说话人音频攻击与对抗技术研究综述

文中概括了说话人音频攻击与对抗技术的最新进展。由于说话人音频攻击已经成为语音应用安全的严重威胁,以WaveNet、Transformer和GAN三种模型在音频攻击技术中的应用作为节点,分别介绍以其为基础的音频攻击技术。音频对抗技术则以涵盖的攻击技术分为3类,分别是基础音频攻击、重放攻击和深度伪造攻击。系统地阐述了音频攻击与对抗技术的最新研究成果,并分析比较了各算法在不同条件下的优劣,同时还介绍了音频技术常用的数据集。最后结合该领域目前的研究现状,提出了说话人音频攻防对抗技术研究中亟待关注与研究的问题。

基于改进麻雀搜索算法的冷链物流路径优化

针对城市间冷链物流对成本与时效的高要求,提出了一种改进的离散麻雀搜索算法。通过对麻雀维度序列的映射,实现了算法的离散化;引入基于维度的邻域模型以加强麻雀种群内的信息交流,降低陷入局部最优解的可能;引入动态因子以改进发现者位置更新公式,平衡算法的开发与勘探。采用23个标准测试函数进行测试,实验所得平均值与方差表明,改进算法的搜索性能与稳定性得到了极大的改善。采用6个标准VRPTW数据集测试改进算法求解复杂路径优化问题的能力,对比实验表明,改进算法能够以更快的速度求得更优的可行解,验证了改进算法的有效性与稳定性。最后使用小规模数据集可视化展示了改进算法在路径规划问题的提升。

基于双层规划的应急物资邮政运输模型优化方法研究

应急物流是在发生重大突发事件时保障人员、物资和资金需求的一项特殊物流活动。在应急物资邮政运输模型中,如何快速准确地将应急物资运送至需求点是应急物流面临的巨大挑战。双层规划方法可以在满足需求点对应急物资需求的情况下,使整个物流过程中的物流成本最低,物流时间也最短。构建了一个以上层物流成本最低、下层物流时间最短为目标的双层规划模型,并设计了一种混合禁忌搜索遗传算法(HTSGA,hybrid tabu search genetic algorithm)求解模型,解决了灾后应急物流的运输路径优化问题。最后,实验结果对比验证了所提模型和算法的有效性。

基于兴趣度匹配的应急物资采购策略研究

在物流运输环境异常、跨区域运力不足的情况下,传统应急物流中以生存为第一要义的物资采购策略难以同时满足交付的个性化需求和时效性要求。文章中提出了一种基于兴趣度匹配的应急物资采购策略,将本地库存货物的兴趣度设定为二维向量,通过分析货物新鲜度,采购价格,运输代价及时间等影响因子得到预计时间兴趣度与预计代价兴趣度的计算方法,并利用BP神经网络进行兴趣度的融合,最终按照兴趣偏转量和对应的匹配原则为采购方选出最佳物资。实验结果表明了兴趣度算法的有效性和采购策略的可行性。

基于属性密码体制的区块链安全技术研究进展

区块链是一种集合了分布式存储、点对点传输、共识机制、密码学算法和智能合约等关键技术的分布式账本,具有去中心化、不可篡改、透明化等特性.近年来区块链技术的安全性问题逐渐显露,阻碍了区块链应用的发展.本文介绍了区块链的基本概念与安全模型,分析了区块链的安全性问题;然后,基于属性密码体制,从访问控制、密钥管理、数据隐私保护这三个方面分析了区块链安全技术的各类研究,论述了主要的解决方案的特点;最后,总结了基于属性密码体制的区块链安全技术研究进展,并对未来的研究工作进行了讨论.

基于聚类与改进蚁群搜索的配送中心车货匹配方法

文章针对物流配送中心的配送车辆在运输过程中的装卸货时长、配送车辆行驶时长以及车辆的装载率等问题,构建以配送中心的运营后成本为目标的车货匹配模型,在模型中考虑了装卸货时长、车辆行驶时长以及车辆的装载率等现实因素,通过对该模型的求解为配送中心提供最优匹配方案。该模型先将货物的配送点进行聚类,随后通过对蚁群算法蚂蚁选择下一节点的概率公式进行了改进,将下一节点需要配送货物的重量加入了考量,并采用了一种奖惩机制用作蚁群算法信息素的更新策略和一种随迭代次数而变化的信息素挥发因子,用于提高传统的蚁群算法的收敛速度。用于求解该车货匹配模型。然后通过仿真实验验证模型和算法的有效性,为物流配送中心的车货匹配提供了一个新的解决思路。

基于源抑制的转运中心货运量控制机制

针对转运中心在物流高峰时期面临的爆仓风险,提出了一种基于源抑制的货运量控制机制。该机制将基于网络流量控制相关的源抑制技术改进并应用于物流运输仓储环节,在仓储控制模型的应用层动态监视整个转运中心群,当某个转运中心的剩余容量大于设定的阈值时,不执行货运量的控制,当剩余容量小于阈值时,自动对以该转运中心为输入对象的输入量头部企业进行源抑制。仿真实验结果表明,基于源抑制的货运量控制机制能够有效控制转运中心群的货运流量,降低爆仓的可能性,同时降低了受限制企业承受的额外成本。

AI预训练大模型发展综述

本文首先介绍了AI预训练大模型相关的部分核心技术,其中包括Transformer架构和人类反馈强化学习技术以及近端策略优化技术;研究了通用大模型的发展,重点关注了基于Transformer-Decoder架构的GPT系列、LLaMA系列模型与基于Transformer-Encoder架构的BERT、ALBERT、DeBERTa与RoBERTa模型,深入研究了它们的架构和训练方法,总结了它们的特点,探讨了其在不同领域中的应用;关注了垂直领域的大模型发展,如金融、医学、法学、自然科学和代码编程等领域.在金融领域,研究了BloombergGPT、GPT-InvestAR和TradingGPT模型;在医学领域,探讨了Med-PaLM和PMC-LLaMA等模型;在法学领域,分析了Lawformer和Chatlaw模型;在自然科学领域,介绍了华为云盘古气象大模型和FLUID-GPT模型;在代码编程领域,研究了CodeGeex和PanGu-Coder2模型.最后,对当前AI预训练大模型在知识产权、歧视、成本等方面的局限性与未来发展进行了讨论.

一种基于深度学习的物流快递驿站异常行为识别方法

随着网点数量的快速增长,物流快递驿站的安全问题得到了越来越多的重视。文章提出了一种基于深度学习的物流快递驿站异常行为识别方法,其采用卷积神经网络ResNet152提取视频的每一帧图像特征,通过递归神经网络LSTM对帧与帧之间的时序关系进行建模,并采用多路分支网络架构以适应不同物流快递驿站的摄像机视角变化。在实际物流快递驿站场景下的实验结果验证了本文方法的有效性。

基于DistilBert-LSTM与多项朴素贝叶斯的漏洞检测方法

软件漏洞检测是维系软件安全性的关键,漏洞的高效检验是当前的研究热点。文中提出了一种基于DistilBert-LSTM与多项朴素贝叶斯的漏洞检测模型。为实现漏洞函数的源代码文本深度表征,文中通过DistilBert-LSTM挖掘漏洞的局部关键特征和全局时间特征,并得出漏洞的存在性概率;针对漏洞检测过程中的难样本,通过多项朴素贝叶斯进行优化检测,该模型使用TF-IDF矢量化器进行数据预处理,并通过执行卡方检验进行特征选择,将所得输出至多项朴素贝叶斯分类器中进行检测,以获得最终的漏洞检测结果。实验结果表明,文中提出的方法在公共漏洞和暴露数据库的数据上有效提高了漏洞检测的准确率和精确率,同时降低了漏洞检测的误报率和漏报率,相较于其他机器学习模型,具有更优的性能指标。

基于需求紧迫度的成品油配送方法

针对成品油配送中出现不同程度紧急配送请求时的路径规划问题,文章建立了一种基于需求紧迫度的成品油配送路径规划模型,在考虑常规配送成本的基础上,针对违反时间窗约束的配送请求,根据需求紧迫度的不同,施加相应程度的追加惩罚,以实现对紧急程度较高的供油请求进行优先配送。为了验证模型效果,文章通过借鉴大规模邻域搜索算法中的破坏修复策略,将破坏修复操作引入遗传算法中,形成改进遗传算法,并应用该算法进行实验仿真。实验结果表明,文章所提出的模型及算法在应对出现不同紧迫度的成品油配送路径规划问题时能够取得良好的效果。

融合多模特征注意力机制的伪造文本检测

伪造文本检测是保证社交安全的重要条件。融合多模特征注意力机制的伪造文本检测,实现多类型伪造文本的检测,并提高其精度。针对目前数据集的不足,根据不同的文本生成模型GPT-2、Grover、LSTM等制作了对应的多伪造类型数据集。融合GLTR、Grover和LP(Language and Physical)3个多模特征,使用注意力机制将该3个模型输出进行融合。设计时空特征融合网络充分提取时序信息和局部空间信息。最后添加分类层完成伪造文本的分类。实验结果表明:融合多模特征和时空特征融合网络可提取更多的伪造信息,同时充分融合了时序和局部空间信息,提升了伪造文本的表征能力,且泛化能力也优于以往网络。

考虑协同配送的两阶段车货匹配推荐系统

针对现代物流业务不断多样化和细分化导致传统的车货匹配方法和配送方式难以满足配送需求的问题,文章提出将大件货物与应急零散货物结合进行协同配送,构建以车主收益最大为目标的两阶段车货匹配推荐模型,充分利用货物阶段性送达产生的的剩余空间,并且在模型中考虑时效、期望、激励、货损等现实因素提高模型可实施性。为了获得不同货种间协同配送的最优匹配推荐方案,提出一种改进的人工兔优化算法(ARO)进行求解,通过引入混沌反向学习、模拟退火和自适应扰乱因子提升性能,然后通过仿真实验验证模型和算法的有效性,最后基于供需双方偏好的构建车货推荐系统为其推荐配送方案。

区块链存储可扩展性研究进展

区块链是一种结合分布式共识、加密、时间戳等方法,在不依赖任何第三方中心化机构的情况下,实现点对点交易、协调以及协作的技术.近几年,区块链技术的不断发展引起了产业界和学术界的极大兴趣.但是,区块链的存储可扩展性问题,提高了区块链设备的门槛,成为了区块链应用落地的瓶颈.介绍了区块链的基本原理和存储模型,分析了当前区块链所面临的存储问题;然后,针对区块链存储可扩展性问题,从链下存储和链上存储这两条技术路线出发,论述了主要的解决方案的原理与思路;最后,总结了提高区块链存储可扩展性的技术研究进展,指出了当前解决方案所面临的问题,为未来的研究工作提供了方向.

基于变分模态分解的癫痫脑电信号分类方法

癫痫是一种常见的脑部疾病,通过脑电图能非侵入地定位人脑中的致痫区域.为了辨别病灶性和非病灶性癫痫脑电信号,文章提出一种基于变分模态分解的癫痫脑电信号自动检测方法,首先将原信号分割成多个子信号,并对各子信号进行变分模态分解,然后从分解后的不同变分模态函数中提取精细复合多尺度散布熵和精细复合多尺度模糊熵两个特征并利用支持向量机进行分类.针对癫痫脑电的公共数据集,最终的实验结果表明,准确率、灵敏度和特异度三个性能指标分别达到94.24%,95.58%和90.64%,ROC曲线下面积达0.978.

软件定义网络中的异常流量检测研究进展

软件定义网络(software defined networking,简称SDN)是一种新型的网络架构.SDN将控制层从数据层分离并开放网络接口,以实现网络集中控制并提高网络的可扩展性和编程性.但是SDN也面临诸多的网络安全威胁.异常流量检测技术可以保护网络安全,防御恶意流量攻击.对SDN异常流量检测进行了全面的研究,归纳了数据平面和控制平面可能遭受到的网络攻击;介绍并分析了位于应用平面、控制平面和中间平台的异常流量检测框架;探讨了异常流量识别机制、负载均衡机制、异常流量追溯机制和异常缓解机制;最后指明SDN异常流量检测在未来工作中的研究方向.

基于相关性传输模型的无线链路质量估计方法及路由优化算法

在无线传感网中,无线链路数据传输不是独立的,而是存在较强的相关性.在链路相关性条件下,无线链路传输质量往往依靠直接测量法获取结果,但是直接测量的结果不够精确,存在较大误差,而路由算法总是依据链路传输质量选择最优的传输路径,因此直接导致路由选择算法的结果错误.本文基于无线链路数据相关性传输提出改进架构,该架构利用贝努利采样理论,确保对无线链路传输质量的精确估计,使得链路质量估计能够达到高精度的要求.在此基础上,本文提出了路由选择优化算法,该算法依据无线链路的传输质量,找出从所有的感知节点到sink的最优数据传输路径,确保无线链路的数据传输所消耗的能量达到最小值.实验结果表明,本文提出的架构在精确度和能量消耗等方面,都要优于已有的优化算法.

基于LMD和模糊熵融合CSP的脑电信号特征提取方法

模糊熵算法在提取脑电信号特征时存在信号序列长度、步长等诸多参数不易调整的问题。提出一种基于局部均值分解、模糊熵以及共空间模式算法的特征提取方法:L-FECSP算法。首先,利用LMD算法将经预处理的运动想象脑电信号分解为多个PF分量,根据左右手运动想象脑电信号所处的频段选出包含α节律和β节律的PF分量。采用模糊熵算法提取已选择的PF分量的特征,使用共空间模式算法对得到的特征进行投影映射。最后,对比投影前后的特征向量,并选取其中最具区分度的特征输入到支持向量机中用于分类。采用BCI竞赛数据集进行实验,平均分类准确率达到95.30%,实验结果表明L-FECSP特征提取方法能够有效地区分左右手运动想象脑电信号。

基于区块链大数据的新发重大传染疾病防控研究综述

新发重大传染疾病严重威胁人民生命健康安全,阻碍社会经济发展,其防控已成为当前的研究热点。文中首先对我国现有的新发重大传染疾病防控技术与策略进行了研究。其次,结合目前新发重大传染疾病防控技术与策略面临的问题,综述了大数据与区块链技术在新发重大传染疾病防控过程中的应用研究进展。最后,从监测、预警和应对3个方面,总结了新发重大传染疾病防控技术发展中面临的挑战,指明了未来的相关研究方向。

基于卷积神经网络的脑电信号情绪分类方法

情绪作为人脑的高级功能,对人们的心理健康和个性特征有很大的影响。通过对脑电情绪数据集进行情绪分类,能够为今后实时监控正常人或抑郁病人的情绪提供进一步理论及实践依据。因此文章运用公开的脑电情绪数据集所提取的微分熵特征,并使用传统的滑动平均和线性动态系统方法,采用深度学习中的卷积神经网络作为基本前提,设计了一个卷积神经网络的脑电信号情绪分类模型,其包括4个卷积层、4个最大池化层、2个全连接层和1个Softmax层,并采用批归一化使参数搜索问题变容易,抑制模型过拟合。实验结果表明,利用该模型对SEED数据集的3种情绪识别的平均准确率达到了98.73%,精确率、召回率和F1分数分别为99.69%、98.12%和98.86%,ROC曲线下面积达0.998。与最近的类似工作相比,该文提出的卷积神经网络结构对于脑电信号情绪分类具有一定优越性。