基于图对比学习的恶意域名检测方法

1

作者 张震 张三峰 杨望 《软件学报》 EI CSCD 北大核心 2024年第10期4837-4858,共22页

域名是实施网络犯罪行为的重要环节,现有的恶意域名检测方法一方面难以利用丰富的拓扑和属性信息,另一方面需要大量的标签数据,检测效果受限而成本较高.针对该问题,提出一种基于图对比学习的恶意域名检测方法,以域名和IP地址作为异构图... 域名是实施网络犯罪行为的重要环节,现有的恶意域名检测方法一方面难以利用丰富的拓扑和属性信息,另一方面需要大量的标签数据,检测效果受限而成本较高.针对该问题,提出一种基于图对比学习的恶意域名检测方法,以域名和IP地址作为异构图的两类节点并根据其属性建立对应节点的特征矩阵,依据域名之间的包含关系、相似度度量以及域名和IP地址之间对应关系构建3种元路径;在预训练阶段,使用基于非对称编码器的对比学习模型,避免图数据增强操作对图结构和语义的破坏,也降低对计算资源的需求;使用归纳式的图神经网络图编码器HeteroSAGE和HeteroGAT,采用以节点为中心的小批量训练模式来挖掘目标节点和邻居节点的聚合关系,避免直推式图神经网络在动态场景下适用性较差的问题;下游分类检测任务则对比使用了逻辑回归、随机森林等算法.在公开数据上的实验结果表明检测性能相比已有工作提高2–6个百分点. 展开更多

关键词 恶意域名检测 属性异构图 图神经网络 非对称编码 自监督学习

下载PDF 职称材料

基于中心凹的双目恰可察觉编码失真模型 被引量：1

2

作者 杨家辉 郁梅 +1 位作者 徐升阳 蒋刚毅 《光电子．激光》 EI CAS CSCD 北大核心 2017年第9期999-1007,共9页

针对立体视频中存在着大量的感知冗余,首先通过主观实验研究梯度和纹理因素对立体掩蔽效应的影响,建立双目恰可察觉编码失真(BJNCD)模型;同时考虑到人类视觉特性(HVS)的视觉敏感度并非恒定不变,当视网膜离心率变大时,像素的视觉阈值也... 针对立体视频中存在着大量的感知冗余,首先通过主观实验研究梯度和纹理因素对立体掩蔽效应的影响,建立双目恰可察觉编码失真(BJNCD)模型;同时考虑到人类视觉特性(HVS)的视觉敏感度并非恒定不变,当视网膜离心率变大时,像素的视觉阈值也随之变大,因此结合HVS的视网膜中心凹感知特性建立了基于中心凹的双目恰可察觉编码失真(FBJNCD)模型。为验证所提出模型的有效性,将其应用于多视点高效视频编码(MV-HEVC)测试平台中对立体视频进行非对称编码。实验结果表明,所提出模型在保持立体视频感知质量的同时能够有效节省编码码率,提高了立体视频压缩效率。 展开更多

关键词 立体视频 立体掩蔽效应 中心凹 非对称编码

原文传递

虚拟地形环境中高分辨率影像快速解压算法

3

作者 卞燕山 邹鹏 路伟涛 《空军工程大学学报（自然科学版）》 CSCD 北大核心 2012年第6期50-54,共5页

虚拟地形环境具有广泛的应用,是高分辨率影像构成环境的可视化基础。影像精度提高所产生的庞大数据量使得读取和存储受限制,影响可视化系统的表现能力,因此数据压缩成为提高系统性能的有效手段。飞行器在低能见度条件下的山区高速低空... 虚拟地形环境具有广泛的应用,是高分辨率影像构成环境的可视化基础。影像精度提高所产生的庞大数据量使得读取和存储受限制,影响可视化系统的表现能力,因此数据压缩成为提高系统性能的有效手段。飞行器在低能见度条件下的山区高速低空飞行时,飞行员往往不知所处地形环境,存在潜在危险;与飞行员当前视点一致的虚拟地形环境能为其提供逼真的可视化场景,保持特殊条件下地形环境可见性。将影像数据经过提升小波变换到小波域,有效利用小波系数能量集中在低频子带以及子带间系数的相关性特点,将小波系数进行跨频带合理组织并矢量化,应用纹理压缩算法之一的矢量量化编码压缩小波系数,其压缩比大、非对称编码、解码速度快等特点适合飞行中对实时性的要求。 展开更多

关键词 图像压缩 提升方案 非对称编码 矢量量化 飞行

下载PDF 职称材料

SOSNet:一种非对称编码器-解码器结构的非小细胞肺癌CT图像分割模型 被引量：2

4

作者 谢娟英 张凯云 《电子学报》 EI CAS CSCD 北大核心 2024年第3期824-837,共14页

非小细胞肺癌严重损害人类健康,早期非小细胞肺癌CT(Computed Tomography)图像中的肿瘤结节体积小,不易发现,极易造成漏诊和误诊.为了精确分割非小细胞肺癌CT图像中的小体积肿瘤结节,本文提出SOSNet(Small Object Segmentation Networks... 非小细胞肺癌严重损害人类健康,早期非小细胞肺癌CT(Computed Tomography)图像中的肿瘤结节体积小,不易发现,极易造成漏诊和误诊.为了精确分割非小细胞肺癌CT图像中的小体积肿瘤结节,本文提出SOSNet(Small Object Segmentation Networks)自动分割模型,利用ResNet(Residual Network)基础层和空洞卷积构造非对称编码器-解码器结构作为分割主网络,利用轴向取反注意力模块ARA(Axial Reverse Attention)逐步擦除背景中对分割有影响的结构,再使用结构细化模块SR(Structure Refinement)对主网络输出的粗略特征图进行结构细化,从而实现非小细胞肺癌肿瘤结节分割.在非小细胞肺癌公开数据集的实验测试表明,本文提出的小目标自动分割模型SOSNet可以有效分割出非小细胞肺癌CT图像中的小体积肿瘤结节,其mDice(mean-Dice)、mIoU(mean Intersection over Union)、Sensitivity、F1、Specificity、平均绝对误差MAE(Mean Absolute Error)均优于当前最先进的小目标分割模型CaraNet(Context Axial Reverse Attention Network). 展开更多

关键词 小目标分割 非小细胞肺癌 非对称编码器-解码器 结构细化 轴向取反注意力 CT图像 深度学习 卷积

下载PDF 职称材料

论信道编码与网络编码在现代通信系统中的应用

5

作者 祁长利 《无线互联科技》 2015年第4期6-7,共2页

无线通信系统有广播的特性和通信的开放性,编码无线网络的这些特点,在通信节点收到的信息存储和传输,不仅对收到的信息进行编码,然后发送,并在目标节点,接收和存储信息的自编码信息可以恢复所需的信息。交流合作也可以得到增益编码,以... 无线通信系统有广播的特性和通信的开放性,编码无线网络的这些特点,在通信节点收到的信息存储和传输,不仅对收到的信息进行编码,然后发送,并在目标节点,接收和存储信息的自编码信息可以恢复所需的信息。交流合作也可以得到增益编码,以提高系统的可靠性。 展开更多

关键词 非对称信道编码 网络编码 联合译码

下载PDF 职称材料

基于非对称局部梯度编码的人脸表情识别 被引量：5

6

作者 胡敏 程轶红 +3 位作者 王晓华 任福继 许良凤 黄晓音 《中国图象图形学报》 CSCD 北大核心 2015年第10期1313-1321,共9页

目的针对局部梯度编码算子(LGC)只能在固定大小邻域内提取图像纹理特征的不足,提出了一种非对称邻域LGC算子(AR-LGC)多尺度融合的表情特征提取方法。方法首先,对归一化的表情图像进行Gauss滤波处理;然后,对图像进行分块,对每个子块图像... 目的针对局部梯度编码算子(LGC)只能在固定大小邻域内提取图像纹理特征的不足,提出了一种非对称邻域LGC算子(AR-LGC)多尺度融合的表情特征提取方法。方法首先,对归一化的表情图像进行Gauss滤波处理;然后,对图像进行分块,对每个子块图像中每一像素点,采用不同邻域大小的AR-LGC算子得到两个二进制序列,将两个序列作按位逻辑异或得到一个新的序列,对此序列进行编码,计算每个子块的直方图分布,级联各子块直方图构成人脸表情的特征;最后用SVM分类器进行表情分类识别。结果该算法在JAFFE库和CK库上进行实验,分别取得了95.24%和96.83%的平均识别率,并与CBP(中心化二值模式)、LBP(局部二值模式)、LGC和AR-LBP(非对称局部二值模式)算法进行了比较,在JAFFE库的平均识别率分别比CBP、LBP、LGC、AR-LBP高5.6%、4.85%、3.71%、2.40%,在CK库的平均识别率分别比CBP、LBP、LGC、AR-LBP高3.66%、2.50%、2.17%、1.66%,实验结果表明,该算法可以较准确地进行人脸表情识别。结论本文所提的表情特征提取方法通过融合不同梯度不同尺度子邻域间的强度关系,可以很好地表达图像的局部特征和全局特征,与典型的特征提取算法的对比实验也表明了本文算法的有效性,表明本文算法适用于静态人脸表情图像的识别。 展开更多

关键词 表情识别 非对称局部梯度编码 特征提取 多尺度融合 支持向量机(SVM)

原文传递

基于DNSAE和随机森林的电力信息网络入侵检测模型 被引量：5

7

作者 潘羿 李彬 《电力信息与通信技术》 2022年第5期23-29,共7页

随着电力行业逐步跨入新型数字化全面互联时代,电力物联网在其中扮演着越来越重要的角色。在电力物联网快速发展的同时,负责承载数据流和信息流的电力信息网络存在遭受入侵的风险,而网络流量的异常检测将成为解决这一问题的重要手段。... 随着电力行业逐步跨入新型数字化全面互联时代,电力物联网在其中扮演着越来越重要的角色。在电力物联网快速发展的同时,负责承载数据流和信息流的电力信息网络存在遭受入侵的风险,而网络流量的异常检测将成为解决这一问题的重要手段。文章提出一种基于深度非对称稀疏自编码器(deep nonsymmetric sparse autoencoder,DNSAE)和随机森林(random forest,RF)的网络入侵检测模型,在保证准确率的同时,实现更快速高效的识别。首先由DNSAE对网络流量数据进行特征提取,再将得到的抽象特征数据训练随机森林。实验结果表明,与深度信念网络(deep belief network,DBN)和堆叠非对称自编码器(stacked nonsymmetric deep autoencoder,S-NDAE)相比,此模型具备更高的检测效率。 展开更多

关键词 入侵检测 电力信息网络 深度非对称稀疏自编码器 随机森林 网络安全

下载PDF 职称材料

基于运动估计和感兴趣区域的干涉多光谱图像压缩算法 被引量：1

8

作者 马静 吴成柯 李云松 《西安交通大学学报》 EI CAS CSCD 北大核心 2006年第4期449-453,共5页

为了有效地压缩干涉多光谱图像，提出一种采用基于运动估计和感兴趣区域的小波变换和非对称零树编码的图像压缩算法．根据干涉多光谱图像平移和光谱分布特点，在小波变换中使用运动估计并提升强干涉区小波系数，以减小谱间相关性，并使... 为了有效地压缩干涉多光谱图像，提出一种采用基于运动估计和感兴趣区域的小波变换和非对称零树编码的图像压缩算法．根据干涉多光谱图像平移和光谱分布特点，在小波变换中使用运动估计并提升强干涉区小波系数，以减小谱间相关性，并使强干涉区优先编码．算法采用非对称零树编码，符合小波变换后图像序列形成的非对称结构．实验结果表明：该算法在8倍压缩时，整幅图像的峰值信噪比比三维分层树集合分割序列编码算法（3DSPIHT）提高了0．35～0．49dB，比2DSPIHT提高了2．24～2．62dB；强干涉区峰值信噪比比JPEG2000比特平面位移算法提高了0．29～0．38dB；46个谱段的光谱失真均方误差平均值减小到9．69，有效地保护了光谱信息． 展开更多

关键词 图像压缩 干涉多光谱图像 小波变换 非对称零树编码 成像光谱技术

下载PDF 职称材料

基于立体掩蔽效应的非对称立体视频编码算法 被引量：1

9

作者 张冠军 郁梅 廖义 《宁波大学学报（理工版）》 CAS 2014年第1期44-47,共4页

由于立体视频的数据量巨大，不便存储和传输，因此必须进一步提高其压缩效率，降低传输的码率．文章分析了立体视频左右通道间恰可察觉失真的关系，基于立体掩蔽效应提出了非对称立体视频编码算法．实验结果表明：在解码重建图像主观质... 由于立体视频的数据量巨大，不便存储和传输，因此必须进一步提高其压缩效率，降低传输的码率．文章分析了立体视频左右通道间恰可察觉失真的关系，基于立体掩蔽效应提出了非对称立体视频编码算法．实验结果表明：在解码重建图像主观质量基本不变的前提下，右视点视频编码的码率节约了11．45％～18．69％．与传统立体视频编码模型相比，该算法可以获得更好的立体视频压缩性能． 展开更多

关键词 非对称立体视频编码 立体掩蔽效应 恰可察觉失真

下载PDF 职称材料

干涉多光谱图像压缩编码新技术

10

作者 马静 吴成柯 +3 位作者 李云松 周有喜 相里斌 陈东 《光子学报》 EI CAS CSCD 北大核心 2006年第10期1579-1583,共5页

提出一种基于运动估计的三维小波变换和非对称零树编码的干涉多光谱图像压缩方案.该方案利用大孔径静态干涉成像光谱仪推扫成像特点,对图像进行分区域运动估计的三维小波变换.采用了一种新型非对称零树编码方法,该方法可在较少的图像间... 提出一种基于运动估计的三维小波变换和非对称零树编码的干涉多光谱图像压缩方案.该方案利用大孔径静态干涉成像光谱仪推扫成像特点,对图像进行分区域运动估计的三维小波变换.采用了一种新型非对称零树编码方法,该方法可在较少的图像间建立较长的零树,增加了系数编码时由重要结点变为不重要结点并趋于零的概率,使编码的效果更好.该方案消耗内存少,延时小,有利于卫星上的图像压缩,有效地保护了图像的光谱特性.在8倍压缩下,满足干涉多光谱图像的质量要求. 展开更多

关键词 图像压缩 干涉多光谱图像 小波变换 非对称零树编码 成像光谱技术

下载PDF 职称材料

堆叠式非对称深度自编码器检测网络入侵

11

作者 刘炜 《控制工程》 CSCD 北大核心 2021年第9期1879-1885,共7页

为了提高网络入侵检测(NID)系统的检测准确度,适应现代网络需求,提出一种入侵检测的深度学习方法。该方法利用堆叠式非对称深度自编码器(NDAE)构建深度学习分类模型,将堆叠式NDAE(深度学习)和随机森林(浅层学习)的优点相结合,以支持NID... 为了提高网络入侵检测(NID)系统的检测准确度,适应现代网络需求,提出一种入侵检测的深度学习方法。该方法利用堆叠式非对称深度自编码器(NDAE)构建深度学习分类模型,将堆叠式NDAE(深度学习)和随机森林(浅层学习)的优点相结合,以支持NID在现代网络中的运行。实验使用KDD Cup’99和NSL-KDD基准数据集对所提分类器进行评价。实验结果证明了所提方法的有效性,其分类器能够有效降低网络入侵检测的时间,精简数据特征,提高检测精度,实现了最高约5%的召回率提升和最高98.81%的训练时间缩减。 展开更多

关键词 网络入侵检测 深度学习 非对称深度自编码器 分类器 随机森林

下载PDF 职称材料