基于深度神经网络和联邦学习的网络入侵检测

在高速网络环境中,对复杂多样的网络入侵进行快速准确的检测成为目前亟待解决的问题。联邦学习作为一种新兴技术,在缩短入侵检测时间与提高数据安全性上取得了很好的效果,同时深度神经网络(DNN)在处理海量数据时具有较好的并行计算能力。结合联邦学习框架并将基于自动编码器优化的DNN作为通用模型,建立一种网络入侵检测模型DFC-NID。对初始数据进行符号数据预处理与归一化处理,使用自动编码器技术对DNN实现特征降维,以得到DNN通用模型模块。利用联邦学习特性使得多个参与方使用通用模型参与训练,训练完成后将参数上传至中心服务器并不断迭代更新通用模型,通过Softmax分类器得到最终的分类预测结果。实验结果表明,DFC-NID模型在NSL-KDD与KDDCup99数据集上的准确率平均达到94.1%,与决策树、随机森林等常用入侵检测模型相比,准确率平均提升3.1%,在攻击类DoS与Probe上,DFC-NID的准确率分别达到99.8%与98.7%。此外,相较不使用联邦学习的NO-FC模型,DFC-NID减少了83.9%的训练时间。

面向招标文件的半结构化文本自动生成

招标文件范本总结了历史招标文件的核心内容。针对现有文本摘要方法无法有效提取文本主题结构、忽略时间特征对文本重要性的影响等问题,提出一种基于多头图注意力网络的半结构化文本自动生成(SGMG)模型。在模型预处理层中,利用BERT预训练模型进行文本嵌入,通过白化操作增强文本向量的表达能力。在主题抽取模块中,利用异质图建立主题、段落及文档之间的语义关系,应用多头图注意力网络加强图节点之间的交互,提高模型学习能力。在中心句抽取模块中,通过融合时间特征及语义相似关系的有向图计算文本中心性,防止重要时间信息的丢失。在句子选择模块中,结合三元词过滤法,提升生成内容的多样性。将国家能源集团2016年至2020年的招标文件作为语料进行实验,结果表明SGMG模型能够有效提取文本主题结构,生成文本内容与人工编制的范本接近,ROUGE-L评估指标相比于TextRank、LexRank等现有文本摘要方法提升了4.3个百分点以上。

完善金融合作机制 提高人民币持有意愿——基于浙江、辽宁等地人民币跨境使用情况的调研

为充分发挥贸易投融资便利化和跨境资金流动便利化政策作用,进一步推动人民币跨境使用,中国人民银行金融研究所对浙江、辽宁和江苏的11家政府相关部门、13家金融机构和25家企业进行座谈和现场走访。调研发现,近年来跨境人民币业务保持较快增长,主要贸易伙伴国企业对人民币接受度有所提升。但扩大人民币跨境使用仍面临部分国家政策限制、境外交易对手方接受度不高、中资金融机构面临制裁风险等难题。建议:积极完善与主要贸易伙伴国的金融合作机制,优化跨境人民币使用环境;顺应境外增持人民币资产的趋势,提高非居民持有人民币意愿;扩大政府奖补力度,推动我国境外投资以人民币结算;鼓励金融机构开拓创新,扩大人民币跨境使用。

完善制度设计 夯实基础设施 助推人民币跨境使用

通过对福建、广东两省的金融机构、企业等进行深入调研,结果表明:金融基础设施层面,境外人民币清算网络覆盖不足,人民币对部分“一带一路”国家货币缺少官方挂牌汇率,现有账户体系功能受限,是阻碍人民币跨境使用的主要因素;政府层面,资本项目开放程度滞后,政府监管标准不统一,部分自贸试验区账户体系设置与自贸试验区功能定位不匹配,制约人民币跨境使用;市场主体层面,境外投资资金流动不便利、不顺畅,跨境贸易结算仍多以美元计价。为此,在金融基础设施层面,应进一步完善境外人民币清算网络,积极推动周边国家小币种与人民币建立直接报价机制,探索构建更为开放的账户体系;在政府层面,应创新货币合作机制,加大力度推进资本项目开放,支持离岸人民币市场良性发展;在市场主体层面,金融机构应进一步增强人民币跨境使用便利性,企业应以产能外迁为契机,扩大人民币面向周边国家使用。

快速鲁棒特征算法的CUDA加速优化

提出一种基于统一计算设备架构(Compute Unified Device Architecture,CUDA)的快速鲁棒特征(Speed-up Robust Feature,SURF)图像匹配算法。分析了SURF算法的并行性,在图像处理单元(Graphics Processing Unit,GPU)的线程映射和内存模型方面对算法的构建尺度空间、特征点提取、特征点主方向的确定、特征描述子的生成及特征匹配5个步骤进行CUDA加速优化。实验表明,相比适用于CPU的SURF算法,文中提出的适用于GPU的SURF算法在处理30MB的图片时性能提高了33倍。适用于GPU的SURF算法拓展了SURF算法在遥感等领域的快速应用,尤其是大影像的快速配准。

基于GBDT的电力计量设备故障预测

电力计量设备的故障风险预测可以减少国家电网因为故障风险带来的损失。文中首先进行了数据的预处理和特征选取;其次,设计了基于GBDT的故障大类、故障小类以及设备寿命周期的预测;最后,对设计的模型进行了有效性和先进性的验证。实验在中国电力科研研究院提供的数据上进行。由实验结果可知,所提算法对6种故障类型的预测准确率为90.56%,查全率为92.95%,F1值为91.71%。相比回归、BP神经网络、Adaboost、决策树算法,梯度提升决策树算法在参数调优条件下的性能最优。

嵌入式智能电表中的反汇编关键问题分析

电力企业在将反汇编技术应用于嵌入式智能电表软件一致性检测模型时出现了因不同硬件而产生差异的字节序问题和程序运行时的嵌入式设备内存受限问题,从而影响了模型整体的性能。针对这两个关键问题进行分析,结合嵌入式智能电表内部特征和硬件体系架构理论的深层探讨,依次提出了目标代码双逆置预处理算法(CDIPA)和分段反汇编算法(SDA)。对原代码使用目标代码双逆置预处理算法得到调整字节顺序的代码,分别将原代码和调整代码反汇编获得两种待测结果,结合硬件信息分析结果并以匹配度高的指令作为最终结果从而解决了字节序问题;分段反汇编算法通过调整反汇编输入规模并分次运行的方法解决设备内存受限问题。实验结果表明将这两种算法用于给定的电表设备,可以有效解决上述关键问题,同时算法也表现出良好的健壮性和可移植性。

基于反汇编的智能电表软件功能检测模型

电力企业在智能电表的生产过程中发现制造商用于招标展示的样品表和竞标成功后大量投产的批量表存在显著差异。由于检测不足,许多投入实际使用的批量表出现工作状态异常、质量不合格的情况,对这些电表的维护造成了不必要的花费。针对此问题制定了一种智能电表软件功能检测方案,设计了一种嵌入式智能电表代码逆向模型。模型以分析智能电表核心程序从而获取系统运行特征为思路,以反汇编算法分析电表固件代码功能为手段,对嵌入式智能电表进行软件功能差异测试。模型包括固件代码提取、固件代码反汇编和软件功能比较三大模块,在反汇编模块中基于现有的线性扫描和递归遍历算法使用了一种改进的单步扫描算法(SDA)。实际应用时对智能电表批量产品和样品进行比较鉴别,对系统功能的差异测量效果明显;同时使用该模型在维护电力企业已使用电表时可控制拟投产电表与已使用电表功能和质量误差在±20%范围内。

一种基于联合深度神经网络的食品安全信息情感分类模型

针对因中文食品安全文本特征表达困难,而造成语义信息缺失进而导致分类器准确率低下的问题,提出一种基于深度神经网络的跨文本粒度情感分类模型。以食品安全新闻报道为目标语料,采用无监督的浅层神经网络初始化文本的词语级词向量。引入递归神经网络,将预训练好的词向量作为下层递归神经网络(Recursive Neural Network)的输入层,计算得到具备词语间语义关联性的句子特征向量及句子级的情感倾向输出,同时动态反馈调节词向量特征,使其更加接近食品安全特定领域内真实的语义表达。然后,将递归神经网络输出的句子向量以时序逻辑作为上层循环神经网络(Recurrent Neural Network)的输入,进一步捕获句子结构的上下文语义关联信息,实现篇章级的情感倾向性分析任务。实验结果表明,联合深度模型在食品安全新闻报道的情感分类任务中具有良好的效果,其分类准确率和F1值分别达到了86.7%和85.9%,较基于词袋思想的SVM模型有显著的提升。

PMVS算法的CPU多线程和GPU两级粒度并行策略

PMVS(Patch-based Multi-View Stereo)三维重建算法被广泛应用于无人机航拍影像的三维场景重建中。针对PMVS三维重建算法计算量大、时间复杂度高的问题,提出了PMVS算法的CPU多线程和GPU两级粒度并行策略(Multithread and GPU Parallel Schema,MGPS),方法具体包括:基于GPU的PMVS算法特征提取和片面扩散的并行设计;多影像的GPU和CPU任务分配机制,以使得部分任务分配给CPU采用多线程并行,部分任务分配给GPU并行时,程序总运行时间最短。实验采用搭载24核CPU和NVIDIA Tesla K20GPU的高性能服务器作为测试平台,针对分辨率为4081×2993的16幅无人机影像进行三维重建。实验结果表明,相比串行的PMVS算法,基于MGPS的PMVS算法取得4倍左右的加速比,其中特征提取最高加速13倍,计算误差在10%以内,该方法实现了更高效的PMVS三维重建。基于MGPS的PMVS算法还可用于文物保护、医学图像处理、虚拟现实等领域。

基于小波变换的真菌隐球酵母菌图像参数压缩

提出用小波Haar算法对真菌隐球酵母菌图像参数进行压缩.该方案首先按照行优先的原则,将每个酵母菌图像的特征参数由一维转换为二维;然后利用小波方法将二维参数进行压缩.实验利用机器学习工具WE-KA,选取52个训练集图像以及26个新图像,采用"10舍1"及"10份10轮"交叉验证方法,建立多个预测模型.实验表明小波方案大大节约了运行时间,而在识别变异病原体形态的问题上,几乎与数据驱动特征参数选择方法同样有效.同时因为小波算法的可逆性,特征参数还可以恢复到初始特征参数集合.

网络食品安全的歧义性消解算法

以网络食品安全信息为研究对象,旨在提出一个能够解决食品安全领域专有名词指代不明的歧义消解算法。文中采用的歧义消解算法是在改进的TF-IDF特征选择算法的基础上,结合了隐含马尔可夫模型(HMM)和SVM分类器,从而实现专有名词的歧义消解。提出了一个在TF-IDF的基础上增加两个加权因子的特征提取算法LN-TFIDF。实验表明,以202831条文本实验所得的准确率和召回率的调和平均值F1值为评价标准,设计的基于改进TFIDF的食品安全领域歧义消解算法的效果比基于传统TF-IDF的歧义消解算法平均提升了7.31%,且在不同时间抓取的实验数据集下,本算法的效果也相对稳定。

面向PMVS算法的自动两级并行翻译方法

当使用高分辨率的图像作为图像处理算法的输入时会降低算法运行速度,将算法并行化可提升执行效率,但手动将串行程序转换为并行程序则较为繁琐,并且现有自动并行翻译工具性能不稳定,同时翻译后的程序是单一并行模式。面向基于面片的三维多视角立体视觉(PMVS)算法,提出一种从C到CUDA的自动两级并行翻译方法。使用ANTLR自动解析源C代码,通过分析数据依赖关系和循环数组私有化来识别可并行化的循环结构,将算法翻译成CPU多线程和GPU两级并行结构的代码。在算法执行过程中,将输入图像在CPU和GPU上分别进行处理,降低了算法总执行时间。实验结果表明,该方法的计算加速比随着输入图像分辨率的增加逐渐提高,最高约达到32,相比于PPCG和OpenACC自动并行翻译方法提升明显。

基于长尾分类算法的网络不良信息分类

目前已有的网络不良信息分类方法大多忽略了数据不平衡、数据存在长尾分布的情况,使得模型在分类时偏向于数据量多的样本,无法很好地识别数据量少的样本,从而导致整体识别精度下降。针对该问题,提出一种用于长尾不良信息数据集的分类方法 LTIC。将小样本学习与知识转移策略相结合,使用BERT模型学习头部类的权重,通过专门为小样本学习而提出的Prototyper网络得到头部类的原型,将头尾数据分开处理,从而避免一起训练而导致的数据不平衡问题。学习从原型到权重的映射关系,利用学到的知识将尾部类的原型转换为权重,然后连接头部类权重和尾部类权重得到最终的分类结果。实验结果表明:LTIC方法在Twitter和THUCNews数据集上分别达到82.7%和83.5%的分类准确率,且F1值相较非长尾模型有显著提升,有效提高了模型分类精度;与目前较新的长尾数据集分类方法 BNN、OLTR等相比,该方法具有更好的分类效果,平均准确率提升了3%;当新的不良信息类别出现时,LTIC方法只需少量计算就可对其进行预测,准确率达到70%,具有良好的扩展性。

数字普惠金融助力乡村产业振兴的机理、现状与前景

数字普惠金融可通过提供便捷高效的金融服务、丰富金融服务场景、转变传统征信模式和信贷风险防范模式、促进跨部门数据利用等,推动普惠信贷实现量增、面扩、质提,更好发挥金融支持乡村产业振兴的积极作用。近年来,我国数字普惠金融发展态势良好,金融普惠性不断提升,数字普惠基础设施持续改善,有效支持了乡村产业发展和转型升级。但目前我国数字普惠金融发展仍存在金融产品供需匹配不够、传统金融机构服务动力有待进一步激发、基础设施建设不完善、“数字鸿沟”与数字金融风险安全问题显现等问题,整体效率有待进一步提升。下一步,还需多措并举,继续推动普惠金融产品和服务下沉,鼓励金融机构为农村地区产业转型发展提供更多层次、高水平的数字普惠金融服务,因地制宜开展区域数字普惠金融试点,同时加强数字普惠金融基础设施建设,减少“数字鸿沟”的影响,防范信息不对称和道德风险,推动数字普惠金融更好助力乡村产业振兴。

无线传感器网络基于容量和传输能耗的功率与信道联合博弈算法

针对无线传感器网络(WSNs)日益增大的干扰导致网络容量下降的问题,同时考虑到网络能量有限性,该文综合网络容量和链路传输能耗,构建了高容量低传输能耗的功率控制与信道分配联合博弈模型,并通过理论分析证明该模型存在最优功率和最优信道。继而采用最佳响应策略,在该博弈模型基础上提出了一种功率控制与信道分配联合优化算法(PCOA),理论证明其能收敛到纳什均衡状态,且具有较小的信息复杂度。最后,仿真结果表明,PCOA算法能够达到降低网络干扰和链路能耗,增大网络容量的目的。

基于负载均衡评价模型的无线传感器网络拓扑控制算法

无线传感器网络的节点负载不均衡问题,易造成低能量节点过早死亡,引起网络分区甚至网络崩溃,从而降低了网络的实用性。因此,本文针对节点剩余能量和发射功率与负载之间的影响关系,建立了基于负载均衡的节点评价模型,并以节点评价模型作为拓扑的构建条件,考虑到集中式算法易引起较大的信息复杂度问题,提出了基于负载均衡评价模型的无线传感器网络分布式拓扑控制算法,并采用李雅普诺夫第二法证明了节点评价模型具有稳定解,仿真结果表明该算法能够均衡节点的负载和能耗,提高网络实用性。

WSN中基于双群体差分进化的资源分配优化算法

针对多射频多信道(MRMC,multi-radio multi-channel)无线传感器网络中的链路冲突和链路干扰过大而导致的网络能耗过大、容量受限、资源分配不均衡的问题,提出一种基于双群体差分进化的联合资源分配优化算法(RADEA)。RADEA综合考虑了信道分配、功率控制和时隙分配之间相互影响的关系,以链路的冲突和干扰为约束条件,以减小网络能耗、最大化网络容量、提高资源分配的均衡性为目标函数,构建了系统的资源分配多目标优化模型。考虑到解决多目标优化问题的复杂性,采用双群体差分进化算法对模型进行迭代求解。仿真实验表明,该算法能够有效地避免链路冲突,同时能有效地降低网络干扰,提高网络容量和资源分配均衡性。

一种基于有色Petri网的工作流网模型

使用工作流网(WF-nets)描述工作流的业务流程时,可能产生由于托肯含义的不确定性而导致的工作流逻辑的二义性。在分析产生这种二义性原因的基础上,定义了一种基于有色Petri网的工作流网模型CWF-nets,给出了严格的定义和变迁发生机制,并分析了其正确性。利用CWF-nets可以准确描述业务流程的工作流逻辑,且这种逻辑结构与工作流具体案例的属性数据无关,避免了上述问题。

基于模糊近似空间组合度量的特征选择算法

通过对信息系统中属性进行多视角的重要度度量,构造一种更为优越的特征选择算法。以粒计算理论为基础,在模糊近似空间中引入模糊粒度,在此基础上提出模糊条件熵的概念,将模糊粒度与模糊条件熵组合作为属性重要度的度量,给出一种基于模糊近似空间组合度量的特征选择算法。实验结果表明,该算法在特征子集和算法效率方面具有较好的优越性。