作者: 腊志垚1,2;钱育蓉1,2;冷洪勇1,3;顾天宇1,2;张继元1,2;李自臣4 (1新疆大学软件学院, 乌鲁木齐, 830046;2新疆大学, 新疆维吾尔自治区信号检测与处理重点实验室, 乌鲁木齐, 830046;3北京理工大学计算机学院, 北京, 100081;4广东水利电力职业技术学院大数据与人工智能学院, 广州, 510635)
出处: 计算机工程与应用 2022 第58卷 第13期 P1-13
关键词: 图嵌入;图神经网络;图任务分析;随机游走;属性游走
摘要: 近年来,图嵌入已经成为图神经网络领域研究的热点。图嵌入作为图任务分析的一种重要手段,将图的高维非欧信息编码到低维向量空间中,从而提升下游任务的性能和效率。为了及时掌握当前基于随机游走的图嵌入方法的研究现状,通过归纳与整理,对现有的经典模型进行介绍与分类,主要分为基于经典随机游走的模型和基于属性游走的 ...
作者: Zhang Chuan1;Zhao Mingyang1;Xu Yuhua2;Wu Tong1,3;Li Yanwei4;Zhu Liehuang1;Wang Haotian5 (1School of Cyberspace Science and Technology, Beijing Institute of Technology, Beijing, 100081;2School of Computer Science and Technology, Beijing Institute of Technology, Beijing, 100081;3Yangtze Delta Region Academy of Beijing Institute of Technology, Jiaxing, 314019;4National Computer Network Emergency Response Technical Team/Coordination Center of China, Beijing, 100029;5College of Arts and Science, University of Pennsylvania, USA, Philadelphia, 19104)
出处: China Communications 2022 第19卷 第7期 P257-276
关键词: fuzzy-matching;privacy-preserving set intersection;cloud-edge communication;data sharing
摘要: In this paper, we propose a novel fuzzy matching data sharing scheme named FADS for cloudedge communications. FADS allows users to specify their acces ...
作者: 刘琼昕1,2;王亚男2;龙航2;王佳升2;卢士帅2 (1北京市海量语言信息处理与云计算应用工程技术研究中心, 北京市海量语言信息处理与云计算应用工程技术研究中心, 北京, 100081;2北京理工大学计算机学院, 北京, 100081)
出处: 自动化学报 2022 第48卷 第10期 P2392-2405
关键词: 生成式知识问答;覆盖机制;知识表示学习;自然语言处理;深度学习
摘要: 针对现有生成式问答模型中陌生词汇导致答案准确率低下的问题和模式混乱导致的词汇重复问题,本文提出引入知识表示学习结果的方法提高模型识别陌生词汇的能力,提高模型准确率.同时本文提出使用全局覆盖机制以平衡不同模式答案生成的概率,减少由预测模式混乱导致的重复输出问题,提高答案的质量.本文在知识问答模型基础上 ...
作者: 魏鹏1;马玉亮2;袁野3;吴安彪1 (1东北大学计算机科学与工程学院, 沈阳, 110000;2东北大学工商管理学院, 沈阳, 110000;3北京理工大学计算机学院, 北京, 100081)
出处: 计算机科学 2022 第49卷 第6期 P119-126
关键词: 演化社交网络;行为驱动模型;影响力最大化;传播概率矩阵;反向可达集
摘要: 影响力最大化IM问题旨在查找社交网络中的一组用户,通过这些用户,使信息在网络中传播的范围最大化。现有研究主要关注静态网络中的IM问题,然而在现实生活中,社交网络是不断演化的,基于静态网络的传播模型(如独立级联模型、线性阈值模型)无法适用于演化网络中的信息传播过程。同时,现有研究忽略了用户行为对信息传 ...
作者: 暴婷1;徐蕾2;祝烈煌2;王丽宏3 (1北京理工大学计算机学院, 北京, 100081;2北京理工大学网络空间安全学院, 北京, 100081;3国家互联网应急技术处理协调中心, 北京, 100029)
出处: 中国科学. 信息科学 2022 第52卷 第8期 P1481-1499
关键词: 推荐系统;本地化差分隐私;隐私预算;强化学习;多臂赌博机
摘要: 推荐系统可帮助用户从众多的数据中发现用户所需数据,与此同时,上传用户原始数据给服务器也可能泄露用户隐私.本文使用本地化差分隐私技术为推荐系统中的用户数据提供隐私保护.在本地化差分隐私模型中,隐私预算控制用户数据的隐私保护程度,较高的隐私预算通常意味着较高的分析准确性.为在最小化隐私损失的同时最大化推 ...
作者: 李延铭;李长升;余佳奇;袁野;王国仁 (北京理工大学计算机学院, 北京, 100081)
出处: 中国图象图形学报 2022 第27卷 第9期 P2721-2732
关键词: 模型功能窃取;生成模型;对比学习;对抗攻击;人工智能安全
摘要: 目的模型功能窃取攻击是人工智能安全领域的核心问题之一,目的是利用有限的与目标模型有关的信息训练出性能接近的克隆模型,从而实现模型的功能窃取。针对此类问题,一类经典的工作是基于生成模型的方法,这类方法利用生成器生成的图像作为查询数据,在同一查询数据下对两个模型预测结果的一致性进行约束,从而进行模型学习 ...
作者: 张伊扬1,2;钱育蓉1,2;陶文彬1,2;冷洪勇1,3;李自臣4;马梦楠1,2 (1新疆大学软件学院, 乌鲁木齐, 830046;2新疆大学, 新疆维吾尔自治区信号检测与处理重点实验室, 乌鲁木齐, 830046;3北京理工大学计算机学院, 北京, 100081;4广东水利电力职业技术学院大数据与人工智能学院, 广州, 510635)
出处: 计算机工程与应用 2022 第58卷 第19期 P1-13
关键词: 异常检测;属性图;图数据挖掘;深度学习
摘要: 异常检测一直以来都是数据挖掘领域的研究热点之一,其任务是在海量数据中识别罕见的观测对象。随着图数据挖掘的发展,属性图异常检测在各个领域广受关注。然而,属性图因其复杂的拓扑结构和丰富的属性信息成为异常检测一大难点。深度学习方法在捕捉属性图复杂的信息中展现出优越性能,已被证实是解决属性图异常检测问题非常 ...
作者: Liu Xin1,2;Wang An1,2;Zhu Liehuang1;Ding Yaoling1,2;Lyu Zeyuan1;Wang Zongyue3 (1School of Computer Science & Technology, Beijing Institute of Technology, Beijing, 100081;2State Key Laboratory of Cryptology, State Key Laboratory of Cryptology, Beijing, 100878;3Open Security Research, Shenzhen, 518063)
出处: Frontiers of Computer Science 2022 第16卷 第4期 P164814
关键词: cryptography;SCARE;side-channel analysis;AES;secret S-box
摘要: Despite Kerckhoff's principle, there are secret ciphers with unknown components for diplomatic or military usages. The side-channel analysis of revers ...
作者: Xu, Chang1; Wang, Ruijuan2; Zhu, Liehuang1; Zhang, Chuan1; Lu, Rongxing3; Sharif, Kashif2 (1School of Cyberspace Science and Technology, Beijing Institute of Technology, Beijing, China;2School of Computer Science and Technology, Beijing Institute of Technology, Beijing, China;3Faculty of Computer Science, University of New Brunswick, Fredericton, NB, Canada)
出处: IEEE Transactions on Big Data 2022 P1-14
作者: Liu, Zhen1; Hu, ChangZhen2; Shan, Chun3; Yan, Zheng4 (1Beijing Key Laboratory of Software Security Engineering Technology, School of Cyberspace Science and Technology, Beijing Institute of Technology, China;2School of Cyberspace Science and Technology, Beijing Institute of Technology, China;3School of Computer Science and Technology, Beijing Institute of Technology, China;4State Key Lab on Integrated Services Networks, School of Cyber Engineering, Xidian University, Xian, China)
出处: IEEE Transactions on Dependable and Secure Computing 2022 P1-15