-
题名基于半监督学习的网络异常检测研究综述
被引量:1
- 1
-
-
作者
张浩
谢大智
胡云晟
叶骏威
-
机构
福州大学计算机与大数据学院
福建省网络计算与智能信息处理重点实验室
-
出处
《信息网络安全》
CSCD
北大核心
2024年第4期491-508,共18页
-
基金
国家自然科学基金重点项目[U1804263,U21A20472]
国家留学基金青年骨干教师出国研修项目[202006655011]
福建省自然科学基金[2021J01616,2020J01130167,2021J01625]。
-
文摘
网络流量数据的获取较为容易,而对流量数据进行标记相对困难。半监督学习利用少量有标签数据和大量无标签数据进行训练,减少了对有标签数据的需求,能较好适应海量网络流量数据下的异常检测。文章对近年来的半监督网络异常检测领域的论文进行深入调研。首先,介绍了一些基本概念,并深入剖析了网络异常检测中使用半监督学习策略的必要性;然后,从半监督机器学习、半监督深度学习和半监督学习结合其他范式三个方面,分析和比较了半监督网络异常检测领域近年来的论文,并进行归纳和总结;最后,对当前半监督网络异常检测领域进行了现状分析和未来展望。
-
关键词
半监督学习
标签稀缺
入侵检测
异常检测
-
Keywords
semi-supervised learning
label scarcity
intrusion detection
anomaly detection
-
分类号
TP309
[自动化与计算机技术—计算机系统结构]
-
-
题名基于深度学习的表情动作单元识别综述
被引量:5
- 2
-
-
作者
邵志文
周勇
谭鑫
马利庄
刘兵
姚睿
-
机构
中国矿业大学计算机科学与技术学院
矿山数字化教育部工程研究中心
上海交通大学计算机科学与工程系
华东师范大学计算机科学与技术学院
-
出处
《电子学报》
EI
CAS
CSCD
北大核心
2022年第8期2003-2017,共15页
-
基金
国家自然科学基金(No.62106268)
江苏省自然科学基金(No.BK20201346)
+1 种基金
江苏省“六大人才高峰”项目(No.2015-DZXX-010)
中央高校基本科研基金(No.2021QN1072)。
-
文摘
基于深度学习的表情动作单元识别是计算机视觉与情感计算领域的热点课题.每个动作单元描述了一种人脸局部表情动作,其组合可定量地表示任意表情.当前动作单元识别主要面临标签稀缺、特征难捕捉和标签不均衡3个挑战因素.基于此,本文将已有的研究分为基于迁移学习、基于区域学习和基于关联学习的方法,对各类代表性方法进行评述和总结.最后,本文对不同方法进行了比较和分析,并在此基础上探讨了未来动作单元识别的研究方向.
-
关键词
表情动作单元识别
标签稀缺性
特征难捕捉性
标签不均衡性
迁移学习
区域学习
关联学习
-
Keywords
expression action unit recognition
scarcity of labels
difficulty of feature capture
imbalance of labels
transfer learning
region learning
relation learning
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-