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 1352

会议视频 122

会议信息 94

会议专题 2

年份

2024 7

2023 153

2022 219

2021 162

2020 168

2019 162

2018 104

2017 92

2016 78

2015 31

2014 18

2013 24

2012 17

2011 27

2010 19

2009 20

2008 28

2007 30

2006 41

2005 43

展开︾

关键词

信息技术 41

2020 40

智能制造 34

机器学习 27

神经网络 27

人工智能 25

农业科学 21

深度学习 15

2019 13

信息化 13

食物安全 12

安全 11

能源 11

模式识别 10

安全性 8

可持续发展 7

学术会议 7

大数据 6

物联网 6

展开︾

检索范围：

排序：展示方式：

网络空间安全命名实体识别综述 Review Article

高宸1,张璇1,2,3,韩梦婷1,刘会1

《信息与电子工程前沿（英文）》 2021年第22卷第9期页码 1153-1168 doi: 10.1631/FITEE.2000286

摘要：随着互联网技术飞速发展和大数据时代到来，越来越多网络空间安全文本出现在互联网上。这些文本不仅包括安全概念、事件、工具、指南和政策，还包括风险管理方法、最佳实践、保证和技术等。整合大规模、异构和非结构化的网络空间安全信息，对网络空间安全实体进行识别和分类，有助于处理和解决网络空间安全问题。由于网络空间安全领域文本的复杂性和多样性，使用传统的命名实体识别（NER）方法难以识别该领域中的安全实体。本文介绍该领域NER的各种方法和技术，包括基于规则的方法、基于字典的方法和基于机器学习的方法，并讨论该领域NER研究面临的问题，如实体词组的结合与分离、非标准化的命名约定、缩写和大量嵌套等。最后，提出NER在网络空间安全方面的3个研究方向：（1）应用无监督或半监督技术；（2）开发更全面的网络空间安全本体；（3）应用更加有效的深度学习模型。

关键词：命名实体识别（NER）；信息抽取；网络空间安全；机器学习；深度学习

HTML PDF 收藏

学习挑选伪标签：一种用于命名实体识别的半监督学习方法 Research Articles

李真真,冯大为,李东升,卢锡城

《信息与电子工程前沿（英文）》 2020年第21卷第6期页码 809-962 doi: 10.1631/FITEE.1800743

摘要：深度学习模型在命名实体识别（NER）中实现了最先进的性能；然而，其良好性能很大程度上依赖于大量标记数据。在某些特定领域，例如医学、金融和军事领域，标记数据非常稀缺，而未标记数据则很容易获得。过往研究使用未标记数据丰富词的表示，却忽略了未标记数据中对NER任务很可能有帮助的大量实体信息。本文提出一种用于NER任务的半监督方法，其通过学习一个判别模块筛除错误伪标签，以创建高质量标注数据。该半监督框架包括3个步骤：为特定NER任务构建最佳单神经网络模型，学习一个评价伪标签的模块，以及迭代创建新的标记数据和改进NER模型。两个英语NER任务和一个中文医疗命名实体识别任务的实验结果表明，该方法进一步提高了最佳单神经模型的性能。当仅使用预训练的静态词嵌入且不依赖任何外部知识时，该方法可获得与CoNLL-2003和OntoNotes 5.0英语NER任务上最先进模型相当的性能。

关键词：命名实体识别；无标注数据；深度学习；半监督学习方法

HTML PDF 收藏

基于众包标签数据深度学习的命名实体消歧算法 Article

Le-kui ZHOU,Si-liang TANG,Jun XIAO,Fei WU,Yue-ting ZHUANG

《信息与电子工程前沿（英文）》 2017年第18卷第1期页码 97-106 doi: 10.1631/FITEE.1601835

摘要：命名实体消歧主要研究如何将存在歧义的文本描述映射到其对应知识库（例如Wikipedia）中的实体。本文结合群体智能（即群体用户生成的标签）和深度学习（即数据驱动学习），提出了在命名实体消歧过程中生成区别度更高的特征方法。具体来说，通过设计一个众包模型，学习文本描述或实体所对应“众包特征”，然后利用“众包特征”对动态卷积神经网络（Dynamic convolutional neural network, DCNN）进行优化，最后用优化得到的DCNN来提取“深度众包特征”，以此来解决传统命名实体消歧算法中单独依赖手工设计特征的不足。本文所提出方法巧妙将群体认知（由众包标签反映）结合到命名实体消歧深度学习框架中。实验分析表明，当有足够多众包标签时，所提出方法优于传统手工设计特征。

关键词：命名实体消歧；众包计算；深度学习

HTML PDF 收藏

人工智能算法在网络空间安全中的应用：技术与现状综述 Review

陈捷1,2,武丹丹2,谢瑞云2

《信息与电子工程前沿（英文）》 2023年第24卷第8期页码 1117-1142 doi: 10.1631/FITEE.2200314

摘要：网络空间安全急需解决的3个技术问题是：网络攻击检测的及时性和准确性、安全态势的可信评估和预测以及安全防御策略优化的有效性。人工智能算法已成为网络安全应用增加安全机会和提高对抗能力的核心手段。近年来，人工智能技术的突破和应用为提高网络防御能力提供了先进的技术支持。本综述对2017至2022年间人工智能技术在网络空间安全领域的最新应用进行了全面回顾。本综述重点介绍了机器学习、深度学习和一些流行的优化算法在该领域的最新应用进展，对算法模型的特点、性能结果、数据集、以及潜在的优点和局限性进行了分析，强调了现存的挑战。本工作旨在为想进一步挖掘人工智能技术在网络空间安全领域应用的潜力、解决特定网络空间安全问题的研究人员提供技术指导，掌握当前技术和应用的发展趋势以及网络安全领域的热点问题。

关键词：人工智能；机器学习；深度学习；优化算法；混合算法；网络空间安全

HTML PDF 收藏

网络空间安全产业发展研究

安达,梁智昊,许守任

《中国工程科学》 2016年第18卷第4期页码 38-43 doi: 10.15302/J-SSCAE-2016.04.006

摘要：

本文对“十二五”期间我国网络空间安全产业的发展现状、发展经验进行总结，对网络空间安全产业新的发展趋势进行深入剖析，提出了促进产业发展的政策建议，以期对“十三五”期间我国网络空间安全产业的发展提供参考和借鉴。

关键词：网络空间安全网络空间安全产业自主可控标准

HTML PDF 收藏

国家网络空间安全国际战略研究

方滨兴,杜阿宁,张熙,王忠儒

《中国工程科学》 2016年第18卷第6期页码 13-16 doi: 10.15302/J-SSCAE-2016.06.003

摘要：

网络空间安全已成为国家安全的主要组成部分，在经济和社会发展中发挥日益重要的作用。本文立足全球网络空间安全的总体形势，着眼于我国面临的机遇和挑战，研究符合我国价值观和国家利益的国际网络空间安全战略，并提出了相应的战略目标、原则和任务。

关键词：网络空间安全网络空间治理网络空间战略

HTML PDF 收藏

一种易用的实体识别消歧系统评测框架 Article

辉陈,宝刚魏,一鸣李,Yong-huai LIU,文浩朱

《信息与电子工程前沿（英文）》 2017年第18卷第2期页码 195-205 doi: 10.1631/FITEE.1500473

摘要：实体识别消歧是知识库扩充和信息抽取的重要技术之一。近些年该领域诞生了很多研究成果，提出了许多实体识别消歧系统。但由于缺乏对这些系统的完善评测对比，该领域依然处于良莠淆杂的状态。本文提出一个实体识别消歧系统的统一评测框架，用于公平地比较各个实体识别消歧系统的效果。该框架代码开源，可以采用新的系统、数据集、评测机制扩展。通过该框架评测实体系统，可以分析得到系统各个模块的优劣之处。本文分析对比了几个公开的实体识别消歧系统，并总结出了一些有用的结论。

关键词：实体识别消歧；评测框架；信息抽取

HTML PDF 收藏

网络空间内生安全 Article

邬江兴

《工程（英文）》 2022年第15卷第8期页码 179-185 doi: 10.1016/j.eng.2021.05.015

摘要：

基于未知漏洞后门等产生的不确定威胁是当前网络空间最为严峻和棘手的安全问题。本文分析了系统漏洞后门等“暗功能”存在的哲学与技术层面的原因，并作为系统“内生安全问题”存在的必然性依据，指出“内生安全问题”在理论和工程层面不可能完全彻底地消除，需要“开发或利用”系统架构自身的“内源性安全功能”，使目标对象能够通过“内生的安全体制机制”来有效规避或化解内生安全问题可能引发的安全风险文中给出了网络空间内生安全的定义和期望的体制机制及其主要技术特征，介绍了基于动态异构冗余架构的内生安全体制机制及其内生安全特性，阐述了创新的基于DHR架构的编码信道理论内涵。

关键词：网络空间内生安全问题不确定威胁网络空间内生安全相对正确公理动态异构冗余架构

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。

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

网络空间安全应急与应对

于全,杨丽凤,高贵军

《中国工程科学》 2016年第18卷第6期页码 79-82 doi: 10.15302/J-SSCAE-2016.06.016

摘要：

从我国网络空间安全的现状及面临的问题出发，指出网络空间安全应从应急转变为应对，并从网络空间安全监测、网络空间安全总体保障能力及网络空间安全人才队伍建设三个方面提出了相应的转变策略。

关键词：网络空间安全网络安全应急网络安全应对转变策略

HTML PDF 收藏

基于深度Q学习网络与新训练算法的服务机器人主动物品检测模型 Research Article

刘少鹏,田国会,崔永成,邵旭阳

《信息与电子工程前沿（英文）》 2022年第23卷第11期页码 1673-1683 doi: 10.1631/FITEE.2200109

摘要： AOD是服务机器人在家庭环境中完成服务任务的重要组成部分，通过适当的移动动作引导机器人接近目标物品。目前基于强化学习的AOD模型存在训练效率低和测试精度差的问题。因此，本文提出一种基于深度Q学习网络的AOD模型，并设计了一种新的模型训练算法。该模型旨在拟合各种动作Q值，包括状态空间、特征提取和多层感知机。

关键词：主动物品检测；深度Q学习网络；训练算法；服务机器人

HTML PDF 收藏

可见光波段的深度衍射神经网络 Article

陈航, 冯佳楠, 江闽伟, 王逸群, 林杰, 谭久彬, 金鹏

《工程（英文）》 2021年第7卷第10期页码 1485-1493 doi: 10.1016/j.eng.2020.07.032

摘要： justify;">基于衍射光学元件的光学深度学习在并行处理深度衍射神经网络（D²NN）是其中一项具有里程碑意义的研究工作。D²NN在太赫兹波段通过3D打印进行神经网络的物理固化。在632.8 nm的工作波长下，本文提出了一种新颖的可见光D²NN分类器，可用于原始目标（手写数字0~9）和已更改目标（被遮盖和涂改目标）的目标识别。

关键词：光计算光学神经网络深度学习光学机器学习深度衍射神经网络

HTML PDF 收藏

一种基于特征模板和CNN-BiLSTM-CRF的网络安全实体识别方法 Research Papers

Ya QIN, Guo-wei SHEN, Wen-bo ZHAO, Yan-ping CHEN, Miao YU, Xin JIN

《信息与电子工程前沿（英文）》 2019年第20卷第6期页码 872-884 doi: 10.1631/FITEE.1800520

摘要：利用海量网络安全威胁情报数据，构建网络安全知识图谱实施深度关联分析和挖掘，可帮助识别安全威胁并提出相应防御措施。这已成为网络安全领域研究热点。本文针对网络安全文本数据，研究实体识别算法，为构建网络安全知识图谱奠定基础。传统方法难以识别网络安全领域的新实体、中英文混合安全实体等，且提取的特征不够充分。本文在神经网络模型基础上，提出基于特征模板的CNN-BiLSTM-CRF网络安全实体识别算法。首先构建人工特征模板，提取局部上下文特征。最后利用CRF对安全实体进行标注。结果表明，在大规模网络安全数据集上，该方法优于其它算法，F值达到86%。

关键词：网络安全知识图谱；网络安全实体；特征模板；实体识别；神经网络

HTML PDF 收藏

融合深度置信网络的串联隐马尔科夫模型及其在脱机手写识别中的应用 Article

Partha Pratim ROY, Guoqiang ZHONG, Mohamed CHERIET

《信息与电子工程前沿（英文）》 2017年第18卷第7期页码 978-988 doi: 10.1631/FITEE.1600996

摘要：在文档分析和模式识别领域，自由书写的脱机手写识别是一个非常具有挑战性的研究课题。近年来，为了充分探索隐藏在文档图像中的监督信息，许多研究工作试图将多层感知机以一种混合或串联的形式嵌入隐马尔科夫模型当中。然而，因为多层感知机学习能力的不足，学习到的特征对于后续的识别任务不一定是最优的。在本文中，我们针对自由书写的脱机手写识别提出一种基于深度结构的串联方法。在提出的模型中，深度置信网络被用于学习序列数据的紧致表示，隐马尔科夫模型被用于（子-）词的识别。

关键词：手写识别；隐马尔科夫模型；深度学习；深度置信网络；串联方法