基于决策边界分析的深度神经网络鲁棒性评估与优先次序验证

随着深度学习技术在现实世界的广泛应用,人们对基于深度神经网络的系统安全性提出了更高要求.鲁棒性是神经网络的重要安全性质,对网络鲁棒性的量化分析和验证是深度学习模型安全性研究的关键问题.针对神经网络验证技术中难以解决的效率问题,提出了一种新颖的优先次序优化方法.结合局部鲁棒性的规约方式,在一组待验证输入内选择具有更高验证需求的不稳定点代替常规的逐点验证模式.根据对鲁棒性问题与决策边界距离的关联性分析,提出了一种基于网络输出单元值大小的鲁棒性评估方法作为优先验证的输入点选择依据.在此基础上将其扩展为输入的预分析模块与验证工具集成,进而设计了基于优先次序的验证框架.在常用的验证基准上进行了实验,结果表明,该方法的决策边界分析理论与突变测试结果一致,鲁棒性评估中选择不安全样本的平均准确率高于90%,通过减少安全样本的验证开销使验证效率提高了148.6%~432.6%.

考虑互补效应的城市群多模式客运网络鲁棒性

为了分析城市群客运网络对突发事件的应对能力,从多种交通模式互补视角,基于复杂网络理论构建城市群多模式客运网络模型,应用引力模型建立节点失效后网络性能计算的规则,对城市群多模式客运网络的鲁棒性进行测度.引入基于鲁棒性的动态互补强度指标,对客运网络间的互补效应(CE)进行量化.对是否考虑CE时的鲁棒性进行对比,分析CE对鲁棒性的提升程度.以关中平原城市群为例进行实例研究,结果表明,在城市群多模式客运网络中,普铁网应对突发事件时的鲁棒性最强,公路网最弱.无论在何种攻击策略下,考虑CE时,城市群多模式客运网络的鲁棒性均有明显的提升,高铁网、普铁网和公路网的敏感度分别下降了19.1%、29.3%和22.0%.

城市防疫医疗救援网络的抗毁性与鲁棒性

为研究城市防疫医疗救援系统空间布局的合理性和防灾韧性,采用复杂网络技术构建了某城市防疫医疗救援网络模型,对其网络拓扑结构和网络特征基本参数进行分析,研究不同攻击模型下以边和点连通度为度量指标的结构抗毁性能力;通过设定不同的网络冗余与网络负荷,研究网络针对确定性攻击与随机性攻击的鲁棒性特征。研究结果可为城市防疫医疗救援系统的空间优化布局和核心场所强化建设提供理论支撑。

车人碰撞中人地接触损伤仿真及防护方法鲁棒性分析

人车事故中行人主要与车辆和地面接触而遭受损伤。此前已有大量研究在车辆接触阶段对多体行人模型进行了验证,但对地面接触阶段的验证较少。本文中评估了用于预测车辆撞击后行人运动和地面接触的4个PC-Crash行人模型。通过车辆和地面接触的HIC伤害与最近研究中的6个尸体实验数据对比显示,其中PC2014行人模型能很好地预测行人头部损伤,车辆和地面接触HIC的平均误差分别为6.07%和5.85%,数据说明PC2014行人模型可以用于再现人车碰撞事故以及开发未来地面接触伤害防护对策。控制制动防护方法鲁棒性研究显示,在3种行人姿态(奔跑、步行和应急)扰动下,HIC平均降低比例分别为63.2%、57.9%和67.8%,说明控制制动防护方法具有很好的抗行人姿态干扰能力。进一步分析不同姿态下的行人损伤发现,3种步态序列之间均有显著性差异,在应急步态下控制制动防护方法有着更好的抗行人姿态干扰能力;而在奔跑步态序列下,往往可以通过控制制动防护方法产生最低的头地碰撞损伤,表明在使用控制制动防护方法对行人进行保护时须考虑到不同姿态产生的影响,以进一步提高控制制动防护方法的地面伤防护效果。

考虑多失效模式的桩锚结构鲁棒性设计及经济性优化

目的 研究岩土力学参数的不确定性对桩锚支护体系的整体影响,探究经济性和鲁棒性共同作用的优化设计。方法 选取黄土地区工程案例,考虑支护桩隆起破坏、支护桩倾覆破坏、整体稳定性破坏三类破坏形式,使用蒙特卡洛及点估计法嵌套的方式求出不同设计组合下的失效概率及标准差;同时考虑优化设计的经济性,筛选出桩锚支护结构体系的鲁棒性优化设计方案。结果 随着桩长增加,主控模式由隆起破坏向整体稳定性改变,不同的几何参数对结构鲁棒性影响不同,优化后可以获得同时满足经济性、鲁棒性及可靠度要求的最佳设计方案。结论 在桩锚结构设计中考虑经济性优化及多失效模式的鲁棒性设计是必要的。

城市防灾避难场所网络结构特征与鲁棒性研究

良好的防灾避难疏散体系是城市灾后应急救灾能力的根本保障,为探讨城市防灾避难场所系统空间布局和应急疏散能力的合理性,采用复杂网络技术构建了某城市固定避难场所网络模型,对其网络拓扑结构、网络特征基本参数、社团划分进行了分析,并研究了不同攻击模型下以边和点连通度为度量指标的结构抗毁性能力;根据网络中失效位置的不同,探讨网络内节点失效和网络内节点连通受阻导致的合作中断鲁棒性特征,研究结果可为城市固定避难场所的空间优化布局和核心场所强化建设提供理论支撑。

基于自蒸馏框架的点云分类及其鲁棒性研究

与2D图像数据集相比,3D点云数据集的规模较小且表征性较差,容易导致神经网络出现过拟合和泛化能力差的问题。为此,提出一种点云自蒸馏(PointSD)框架,通过对表征形式不同的数据样本进行学习,使网络提取到原始点云数据中的更多特征信息,实现样本之间的知识交互,在不增加额外计算负荷的情况下提升网络的泛化能力,适用于不同规模的分类网络模型。基于该框架提出一种点云抗腐败训练方法TND-PointSD,解决了当前点云训练方法抗腐败能力不足的问题。实验结果表明:在ScanObjectNN数据集上,应用PointSD框架的PointNet++和RepSurf-U 2X基准网络的平均准确率(MA)相比于应用标准训练(ST)方法提高了8.22和4.86个百分点;在ModelNet40-C数据集上,在15种腐败类型上分类网络的平均整体准确率(MOA)均有所提升,证明了TND-PointSD方法能够有效地增强网络模型的腐败鲁棒性。

基于车辆轨迹预测对抗性攻击与鲁棒性研究

针对常规车辆轨迹预测数据集中较少包含极端交通场景信息的问题,本文提出一种新型对抗性攻击框架来模拟此类场景。首先,为了判定不同场景中对抗性攻击是否有效提出了一种阈值判定的方式;然后,针对攻击目的的不同分别设计了两种对抗性轨迹生成算法,在遵守物理约束和隐蔽性前提下,生成更具对抗性的轨迹样本;此外,提出3个新的评价指标全面评估攻击效果;最后,探究了不同的防御策略来减轻对抗攻击影响。实验结果显示,基于扰动阈值的快速攻击算法(attack algorithm based on perturbation threshold for fast attack,PTFA)和基于动态学习率调整的攻击算法(attack algorithm based on dynamic learning rate adjustment,DLRA)在NGSIM数据集上的攻击时间和扰动效果均优于现有算法,更高效发现模型弱点。本研究通过模拟极端情况丰富了轨迹样本,深入评估了模型鲁棒性,为后续优化奠定了基础。

B2B2C供应链物流-订单流复合网络鲁棒性研究

基于渗流理论,考虑节点的渗流容量和受上下游失效节点的影响不同,设计了复合网络上下游级联失效策略,采用平均最短路径长度、最大连通子图率和网络全局效率评估B2B2C复合网络的鲁棒性。仿真表明:随着渗流容量系数的增加,网络鲁棒性增强;复合网络对于蓄意攻击的抵抗性较差,平均最短路径长度、全局效率和最大连通子图率呈断崖式下降到0,网络基本瘫痪,而面对随机攻击则具有较好的鲁棒性;与物流网络相比,复合网络平均度低40.6%,幂指数高12.1%,鲁棒性较好。

基于可达性的多层动态航空网络鲁棒性分析

为更准确地描述航空网络以分析其鲁棒性,提出1种以同一始发机场及其离场航班为子网络层,随出发时刻动态变化的多层动态航空网络模型。针对我国国内(不含港澳台)多层动态航空网络,以可达性、度中心性和加权介数中心性为节点特征指标,网络效率为网络性能测度指标,从随机攻击和蓄意攻击2种策略下对网络进行鲁棒性分析。研究结果表明:我国国内(不含港澳台)航空网络的鲁棒性主要由20%的机场提供,且在不同时间段内鲁棒性不同,在2023年夏秋航季,7∶00~20∶00间鲁棒性较好,4∶00~7∶00和20∶00~24∶00鲁棒性较差;用可达性指标衡量航空网络中机场节点的重要程度比度中心性和加权介数中心性指标更准确。研究结果可为保障航空运输网络安全提供一定参考。

基于相依网络的无人机集群通信系统鲁棒性分析

作为地震灾害救援和侦察战场等的主力设备,无人机集群通信系统的鲁棒性是抗毁性的重要指标,本文借助复杂相依网络理论建模无人机集群通信系统,引入相对网络效能比作为通信系统网络整体鲁棒性的指标,准确地反映节点之间的相互依赖关系,为评估通信系统在目标攻击下的鲁棒性提供了一种全新的视角。基于经典M-L模型和动态信息的负载重分配策略,建立相依同构ER-ER和异构ER-BA网络模型,考虑两层网络中相依节点度数的特性进行目标攻击,分析其在攻击下的级联失效动态过程,以及任意两节点的连边概率、平均度数和容量系数等特征参数,对通信网络整体鲁棒性的影响。研究表明,网络鲁棒性和网络相依强度负相关,在级联失效过程中可考虑降低52.09%~72.9%相依强度,以抵抗更严重的通信网络崩塌;对同构网络来说,相依模式的不同,RL、AL较DL整体鲁棒性分别降低了9.25%和15.95%。

基于改进Logistic混沌和交叉混沌扩散的强鲁棒性图像加密

针对现有部分图像加密算法鲁棒性弱的问题,本文提出了一种基于改进Logistic混沌和交叉混沌序列扩散的强鲁棒性加密算法。首先,对Logistic一维混沌进行变换,构造出一种混沌序列分布更加随机的新混沌系统;然后,利用螺旋矩阵变换进行第一次置乱,利用明文的哈希值构造混沌的初始密钥,引入明文相关的两个数值val1和val2结合新混沌系统构造交叉混沌序列;接着对置乱后的序列进行交叉混沌的扩散。为克服螺旋矩阵变换部分像素未发生改变的问题,再进行一次交叉混沌置乱,形成置乱-扩散-置乱的加密框架。最后对本算法进行仿真模拟,其中本文密文图像的平均相关系数为–0.0027,更加趋近于0,大大的破坏了图像内部之间的相关性,达到图像加密的效果。像素变化率NPCR为99.61%,归一化强度UACI为33.36%,都分别接近于理想值99.60%和33.34%;密文图像的信息熵为7.9975,接近于理想值8,密钥的敏感性为10–17;能够在椒盐噪声和高斯噪声强度为0.2的情况下,仍然能够识别出解密图像。而且加密图像剪切1/2时,仍然能够恢复出明文图像;实验结果表明,本文算法具有较高的安全性,能够抵御选择明文攻击和穷举攻击,具有较强的抗噪声和抗剪切能力,对于图像传输过程中的安全性提供一定的保障,能够对于灰度图像达到安全稳定的加解密效果。

基于地层变异性的大直径盾构隧道鲁棒性设计

大直径盾构隧道面临着复杂地层带来的挑战,传统的设计方法往往选择钻孔揭示的最不利地层断面或者采用平均化的地层,无法准确反映掘进面临的真实地层情况.因此,利用现有钻孔勘察信息建立耦合马尔可夫链模型,确定盾构掘进过程中最可能穿越的典型地层断面.采用不同设计参数展开数值模拟,以盾构隧道收敛变形相关指标的标准差作为鲁棒性指标,提出了一种基于地层变异性的大直径盾构隧道鲁棒性设计方法.研究结果表明,耦合马尔可夫链模型的最典型断面为盾构隧道提供了更准确的地层条件,使得鲁棒性设计更具适用性.最后,对现阶段常用的地层设计方法进行了优化,确保掘进过程中地层选择更接近实际情况,在有效降低隧道建设成本的同时,使得隧道具备更好的鲁棒性.

考虑加工误差及多工况影响的压气机叶型鲁棒性优化

针对压气机叶型在宽攻角宽马赫数范围内低损失工作、叶型性能对加工误差不敏感的工程需求,首先,建立了考虑加工误差及几何参数的叶型优化流程;然后,以某压气机静子叶型为研究对象,基于构建的代理模型,在设计马赫数0.87(跨音流动)与低马赫数0.7(亚音流动)下开展了考虑加工误差及多攻角工况影响的压气机叶型鲁棒性优化设计研究。结果表明:针对跨音流动工况优化获得的叶型,其设计马赫数攻角特性大幅改善,但亚音流动工况下的攻角特性略微恶化;针对亚音流动工况优化获得的叶型,其攻角特性在多个低马赫数工况下大幅改善,在跨音流动工况下恶化。

不确定环境下预制构件生产鲁棒性调度研究

在确定了预制构件方生产工艺和资源约束情况的基础上,分析了预制构件生产调度计划对鲁棒值的影响;基于关键链技术制定了考虑二次资源冲突的集中缓冲进度计划,构建了以预制构件生产完工时间最短和鲁棒值最大为目标函数的双层规划模型,并通过嵌套式遗传算法对该模型进行求解。实证结果表明:基于该模型得出的调度计划鲁棒值最大且在面对不确定环境时更为稳定。

突发事件下列车开行方案调整对铁路客运网络鲁棒性的影响

面对突发事件的发生,铁路会采取列车开行方案调整措施进行应对以减少突发事件带来的危害,极大地影响了铁路客运网络的鲁棒性。结合突发事件对铁路客运网络的影响区域性特点,选取部分停运的列车开行方案调整措施,确定突发事件对铁路客运网络的扰动,通过构建鲁棒性指标,进行了列车开行方案调整对铁路客运网络鲁棒性的仿真设计。以辽宁省铁路客运网络为例,计算不同比例停运下铁路客运网络的鲁棒性,研究发现:2种网络指标的度量下,最大连通子图的鲁棒性要好于可达性。列车部分停运下,当列车停运比例大于70%或车站节点数大于10时,会引起最大连通子图指标的快速下降;当列车停运比例大于10%或车站节点数大于9时,会引起可达性指标的快速下降。

基于随机活动工期的装配式项目鲁棒性调度优化

将装配式项目的生产阶段、运输阶段和装配阶段作为一个整体进行研究,考虑了各阶段的调度性质及相互牵制特性,提出了分种类分批次的调度策略。针对随机活动工期的装配式项目调度问题,采用鲁棒性调度方法,建立了以项目鲁棒值和成本值为优化目标的生产-运输-装配一体化建造鲁棒性调度模型。依据调度性质设计了集成精英策略的非支配性遗传算法(Non-dominated Sorting Genetic Algorithms-II,NSGA-II)并对其进行了求解。最后选取装配式项目实际案例,验证了算法的有效性并对实验结果进行了分析。研究结果表明,通过改变活动时差的不同分布状态,可在提高项目鲁棒性的同时保证项目成本最低。

基于中国东盟货运航线数据的网络结构与鲁棒性

利用复杂网络理论,深入分析中国东盟航空货运网络的鲁棒性。通过构建网络模型,分析网络拓扑结构,识别关键节点,以最大连通子图相对大小、网络效率和平均路径长度为衡量指标进行鲁棒性分析。结果显示,网络在随机攻击模式下的鲁棒性优于蓄意攻击。因此,应对关键节点进行保护,防止其遭受攻击。这些发现对理解和改进网络稳定性和鲁棒性具有重要意义,同时为提升网络效率和可靠性提供了支持。

基于改进PSO和CHNN的无人机路径鲁棒性优化

当前无人机路径规划通过机器学习和深度学习以及进化算法和智能算法的融合运用来实现。针对无人机在不同城市之间的路径鲁棒性优化的问题,现有的单一神经网络模型在一定程度上达不到最优解,并且会出现局部寻优的情况,导致优化效果达不到最大化。研究了一种运用改进粒子群算法结合连续性Hopfield神经网络模型的寻优迭代,通过改进粒子群算法中的惯性权重,控制粒子运动速度,在所有粒子进行更新的过程中,每个单独粒子均有独立的搜索和寻优能力。结果表明IPSO CHNN神经网络模型可以有效避免局部最优解,并且相较于传统的HNN对无人机路径鲁棒性的优化效果更好。

浙江省区域物流网络构建与鲁棒性分析

文章为构建浙江省区域物流网络,分析各城市物流发展水平,利用修正后的引力模型,量化城市之间的物流联系强度,并在此基础上结合复杂网络,分析该省区域物流网络的拓扑结构。为防止突发事件造成该省物流网络瘫痪,文章利用Python工具,通过随机攻击、蓄意攻击和基于贪心策略的蓄意攻击三种攻击方式,对区域物流网络进行分析比较。研究发现,浙江省不仅地级市可以带动物流发展,一部分市级以下地区的物流发展能力也较强,同样可以带动物流发展。从物流鲁棒性仿真模拟分析来看,基于贪心策略的蓄意攻击方式对物流网络的影响最大,针对物流发展较好的城市应得到重点保护,防止网络瘫痪。