随着深度学习在计算机视觉领域的广泛应用,人脸认证、车牌识别、路牌识别等也随之呈现商业化应用趋势.因此,针对深度学习模型的安全性研究至关重要.已有的研究发现:深度学习模型易受精心制作的包含微小扰动的对抗样本攻击,输出完全错误...随着深度学习在计算机视觉领域的广泛应用,人脸认证、车牌识别、路牌识别等也随之呈现商业化应用趋势.因此,针对深度学习模型的安全性研究至关重要.已有的研究发现:深度学习模型易受精心制作的包含微小扰动的对抗样本攻击,输出完全错误的识别结果.针对深度模型的对抗攻击是致命的,但同时也能帮助研究人员发现模型漏洞,并采取进一步改进措施.基于该思想,针对自动驾驶场景中的基于深度学习的路牌识别模型,提出一种基于粒子群优化的黑盒物理攻击方法(black-box physical attack via PSO,简称BPA-PSO).BPA-PSO在未知模型结构的前提下,不仅可以实现对深度模型的黑盒攻击,还能使得实际物理场景中的路牌识别模型失效.通过在电子空间的数字图像场景、物理空间的实验室及户外路况等场景下的大量实验,验证了所提出的BPA-PSO算法的攻击有效性,可发现模型漏洞,进一步提高深度学习的应用安全性.最后,对BPA-PSO算法存在的问题进行分析,对未来的研究可能面临的挑战进行了展望.展开更多
目的评估一种改良式引导骨再生术（guided bone regeneration，GBR）＋即刻修复技术在上前牙即刻种植中的应用效果，特别是美学效果，并探讨其临床技巧及美学影响因素。方法选择15例单颗上前牙进行即刻种植，微创拔牙后即刻植入Replace...目的评估一种改良式引导骨再生术（guided bone regeneration，GBR）＋即刻修复技术在上前牙即刻种植中的应用效果，特别是美学效果，并探讨其临床技巧及美学影响因素。方法选择15例单颗上前牙进行即刻种植，微创拔牙后即刻植入Replace、Straumann或Ankylos种植体共15枚，采用改良式GBR十即刻修复，均于2h内完成临时修复。4～6个月后完成最终修复。种植修复完成后随访6～24个月，观察种植体周围软硬组织情况，统计种植义齿存留率、种植修复体与相邻天然牙唇侧牙龈的协调性和患者主观满意度。结果在观察期内，15枚种植体均获得了良好的骨结合，无松动，未见病理性骨吸收，存留率为100％；12枚种植修复体唇侧龈缘位置与邻牙协调无差异，3枚轻度差异；14枚种植修复体与邻牙牙龈颜色质地协调无差异，1枚轻度差异。患者主观满意度VAS平均值为92。结论改良式GBR＋即刻修复技术在上前牙即刻种植中，有助于获得理想的前牙美学效果，缩短治疗周期。展开更多
文摘随着深度学习在计算机视觉领域的广泛应用,人脸认证、车牌识别、路牌识别等也随之呈现商业化应用趋势.因此,针对深度学习模型的安全性研究至关重要.已有的研究发现:深度学习模型易受精心制作的包含微小扰动的对抗样本攻击,输出完全错误的识别结果.针对深度模型的对抗攻击是致命的,但同时也能帮助研究人员发现模型漏洞,并采取进一步改进措施.基于该思想,针对自动驾驶场景中的基于深度学习的路牌识别模型,提出一种基于粒子群优化的黑盒物理攻击方法(black-box physical attack via PSO,简称BPA-PSO).BPA-PSO在未知模型结构的前提下,不仅可以实现对深度模型的黑盒攻击,还能使得实际物理场景中的路牌识别模型失效.通过在电子空间的数字图像场景、物理空间的实验室及户外路况等场景下的大量实验,验证了所提出的BPA-PSO算法的攻击有效性,可发现模型漏洞,进一步提高深度学习的应用安全性.最后,对BPA-PSO算法存在的问题进行分析,对未来的研究可能面临的挑战进行了展望.
文摘目的评估一种改良式引导骨再生术（guided bone regeneration，GBR）＋即刻修复技术在上前牙即刻种植中的应用效果，特别是美学效果，并探讨其临床技巧及美学影响因素。方法选择15例单颗上前牙进行即刻种植，微创拔牙后即刻植入Replace、Straumann或Ankylos种植体共15枚，采用改良式GBR十即刻修复，均于2h内完成临时修复。4～6个月后完成最终修复。种植修复完成后随访6～24个月，观察种植体周围软硬组织情况，统计种植义齿存留率、种植修复体与相邻天然牙唇侧牙龈的协调性和患者主观满意度。结果在观察期内，15枚种植体均获得了良好的骨结合，无松动，未见病理性骨吸收，存留率为100％；12枚种植修复体唇侧龈缘位置与邻牙协调无差异，3枚轻度差异；14枚种植修复体与邻牙牙龈颜色质地协调无差异，1枚轻度差异。患者主观满意度VAS平均值为92。结论改良式GBR＋即刻修复技术在上前牙即刻种植中，有助于获得理想的前牙美学效果，缩短治疗周期。
