资源类型

期刊论文 11

年份

2022 1

2021 1

2020 2

2019 4

2018 2

2016 1

关键词

深度神经网络 2

不良信息 1

人工智能 1

信息监管 1

信息过滤 1

协同作战 1

协同绘画；深度学习；图像生成 1

对抗体系 1

对抗实例 1

对抗攻击 1

对抗样本 1

对抗防御 1

小样本 1

工业数据安全 1

广彩瓷；分类；生成对抗网络；艺术创作 1

微分流形 1

故障分类系统 1

无人系统 1

机器学习 1

水下攻防 1

展开 ︾

检索范围：

排序： 展示方式：

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： 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。

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    

HTML PDF 收藏

水下攻防对抗体系及其未来发展

谢伟,杨萌,龚俊斌

《中国工程科学》 2019年 第21卷 第6期   页码 71-79 doi: 10.15302/J-SSCAE-2019.06.014

摘要：

为顺应现代海战的演进趋势，水下攻防对抗正朝着体系化方向发展，综合了水下预警、侦察、探测、攻防等一系列行动。虽然单一领域的武器装备发展迅速，但水下攻防仍存在对抗体系的能力建设、作战样式、未来发展重点不甚清晰等问题。本文梳理了军事强国水下对抗体系建设的现状与基础，分析研判了未来水下攻防对抗体系的功能组成和典型作战样式，重点阐述了水下攻防对抗体系装备发展的主要方向，同时提出了加强综合感知和导航、发展联合指挥控制、注重军民融合式发展等水下攻防体系与装备的建设举措相关研究可为我国未来水下攻防对抗的顶层设计和装备论证提供理论参考。

关键词： 水下攻防     对抗体系     协同作战     无人系统    

HTML PDF 收藏

基于最小化重构误差的生成对抗网络异常检测 Article

Huan-gang WANG, Xin LI, Tao ZHANG

《信息与电子工程前沿（英文）》 2018年 第19卷 第1期   页码 116-125 doi: 10.1631/FITEE.1700786

摘要： 生成对抗网络是机器学习领域近年来最令人瞩目的进展，它通过在二人零和博弈中达到纳什均衡来训练模型。生成对抗网络由一个生成器和一个判别器构成，二者通过对抗学习机制进行训练。本文引入并调查了生成对抗网络在异常检测中的应用。在训练阶段，生成对抗网络从正常数据中学习；然后，基于过去的未知数据，生成器和判别器可以通过学习到的决策边界，区分异常和正常模式。提出的基于生成对抗网络的异常检测方法在MNIST数字数据集和田纳西-伊斯曼标准数据集上的性能表现极具竞争力。

关键词： 生成对抗网络；异常检测；田纳西-伊斯曼过程    

HTML PDF 收藏

网络系统行为效用计算——概念与原理 Article

胡昌振

《工程（英文）》 2018年 第4卷 第1期   页码 78-84 doi: 10.1016/j.eng.2018.02.010

摘要： 基于微分几何原理，提出了网络行为效用的计算原理与方法，并构建了基于行为效用的网络攻防对抗评估计算框架，从而奠定了网络行为定量度量和评估的数学基础。

关键词： 网络度量评估     微分流形     网络行为效用     网络攻防对抗    

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。此外，为了将对抗样本隐藏在可视化空间中，本文使用了雅可比矩阵来引导扰动变量的选择，使降维空间中的对抗样本对人眼不可见。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。

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

深度学习的几何学解释 Article

雷娜, 安东生, 郭洋, 苏科华, 刘世霞, 罗钟铉, 丘成桐, 顾险峰

《工程（英文）》 2020年 第6卷 第3期   页码 361-374 doi: 10.1016/j.eng.2019.09.010

摘要：

本文从几何角度来理解深度学习，特别是提出了生成对抗网络（GAN）的最优传输（OT）观点。自然数据集具有内在的模式，该模式可被概括为流形分布原理，即同一类高维数据分布于低维流形附近。

关键词： 生成，对抗，深度学习，最优传输，模式崩溃    

HTML PDF 收藏

SmartPaint：一种基于生成式对抗神经网络的人机协同绘画系统 Special Feature on Intelligent Design

Lingyun SUN, Pei CHEN, Wei XIANG, Peng CHEN, Wei-yue GAO, Ke-jun ZHANG

《信息与电子工程前沿（英文）》 2019年 第20卷 第12期   页码 1644-1656 doi: 10.1631/FITEE.1900386

摘要： 本文开发了一种基于生成式对抗神经网络的人机协作绘画系统——SmartPaint，支持人机合作创作动漫风景画作。该系统使用动漫图像数据及其相应语义标注图、边缘检测图训练生成式对抗神经网络。

关键词： 协同绘画；深度学习；图像生成    

HTML PDF 收藏

深度三维重建：方法、数据和挑战 Review Article

刘彩霞1,孔德慧1,王少帆1,王志勇2,李敬华1,尹宝才1

《信息与电子工程前沿（英文）》 2021年 第22卷 第5期   页码 615-766 doi: 10.1631/FITEE.2000068

摘要： 首先，基于不同深度学习模型框架，将基于深度学习的三维重建方法分为4类：递归神经网络、深自编码器、生成对抗网络和卷积神经网络，并对相应方法作详细分析。其次，详细介绍上述方法常用的4个代表性数据库。

关键词： 深度学习模型；三维重建；循环神经网络；深度自编码器；生成对抗网络；卷积神经网络    

HTML PDF 收藏

国外网络空间不良信息管理与趋势

贾焰,李爱平,李欲晓、李树栋、田志宏、韩毅、时金桥、林彬

《中国工程科学》 2016年 第18卷 第6期   页码 94-98 doi: 10.15302/J-SSCAE-2016.06.019

摘要： 首先，对国外网络空间不良信息进行了定义和分类；其次，梳理了国外网络空间不良信息监管的法律法规，阐述了一些国家在立法中普遍采取的做法；再次，从网络数据监听、网络不良信息过滤与舆论对抗入手，着重介绍了世界主要国家对网络不良信息的治理技术与手段

关键词： 网络空间     不良信息     信息监管     信息过滤     舆论对抗    

HTML PDF 收藏

基于机器学习的广彩瓷图案生成系统 Special Feature on Intelligent Design

Steven Szu-Chi CHEN, Hui CUI, Ming-han DU, Tie-ming FU, Xiao-hong SUN, Yi JI, Henry DUH

《信息与电子工程前沿（英文）》 2019年 第20卷 第12期   页码 1632-1643 doi: 10.1631/FITEE.1900399

摘要： 基于条件生成对抗网络（cGAN）开发合成模块，要求用户提供自己设计的创意掩码或抽象瓷元素图像，以生成新的广彩瓷风格合成图像。在系统开发过程中，使用603幅广彩瓷图像测试分类模型。

关键词： 广彩瓷；分类；生成对抗网络；艺术创作    

HTML PDF 收藏

基于Wasserstein GAN的新一代人工智能小样本数据增强方法——以生物领域癌症分期数据为例 Article

刘宇飞, 周源, 刘欣, 董放, 王畅, 王子鸿

《工程（英文）》 2019年 第5卷 第1期   页码 156-163 doi: 10.1016/j.eng.2018.11.018

摘要： 本研究提出了一种基于生成对抗网络（generative adversarial network，GAN）和深度神经网络（deep neural network，DNN）分类器的方法。

关键词： 人工智能     生成式对抗网络     深度神经网络     小样本     癌症    

HTML PDF 收藏

标题 作者 时间 类型 操作

深度学习中的对抗性攻击和防御

任奎, Tianhang Zheng, 秦湛, Xue Liu

期刊论文

水下攻防对抗体系及其未来发展

谢伟,杨萌,龚俊斌

期刊论文

基于最小化重构误差的生成对抗网络异常检测

Huan-gang WANG, Xin LI, Tao ZHANG

期刊论文

网络系统行为效用计算——概念与原理

胡昌振

期刊论文

针对工业故障分类系统的单变量攻击及其防御

卓越, Yuri A.W. Shardt, 葛志强

期刊论文

深度学习的几何学解释

雷娜, 安东生, 郭洋, 苏科华, 刘世霞, 罗钟铉, 丘成桐, 顾险峰

期刊论文

SmartPaint：一种基于生成式对抗神经网络的人机协同绘画系统

Lingyun SUN, Pei CHEN, Wei XIANG, Peng CHEN, Wei-yue GAO, Ke-jun ZHANG

期刊论文

深度三维重建：方法、数据和挑战

刘彩霞1,孔德慧1,王少帆1,王志勇2,李敬华1,尹宝才1

期刊论文

国外网络空间不良信息管理与趋势

贾焰,李爱平,李欲晓、李树栋、田志宏、韩毅、时金桥、林彬

期刊论文

基于机器学习的广彩瓷图案生成系统

Steven Szu-Chi CHEN, Hui CUI, Ming-han DU, Tie-ming FU, Xiao-hong SUN, Yi JI, Henry DUH

期刊论文

基于Wasserstein GAN的新一代人工智能小样本数据增强方法——以生物领域癌症分期数据为例

刘宇飞, 周源, 刘欣, 董放, 王畅, 王子鸿

期刊论文