首页期刊导航|西安电子科技大学学报（自然科学版）
期刊信息/Journal information
西安电子科技大学学报（自然科学版）
西安电子科技大学
西安电子科技大学学报（自然科学版）

西安电子科技大学

梁昌洪

双月刊

1001-2400

xuebao@mail.xidian.edu.cn

029-88202853

710071

西安市太白南路2号349信箱

西安电子科技大学学报（自然科学版）/Journal Journal of Xidian University(Natural Science)CSCD北大核心CSTPCDEI
查看更多>>本刊主要刊登通信工程、信息工程、计算机科学与技术、机电工程与自动控制、微电子学、物理电子学、电磁场与微波技术、无线电物理、密码学、应用数学等方面的有创见有参考价值的学术论文。
正式出版
收录年代

    三维注意力增强的暴力场景检测算法

    丁昕苗王家兴郭文
    114-124页
    查看更多>>摘要：为了提升互联网多媒体内容安全检测能力,有效过滤不良信息,提出了 一种基于三维注意力增强的视频暴力内容检测算法.该算法以3D-DenseNet为骨干网络,首先利用P3D提取低层次的时空特征信息;其次引入SimAM注意力模块计算通道-空间注意力,增强帧画面重点区域信息;然后设计了时域注意力加强的过渡层突出重点时序信息,如此形成通道-空间-时间三维注意力,提升暴力场景检测性能.实验结果显示,算法在内容单一的小规模暴力行为检测数据集Hockey和Movies上准确率分别达到了 98.75％和100％,在内容多样的大规模数据集RWF-2 000上达到了 89.25％,综合性能优于同类算法,验证了算法的有效性;在长视频的暴力内容定位实验中,算法在VSD2014数据集上相较同类算法也取得了更好的检测效果,证明了算法在暴力内容检测方面的泛化能力.

    暴力检测深度学习注意力机制模式识别P3D3D-DenseNet

      原文链接:
    • 万方数据
    • 维普

    用于语义分割的自监督对比式表征学习

    刘博翀蔡怀宇汪毅陈晓冬...
    125-134页
    查看更多>>摘要：为了提升语义分割模型的精度,并减少逐像素标注大规模语义分割数据集的人力和时间成本,研究了 自监督对比式表征学习的预训练方法,并结合语义分割任务的特点,设计了全局-局部交叉对比学习(GLCCL)方法.该方法将全局图像和局部分块后的一系列图像块输入到网络中分别编码全局和局部视觉表征,并通过构建包含全局对比、局部对比和全局-局部交叉对比的损失函数来指导模型训练,使得模型能够同时学习全局和局部区域的视觉表征以及跨区域语义相关性.使用该方法预训练BiSeNet再迁移到语义分割任务时,对比现有的 自监督对比式表征学习和有监督预训练方法分别具有0.24％和0.9％平均交并比(MIoU)的性能提升.实验结果表明,该方法能够采用无标注的数据训练语义分割模型而实现分割效果的提升,具有一定的实用价值.

    语义分割自监督表征学习对比学习深度学习

      原文链接:
    • 万方数据
    • 维普

    结合自注意力与卷积的真实场景图像篡改定位

    钟浩边山王春桃
    135-146页
    查看更多>>摘要：图像是移动互联网时代传播信息的重要载体,恶意图像篡改是潜在的网络安全威胁之一.与 自然场景中在物体尺度上的图像篡改不同,真实场景中的图像篡改存在于伪造的资质证书、文案、屏幕截图等,这些篡改图像通常会经过精心的手工篡改干预,因此其篡改特征与 自然场景篡改特征存在差异,更具有多样性,对其篡改区域的定位更具有挑战性.针对该场景复杂且多样的篡改特征,丰富的关系信息是重要的,文中通过卷积神经网络进行自适应特征提取,并利用逆向连接的全自注意力模块进行多阶段特征关注,最后融合多阶段注意力关注结果进行篡改区域定位.所提方法在真实场景图像篡改定位任务中取得了优于对比方法的性能,其中Fi指标比主流方法MVSS-Net高出约8.98％,AUC指标高出约3.58％.此外,所提方法在自然场景图像篡改定位任务中也达到了主流方法的性能,并提供了 自然场景篡改特征与真实场景篡改特征存在差异的佐证.在两种场景中的实验结果表明,所提方法能够有效地定位出篡改图像的篡改区域,且在复杂的真实场景中的定位效果更显著.

    图像篡改定位伪造检测数字图像取证计算机视觉自注意力机制卷积神经网络

      原文链接:
    • 万方数据
    • 维普

    融合全局和局部信息的实时烟雾分割算法

    张欣雨梁煜张为
    147-156页
    查看更多>>摘要：针对烟雾形状不规则、呈半透明状且边界模糊导致烟雾分割困难的问题,提出一种融合全局和局部信息的双分支实时烟雾分割算法.该算法设计了轻量级的Transformer分支和卷积神经网络分支分别提取烟雾的全局特征和局部特征,Transformer分支和卷积神经网络分支共同作用,可以在充分学习烟雾的长距离像素依赖关系的同时保留烟雾细节信息,从而准确区分烟雾和背景像素,改善烟雾分割效果.同时该结构可以满足实际烟雾检测任务的实时性要求;基于多层感知机的解码器充分利用不同尺度的烟雾特征图,并进一步建模烟雾全局上下文信息,增强模型对多尺度烟雾的感知能力,从而提升烟雾分割精度;而且解码器结构简单,可以降低解码器部分的计算量.该算法在 自建烟雾分割数据集上的平均交并比为92.88％,模型参数量为2.96 M,推理速度为56.94帧/s.该算法在公开数据集上的综合性能优于其他烟雾检测算法.实验结果表明,该算法分割烟雾的准确率高,推理速度快,可以满足实际烟雾检测任务的准确性和实时性需求.

    烟雾分割Transformer卷积神经网络双分支

      原文链接:
    • 万方数据
    • 维普

    联邦加密流量分类中的细粒度防御方法

    曾勇郭晓亚马佰和刘志宏...
    157-164页
    查看更多>>摘要：为了避免异常流量对联邦加密流量分类模型造成危害,研究者们提出了多种鲁棒算法和防御方案.已有方法通过移除异常模型的所有流量来提高鲁棒性.但这种清除节点所有流量的方法是一种粗粒度的防御方法.粗粒度的防御会造成正常流量损失和防御过当的问题.为避免上述问题,结合协作式联邦加密流量分类框架,提出清除异常流量的一种细粒度防御方法.该方法首先通过高效划分异常节点的本地数据集来缩小异常流量的搜索范围,实现细粒度定位异常节点的流量;然后在模型聚合时通过清除异常流量来降低正常流量损失,实现细粒度防御,解决防御过当问题.实验结果表明,与已有防御方案相比,提出的细粒度防御方法可以在不影响准确率的前提下,显著提高模型检测效率.所提出的细粒度防御方法检测准确率可以达到约91.4％,且检测效率与已有方法相比提高了约32.3％.

    加密流量分类联邦学习异常检测细粒度防御

      原文链接:
    • 万方数据
    • 维普

    支持受控共享的医疗数据隐私保护方案

    郭庆田有亮
    165-177页
    查看更多>>摘要：患者医疗健康数据信息的合理利用促进了医学研究机构的发展.针对目前患者与医疗研究机构间共享医疗数据隐私易泄露,以及患者对医疗数据的使用情况不可控的问题,提出一种支持受控共享的医疗数据隐私保护方案.首先,将区块链与代理服务器结合设计医疗数据受控共享模型,区块链矿工节点分布式构造代理重加密密钥,使用代理服务器存储和转换医疗数据密文,利用代理重加密技术在保护患者隐私的同时实现医疗数据安全共享.其次,设计用户权限动态调整机制,由患者与区块链授权管理节点交互通过授权列表来更新医疗数据访问权限,实现患者对医疗数据的可控共享.最后,安全性分析表明,所提方案可以在医疗数据隐私保护的同时,实现医疗数据动态共享,并且可以抵抗共谋攻击.性能分析表明,该方案在通信开销、计算开销方面具有优势,适用于患者或医院与研究机构间的数据受控共享.

    区块链医疗数据受控共享代理重加密隐私保护

      原文链接:
    • 万方数据
    • 维普

    一种支持内嵌数据处理的合约漏洞修复方案

    彭泳翔刘志全王立波吴永东...
    178-186页
    查看更多>>摘要：智能合约是一段部署在区块链上的程序,为分布式交易提供了可能.然而,由于智能合约携带的金融属性及部署后不可改变的特性,使其成为黑客攻击的目标.因此,为保证合约的安全性,需对漏洞合约进行修复.然而,现有合约漏洞修复方案存在修复成功率低、无法处理复杂合约等问题,为此提出一种支持内嵌数据处理的合约漏洞修复方案.该方案首先研究并形式化以太坊虚拟机动态装载机制,并基于内存拷贝指令构建内嵌数据定位算法,解析并反编译智能合约字节码结构;接着基于蹦床机制对智能合约字节码进行重写,并修正因重写而产生的内嵌数据地址偏移;最终实现智能合约的漏洞修复.基于所提方案实现原型工具SCRepair,部署于本地测试网络Ganache以对其进行性能测试,并与现有漏洞修复工具EVMPatch和Smartshield进行比较.实验结果表明,相比于EVMPatch,SCRepair的合约字节码重写成功率提升了约26.9％,并有着更好的执行重写稳定性,受编译器版本的较影响小;相比于Smartshield,SCRepair能够更好地处理复杂合约.

    区块链智能合约字节码重写反编译蹦床

      原文链接:
    • 万方数据
    • 维普

    面向云存储的数据流行度去重方案

    何欣枫杨琴琴
    187-200页
    查看更多>>摘要：随着云计算的发展,企业和个人倾向于把数据外包给云存储服务器来缓解本地存储压力,导致云端存储压力成为一个日益突出的问题.为了提高云存储效率,降低通信成本,数据去重技术得到了广泛应用.现有的数据去重技术主要包括基于哈希表的相同数据去重和基于布隆过滤器的相似数据去重,但都很少考虑数据流行度的影响.实际应用中,用户外包给云服务器的数据分布是不均匀的,根据访问频率可以划分为流行数据和非流行数据.流行数据访问频繁,在云服务器中会存在大量的副本和相似数据,需要执行高精度的数据去重;而非流行数据访问频率低,云存储服务器中的副本数量和相似数据较少,低精度的去重即可满足要求.针对上述问题,将数据流行度和布隆过滤器相结合,提出一种基于数据流行度的动态布隆过滤器;同时,提出一种基于数据流行度的动态布隆过滤器的数据去重方案,可以根据数据流行度动态调整去重精度.仿真结果表明,该方案在时间消耗、空间消耗和误判率之间取得了良好的平衡.

    云计算云存储数据去重数据流行度布隆过滤器

      原文链接:
    • 万方数据
    • 维普

    关键节点双目标优化的虚假信息传播控制模型

    荆军昌张志勇班爱莹高东钧...
    201-209页
    查看更多>>摘要：虚假信息传播控制是全球网络空间安全治理的热点领域.针对目前在线社交网络中的虚假信息传播控制研究,尚未考虑对关键节点集控制所产生的成本开销这一实际问题,提出了一种基于关键节点双目标优化的虚假信息传播控制模型.首先,根据用户节点在社交网络1-hop和2-hop区域的传播影响力以及节点的度中心性、k-shell等多种复杂网络特征,对两个优化目标(控制效果和控制成本)进行数学形式化表示;其次,设计一种融合自适应非线性策略的位翻转变异算法,实现对离散搜索空间的第2代非支配排序遗传算法改进,并将改进后第2代非支配排序遗传算法用于虚假信息传播关键节点集的选取,从而实现虚假信息传播控制效果最大化,控制成本开销最小化;最后,通过在真实在线社交网络平台上开展实验,分析模型参数对控制成本和控制效果的影响.实验结果表明,该模型与现有方法相比,在控制成本和控制效果的组合指标RTCTE上具有明显的优势.该模型适用于大规模复杂社交网络下最低成本的虚假信息传播控制.

    社交网络虚假信息关键节点遗传算法第2代非支配排序遗传算法

      原文链接:
    • 万方数据
    • 维普

    几类密码算法的神经网络差分区分器的改进

    杨小雪陈杰
    210-222页
    查看更多>>摘要：为了进一步研究神经网络在密码分析方面的应用,利用深度残差网络和传统差分密码分析技术构造并改进了几类典型的轻量级分组密码算法的神经网络差分区分器.主要取得以下结果:①分别构造了4～7轮PRESENT、3轮KLEIN、7～9轮LBlock和7～10轮Simeck 32/64的神经网络差分区分器,并基于密码的分组结构分别进行了分析;② 基于SPN结构分组密码的特点对PRESENT和KLEIN的神经网络差分区分器进行了改进,最多可提高约5.12％的准确率,并在对LBlock的神经网络差分区分器进行研究时验证得出这种改进方式不适用于Feistel结构的分组密码;③基于Simeck 32/64本身密码算法的特点对其神经网络差分区分器进行改进,提高了约2.3％的准确率.同时,将Simeck 32/64的改进方法与多面体差分分析进行结合,将已有的8轮和9轮Simeck 32/64多面体神经网络差分区分器的准确率提高了约1％和3.2％.最后,将实验中得到的3类神经网络差分区分器模型分别应用到11轮Simeck 32/64的最后一轮子密钥恢复攻击中,其中最佳的实验结果是在1 000次攻击实验中以26.6的数据复杂度达到约99.4％的攻击成功率.

    神经网络差分区分器轻量级分组密码部分密钥恢复攻击

      原文链接:
    • 万方数据
    • 维普