弹道目标空间反识别措施发展态势浅析

弹道目标空间反识别技术的研究具有重要意义。隐身和诱饵技术虽然在减小探测距离和拖延识别时间上具有一定作用 ,但是现代防御系统的天基和地基探测与识别系统通过对一段时间内累积信息的融合分析 ,仍能判别出真实目标的特征。因此 ,提倡对基于机动和近炸的双模式主动反识别技术进行探讨 ,并提出了若干问题以待研究。

蜜罐识别与反识别技术研究

随着蜜罐技术的发展和应用,攻击者针对蜜罐的研究也越来越多,主要集中在蜜罐的识别技术上。一旦入侵者确定入侵对象是个蜜罐,那么蜜罐就失去了部署的意义。主要讨论了几种蜜罐识别技术并提出了相应的防御措施,并对蜜罐的发展趋势提出自己的看法。

智能视觉识别描述与反识别方法探究

近年来,随着人工智能技术在各个领域的不断成熟和推广,特别是在视觉识别领域所具备的高精度、快响应性,使智能识别技术已经逐渐替代了传统视觉识别技术,成为新一轮技术革命引领产业变革的增长点之一.然而,在实际应用中典型智能识别技术亦存在一定的技术壁垒,如何从这些关键点出发,成为提升"矛和盾"两方面性能的主要抓手.基于此,本文从典型视觉识别方法出发,在深入剖析智能识别算法的核心基础点上,通过详实的案例指出了该方法目前存在的应用瓶颈以及反识别的应用方向.

雷达识别及反识别技术综述

雷达识别和反雷达识别是现代雷达技术的一个重要发展方面。有关雷达识别的理论研究和技术应用正越来越引起人们的重视。近年来,国内外学者专家在雷达识别的理论研究和技术应用方面,均取得了相当大的进展。本文将对雷达识别及反识别技术作一综述,其中包括对雷达识别的定义、主要应用及分类方法、实施方法举例、雷达识别的发展趋向、反雷达识别及对抗反雷达识别的方法等。

融合BERT和双向长短时记忆网络的中文反讽识别研究

用户对微博热点话题进行评论时会使用反语、讽刺的修辞手法,其本身带有一定的情感倾向会对情感分析结果造成一定影响。因此该文主要针对中文微博评论进行反讽识别,构建了一个包含反语、讽刺和非反讽的三分类数据集,提出一个基于BERT和双向长短时记忆网络(BiLSTM)的模型BERT_BiLSTM。该模型通过BERT生成含有上下文信息的动态字向量,输入BiLSTM提取文本的深层反讽特征,在全连接层传入softmax对文本进行反讽识别。实验结果表示,在二分类和三分类数据集上,提出的BERT_BiLSTM模型与现有主流模型相比准确率和F1值均有明显提高。

融合反讽语言特征的反讽语句识别模型

反讽是采用内隐的形式来表达情感的一种方法,反讽语句在文字和所想表达的情感上存在着不同,这使得对反讽语句进行情感分类变得更加困难。针对这一现象,提出一种融合反讽语言特征的反讽语句识别模型,通过加入反讽语言特征来提高反讽语句的识别准确率。首先,采用卡方检验算法对反讽语言进行分析并获取语言特征;然后,利用Word2Vec对语言特征进行训练获取语言特征的特征表示,同时使用注意力机制与Bi-GRU(双向门控循环神经单元)模型获取句子的特征表示;最后,将语言特征的特征表示与句子的特征表示进行融合并作为情感分类层的输入,对反讽语句进行识别。与CNN-AT、CNN-Adv、EPSN等3种模型进行对比,实验结果表明,该模型可以有效提高对于反讽语句的识别准确率。

基于大型语言模型微调技术的反诈骗信息识别方法研究

针对反诈骗信息识别,对大型语言模型(LLMs)的微调技术进行了深入的实验研究。选取了3种不同规模的LLMs基础模型,并采用了LoRA和p-tuningv22种先进的微调技术,以适应特定的反诈骗信息识别任务。通过多个维度的实验评估,微调策略不仅能够显著提升模型在反诈骗信息识别上的性能,还能够在一定程度上保持模型的通用性。此外,探讨了LLMs在少样本情况下的学习能力,并分析了不同微调策略下的资源消耗情况。

融合交叉注意力的突发事件多模态中文反讽识别模型

网民在社交媒体参与突发事件讨论时,时常会采用反讽修辞方式表达对事件的看法,此举导致情感分析的难度增加,且已有中文反讽识别对社交媒体中网民发布的多模态评论研究较少,有必要对图文多模态中文反讽识别进行深入研究。运用交叉注意力机制捕捉模态间的不一致性表达,提出融合交叉注意力的多模态中文反讽识别模型(fuse cross attention model,FCAM)。在模型中,首先运用TextCNN(text convolutional neural networks)和ResNet(deep residual network)分别提取中文文本浅层特征和图像特征,再运用交叉注意力机制分别得到文本层和图像层的注意力特征,按照残差方式分别实现文本浅层特征和文本层注意力特征的连接、图像特征和图像层注意力特征的连接,使用注意力机制融合2个特征表示,经过分类层得到反讽分类结果。基于某一地区新冠疫情期间相关话题的微博评论数据,构建出突发公共卫生事件多模态中文反讽数据集,在该数据集上试验验证,相较于基准模型,FCAM具有一定的优越性。

沪渝房产税扩围房价效应识别——基于反事实分析的经验证据

房产税扩围对高房价住宅销售价格能够产生抑制效果,但由于沪渝两地住房市场结构存在显著差异,房产税扩围对沪渝两地新建商品住宅销售价格整体产生两种截然相反的影响。较改革前,重庆新建商品住宅销售价格月度同比增长率月均下降约10个百分点,而上海同比增长率则月均上升约3~5个百分点。房产税扩围的影响与市场结构有密切关系,不能笼统给出房产税扩围有效或无效的简单判断。

基于多语义融合的反讽识别

反讽是一种复杂的语言现象,被广泛应用于社交媒体中。如何让计算机具有识别反讽的能力,成为了自然语言处理研究领域的热门研究内容之一。该文针对反讽识别中缺乏上下文语境信息和修辞表达信息的问题,提出了基于多语义融合的反讽识别方法。该方法采用ELMo从大规模反讽文本中训练得到领域词嵌入表示,并融合基于词性和基于风格信息的语义表示,使用双向长短时记忆网络和卷积神经网络进行反讽识别。实验结果表明,所提出模型能够从多个维度提取反讽文本的潜在语义特征,在公开数据集IAC上的实验性能有显著提升。

弹道导弹反红外识别能力评估指标研究

弹道导弹弹头和诱饵的反红外识别能力是导弹突防能力的重要内容,利用模糊综合评判方法构建弹头和诱饵反红外识别能力评估指标模型,并利用层次分析法得到各级指标的权重,对弹头和诱饵反红外识别能力进行了评估。

基于VFT的反红外识别能力评估指标研究

弹头和诱饵的反红外识别能力是导弹突防能力的重要内容，利用价值中心（value-focused thinking，VFT）法构建弹头和诱饵反红外识别能力评估指标的价值模型，并分析了评估指标的评分函数，来研究影响弹头和诱饵反红外识别能力的关键指标。

融合语言特征的卷积神经网络的反讽识别方法

面对某些热点事件,微博评论者经常使用反讽来表达对于该事件的看法,以往的情感分析任务往往忽略这一语言现象。为了提高微博情感分析的准确率,该文对反讽识别开展了研究。通过分析中文文本的语言现象和社交网络的特性,归纳了中文微博反讽的语言特征,提出了一种融合语言特征的卷积神经网络(CNN)的反讽识别方法。该方法将反讽特征和句子分别采用Word Embedding作为输入,再卷积、池化后,将其全连接融合,构建了新的卷积神经网络模型。实验结果表明,该方法在反讽识别的性能上优于传统的基于机器学习的方法。

战术弹道导弹反雷达识别突防策略研究

针对导弹预警系统弹头识别机理与方法,采用战术与技术相结合的研究方法,在分析单枚战术弹道导弹反雷达识别突防策略的基础上,提出了向心集火攻击、多弹道密集协同突防以及多弹联合协同反雷达识别的综合突防策略。在一定程度上解决了战术弹道导弹易被发现、易被识别和易被拦截的困境,拓展了战术弹道导弹的作战样式、攻击范围和突防能力,给导弹预警系统弹头识别带来严峻挑战。

面向社交媒体的反讽识别

反讽是社交媒体中常用的一种修辞方法,反讽的存在对传统的情感分析或观点挖掘带来了挑战。反讽修辞中一种常用的表达形式为使用极性相反的情感词来表达"前后情感矛盾"。本文针对该形式的反讽,提出了一种基于注意力机制的神经网络模型,该模型可以捕捉一句话中的前后情感矛盾的两个词从而推断是否为反讽。该模型不考虑句子的上下文,仅从句子本身的结构出发,计算任意两个词之间的注意力分数从而发现导致反讽的关键词。本模型在多个数据集上取到了很好的效果,并且该模型有较好的可解释性。

基于多模态深度学习的旅游评论反讽识别研究

[目的/意义]反讽作为一种隐性而间接的情感表达方式,在社交评论中被广泛使用,正确识别用户的反讽情感对于网络平台和服务商具有重要意义。[方法/过程]文章基于深度学习构建多模态反讽识别模型,以在线旅游评论为例,运用深度学习模型分别提取文本、表情符号和图片的特征向量,通过不同的特征融合方式进行反讽识别。[结果/结论]通过与单模态反讽识别模型进行对比实验,发现文章提出的多模态旅游评论反讽识别模型在准确率、召回率等指标上的结果更优,验证了多模态模型比单模态模型反讽识别效果更佳的结论。

考虑反讽语义识别的协同双向编码舆情评论情感分析研究

[研究目的]舆情评论情感分析是帮助相关部门及时掌握网民诉求、合理疏导舆情的重要抓手。为解决传统文本分析模型无法准确判别掺杂反讽语义文本的情感极性问题,设计了一种协同双向编码表征模型。[研究方法]将两个普通双向编码表征模型协同组合,分别进行反讽语义/非反讽语义、正面情感/负面情感的语义理解能力训练。然后将获取的反讽识别向量与情感识别向量通过一个额外的全连接层进行合并,构建协同双向编码表征模型。在反讽识别向量的指导下,此模型会根据评论文本的不同性质,在输出层进行不同的对应处理。[研究结论]以“望江女子溺水案”为例进行实验,结果表明:与普通双向编码表征、Text-CNN和Text-LSTM模型相比,协同双向编码表征模型的P、R、A、F1等指标均有明显提高。且在此基础上进行的LDA主题挖掘,可实现舆情评论情感极性的主题可视化,为相关部门进行舆情管控提供更加精准的决策支持。

基于图文融合的社交媒体反讽识别

文本与图片相结合的多模态内容在社交媒体上变得越来越常见。多模态数据包含了更为全面的信息,能更好地理解用户的真正想表达的意图。对多模态数据的反讽识别研究也受到了越来越多的关注。本文提出了一种基于深层语义融合的多模态反讽识别方法。通过实验证明了,本文的模型在各项指标上都要优于传统的单模态的反讽识别模型。

基于动态主题聚类的网络舆情反转识别模型构建与实证研究

[目的/意义]舆情反转现象频发消耗了网民的信任感,降低了网民在网络世界的安全感。基于舆情大数据对反转现象进行及时的分析识别,对营造健康安全的互联网舆论环境具有重要意义。[方法/过程]文章通过案例分析对舆情反转的特征与规律进行了归纳总结,并从主题演化角度出发,提出一种基于主题聚类模型LDA与门控循环神经网络单元(GRU)的舆情反转实时识别模型(DDPOR)。首先根据时间窗口采集实时文本数据,利用主题模型动态计算事件的当前言论较于先前观点的主题吻合度。随后结合文本时序特征,利用门控循环神经网络完成反转判定,实现网络舆情事件的反转预测。最后选取27个经典舆情反转案例开展实证分析,检验模型对反转的识别率与灵敏度。[结果/结论]实验表明,DDPOR可以及时地实现舆情反转的自动化识别,识别准确率高达90.54%,优于其他对比模型,且对网络舆情的实时监测与管控具有一定实践价值。