i.kyoto-u.ac.jp,umar.hayat@qau.edu.pk

《信息与电子工程前沿（英文）》 2019年第20卷第10期页码 1378-1389 doi: 10.1631/FITEE.1800434

摘要：椭圆曲线密码体制与其他密码体制相比有密钥小、安全性高等优点，被广泛应用于各种安全系统。在许多著名安全系统中，仅置换盒是非线性结构。提出一种高效构造置换盒方法，该方法基于素数域上的一类莫德尔椭圆曲线，并通过定义不同总阶数实现。对于每个输入，该方法在线性时间与恒定空间内输出一个置换盒。因此，与现有基于椭圆曲线的置换盒生成方法相比，所提方法占用更少时间和空间。计算结果表明，所提方法能生成加密性强的置换盒，且其安全性与现有基于其他数学结构的置换盒相当。

关键词：密码置换盒；有限域；莫德尔椭圆曲线；总阶数；计算复杂度

HTML PDF 收藏

针对工业故障分类系统的单变量攻击及其防御 Article

卓越, Yuri A.W. Shardt, 葛志强

《工程（英文）》 2022年第19卷第12期页码 240-251 doi: 10.1016/j.eng.2021.07.033

摘要：但是，这些数据驱动模型容易受到对抗攻击，因此，在样本上的微小扰动会导致模型提供错误的故障预测。最近的研究已经证明了机器学习模型的脆弱性以及对抗样本的广泛存在。本文针对安全、关键的工业故障分类系统提出了一种具有极端约束的黑盒攻击方法：只扰动一个变量来制作对抗样本。基于攻击方法，文本还提出了相应的对抗训练防御方法，该方法能够有效地防御单变量攻击，并提高分类器的预测精度。本文探索了变量和故障类别的脆弱相关性，并验证了各种分类器和数据集的单变量攻击和防御方法的有效性。对于工业故障分类系统，单变量攻击方法的攻击成功率接近（在TEP上）甚至高于（在SP 上）目前最有效的一阶白盒攻击方法（该方法需要对所有变量进行扰动）。

关键词：对抗样本黑盒攻击工业数据安全故障分类系统

HTML PDF 收藏

认知无线电网络中利用信道冲击响应的主用户仿真攻击检测技术 Article

Qiao-mu JIANG, Hui-fang CHEN, Lei XIE, Kuang WANG

《信息与电子工程前沿（英文）》 2017年第18卷第10期页码 1665-1676 doi: 10.1631/FITEE.1700203

摘要：然而，在认知无线电网络中，存在着一种严重的拒绝服务攻击，称为“主用户仿真攻击”，该攻击会导致认知无线电网络系统性能的下降。在本文中，我们提出了一种在认知无线电网络中利用无线信道信息进行主用户仿真攻击检测的方法。在该方法中，我们利用信号源与从用户之间信道冲激响应的独特性，判断从用户接收到的信号来源是主用户还是仿真主用户。另外，为使所提出的检测方法在从用户没有主用户信号结构和内容先验信息的场景下也能顺利工作，我们提出了一种改进的基于子空间的盲信道估计方法。仿真结果表明，即使主用户与仿真主用户到从用户之间信道冲激响应的差别较小，所提出的主用户仿真攻击检测方法也能取得较好的检测性能。

关键词：认知无线电网络；主用户仿真攻击；基于子空间的盲信道估计；信道冲击响应

HTML PDF 收藏

学习曲线及在工业生产运作研究中的应用综述

陈志祥

《中国工程科学》 2007年第9卷第7期页码 82-88

摘要：

学习曲线是一种通过生产者行为学习与经验积累而得到改进的生产产出的特征函数，利用学习曲线可以科学地制定成本计划，改善作业计划、劳动定额与劳力规划对国际上的研究文献、学习曲线的表现形式及其特点进行分析，探讨了几个新的应用动向。

关键词：学习曲线运作管理行为研究

HTML PDF 收藏

一种观点挖掘新词语权重过程性能分析 Article

G. R. BRINDHA,P. SWAMINATHAN,B. SANTHI

《信息与电子工程前沿（英文）》 2016年第17卷第11期页码 1186-1198 doi: 10.1631/FITEE.1500283

摘要：此外，通过对包含停用词的文本分类的性能研究，提供了另一种校验方法，作为对所提出的新加权方法的补充。而通常这些停用词都会在文本处理时移除。将包含停用词这一新概念应用于本文提出的加权方法和已有加权方法，可观察到2个现象：（1）文本分类性能增强；（2）包含停用词与否，所造成的文本处理结果的差异在所提出的方法中较小，而在已有方法中较大。基于基准数据集的实验结果表明所提出的方法在分类精度上具有优化潜力。

关键词：词权重推测法；观点挖掘；监督分类法；支持向量机；机器学习

HTML PDF 收藏

基于多智能体深度强化学习的工业无线网络端边协同资源分配 Research Article

刘晓宇1,2,3,4,许驰1,2,3,于海斌1,2,3,曾鹏1,2,3

《信息与电子工程前沿（英文）》 2022年第23卷第1期页码 47-60 doi: 10.1631/FITEE.2100331

摘要：面向资源受限的工业无线网络，我们提出一种基于多智能体深度强化学习的资源分配（MADRL-RA）算法，实现了端边协同资源分配，支持计算密集型、时延敏感型工业应用。首先，建立了端边协同的工业无线网络系统模型，将具有感知能力的工业设备作为自学习的智能代理。然后，采用马尔可夫决策过程对端边资源分配问题进行形式化描述，建立关于时延和能耗联合优化的最小系统开销问题。接着，利用多智能体深度强化学习克服状态空间维灾，同时学习关于计算决策、算力分配和传输功率的有效资源分配策略。为了打破训练数据的时间相关性，同时加速MADRL-RA学习过程，设计了一种带经验权重的经验回放方法，对经验进行分类存储和采样。在此基础上，提出步进的ε-贪婪方法来平衡智能代理对经验的利用与探索。实验结果表明，MADRL-RA收敛速度快，能够学习到有效资源分配策略以实现最小系统开销。

关键词：多智能体深度强化学习；端边协同；工业无线网络；时延；能耗

HTML PDF 收藏

深度学习中的对抗性攻击和防御 Feature Article

任奎, Tianhang Zheng, 秦湛, Xue Liu

《工程（英文）》 2020年第6卷第3期页码 346-360 doi: 10.1016/j.eng.2019.12.012

摘要：

在深度学习（deep learning, DL）算法驱动的数据计算时代，确保算法的安全性和鲁棒性至关重要。最近，研究者发现深度学习算法无法有效地处理对抗样本。这些伪造的样本对人类的判断没有太大影响，但会使深度学习模型输出意想不到的结果。最近，在物理世界中成功实施的一系列对抗性攻击证明了此问题是所有基于深度学习系统的安全隐患。因此有关对抗性攻击和防御技术的研究引起了机器学习和安全领域研究者越来越多的关注。本文将介绍深度学习对抗攻击技术的理论基础、算法和应用。然后，讨论了防御方法中的一些代表性研究成果。这些攻击和防御机制可以为该领域的前沿研究提供参考。此外，文章进一步提出了一些开放性的技术挑战，并希望读者能够从所提出的评述和讨论中受益。

关键词：机器学习深度神经网络对抗实例对抗攻击对抗防御