With serious cybersecurity situations and frequent network attacks,the demands for automated pentests continue to increase,and the key issue lies in attack planning.Considering the limited viewpoint of the attacker,at...With serious cybersecurity situations and frequent network attacks,the demands for automated pentests continue to increase,and the key issue lies in attack planning.Considering the limited viewpoint of the attacker,attack planning under uncertainty is more suitable and practical for pentesting than is the traditional planning approach,but it also poses some challenges.To address the efficiency problem in uncertainty planning,we propose the APU-D*Lite algorithm in this paper.First,the pentest framework is mapped to the planning problem with the Planning Domain Definition Language(PDDL).Next,we develop the pentest information graph to organize network information and assess relevant exploitation actions,which helps to simplify the problem scale.Then,the APU-D*Lite algorithm is introduced based on the idea of incremental heuristic searching.This method plans for both hosts and actions,which meets the requirements of pentesting.With the pentest information graph as the input,the output is an alternating host and action sequence.In experiments,we use the attack success rate to represent the uncertainty level of the environment.The result shows that APU-D*Lite displays better reliability and efficiency than classical planning algorithms at different attack success rates.展开更多
针对先前提示学习方法中存在的模板迭代更新周期长、泛化能力差等问题,基于改进的提示学习方法提出一种双通道的情感分析模型。首先,将序列化后的提示模板与输入词向量一起引入注意力机制结构,在输入词向量在多层注意力机制中更新的同...针对先前提示学习方法中存在的模板迭代更新周期长、泛化能力差等问题,基于改进的提示学习方法提出一种双通道的情感分析模型。首先,将序列化后的提示模板与输入词向量一起引入注意力机制结构,在输入词向量在多层注意力机制中更新的同时迭代更新提示模板;其次,在另一通道采用ALBERT(A Lite BERT(Bidirectional Encoder Representations from Transformers))模型提取语义信息;最后,输出用集成方式提取的语义特征,提升整体模型的泛化能力。所提模型在SemEval2014的Laptop和Restaurants数据集、ACL(Association for Computational Linguistics)的Twitter数据集和斯坦福大学创建的SST-2数据集上进行实验,分类准确率达到80.88%、91.78%、76.78%和95.53%,与基线模型BERT_Large相比,分别提升0.99%、1.13%、3.39%和2.84%;与P-tuning v2相比,所提模型的分类准确率在Restaurants数据集、Twitter数据集以及SST-2数据集上分别有2.88%、3.60%和2.06%的提升,且比原方法更早达到收敛状态。展开更多
目的:使用Smile Lite MDP(Smile Lite Mobile Dental Photograph)便携式口腔摄影系统进行前牙美学摄影的应用探索,简化美学摄影,方便医患沟通以及医技交流。方法:使用Smile Lite MDP摄影系统配合智能手机拍摄前牙正面咬合相,对色温参数...目的:使用Smile Lite MDP(Smile Lite Mobile Dental Photograph)便携式口腔摄影系统进行前牙美学摄影的应用探索,简化美学摄影,方便医患沟通以及医技交流。方法:使用Smile Lite MDP摄影系统配合智能手机拍摄前牙正面咬合相,对色温参数设置、Smile Lite MDP灯光组合及灯光强度等拍摄条件进行探索,采用医师及技师盲法评价的问卷调查方式,以视觉模拟评分法量表(visual analogue scale/score,VAS)评估最佳拍摄参数。使用Smile Lite MDP摄影系统在最佳拍摄条件下拍摄口内正面咬合相,分别测量中切牙正面观宽长比以及上前牙正面观宽度比,以数码单反相机拍摄的照片作为对照标准,研究Smile Lite MDP摄影系统对前牙形态还原的准确度。结果:Smile Lite MDP便携摄影系统成像的最佳色彩还原的色温参数为5000 K,最佳变焦倍数为4倍,Smile Lite MDP两侧灯光开启,灯光强度2档,采用该组条件的拍摄效果VAS评分较高,与其他组相比差异有统计学意义(P<0.05)。Smile Lite MDP便携摄影系统使用4倍放大率拍摄和单反相机拍照系统摄影标准参数拍摄上前牙的比例差异无统计学意义(P>0.05)。结论:Smile Lite MDP便携式口腔摄影系统应用于前牙美学分析摄影中能够真实、准确地还原前牙的颜色和形态,可以作为临床工作中简便易行的摄影工具。展开更多
中文电子病历命名实体识别主要是研究电子病历病程记录文书数据集,文章提出对医疗手术麻醉文书数据集进行命名实体识别的研究。利用轻量级来自Transformer的双向编码器表示(A Lite Bidirectional Encoder Representation from Transform...中文电子病历命名实体识别主要是研究电子病历病程记录文书数据集,文章提出对医疗手术麻醉文书数据集进行命名实体识别的研究。利用轻量级来自Transformer的双向编码器表示(A Lite Bidirectional Encoder Representation from Transformers,ALBERT)预训练模型微调数据集和Tranfomers中的trainer训练器训练模型的方法,实现在医疗手术麻醉文书上识别手术麻醉事件命名实体与获取复杂麻醉医疗质量控制指标值。文章为医疗手术麻醉文书命名实体识别提供了可借鉴的思路,并且为计算复杂麻醉医疗质量控制指标值提供了一种新的解决方案。展开更多
文摘With serious cybersecurity situations and frequent network attacks,the demands for automated pentests continue to increase,and the key issue lies in attack planning.Considering the limited viewpoint of the attacker,attack planning under uncertainty is more suitable and practical for pentesting than is the traditional planning approach,but it also poses some challenges.To address the efficiency problem in uncertainty planning,we propose the APU-D*Lite algorithm in this paper.First,the pentest framework is mapped to the planning problem with the Planning Domain Definition Language(PDDL).Next,we develop the pentest information graph to organize network information and assess relevant exploitation actions,which helps to simplify the problem scale.Then,the APU-D*Lite algorithm is introduced based on the idea of incremental heuristic searching.This method plans for both hosts and actions,which meets the requirements of pentesting.With the pentest information graph as the input,the output is an alternating host and action sequence.In experiments,we use the attack success rate to represent the uncertainty level of the environment.The result shows that APU-D*Lite displays better reliability and efficiency than classical planning algorithms at different attack success rates.
文摘针对先前提示学习方法中存在的模板迭代更新周期长、泛化能力差等问题,基于改进的提示学习方法提出一种双通道的情感分析模型。首先,将序列化后的提示模板与输入词向量一起引入注意力机制结构,在输入词向量在多层注意力机制中更新的同时迭代更新提示模板;其次,在另一通道采用ALBERT(A Lite BERT(Bidirectional Encoder Representations from Transformers))模型提取语义信息;最后,输出用集成方式提取的语义特征,提升整体模型的泛化能力。所提模型在SemEval2014的Laptop和Restaurants数据集、ACL(Association for Computational Linguistics)的Twitter数据集和斯坦福大学创建的SST-2数据集上进行实验,分类准确率达到80.88%、91.78%、76.78%和95.53%,与基线模型BERT_Large相比,分别提升0.99%、1.13%、3.39%和2.84%;与P-tuning v2相比,所提模型的分类准确率在Restaurants数据集、Twitter数据集以及SST-2数据集上分别有2.88%、3.60%和2.06%的提升,且比原方法更早达到收敛状态。
文摘目的:使用Smile Lite MDP(Smile Lite Mobile Dental Photograph)便携式口腔摄影系统进行前牙美学摄影的应用探索,简化美学摄影,方便医患沟通以及医技交流。方法:使用Smile Lite MDP摄影系统配合智能手机拍摄前牙正面咬合相,对色温参数设置、Smile Lite MDP灯光组合及灯光强度等拍摄条件进行探索,采用医师及技师盲法评价的问卷调查方式,以视觉模拟评分法量表(visual analogue scale/score,VAS)评估最佳拍摄参数。使用Smile Lite MDP摄影系统在最佳拍摄条件下拍摄口内正面咬合相,分别测量中切牙正面观宽长比以及上前牙正面观宽度比,以数码单反相机拍摄的照片作为对照标准,研究Smile Lite MDP摄影系统对前牙形态还原的准确度。结果:Smile Lite MDP便携摄影系统成像的最佳色彩还原的色温参数为5000 K,最佳变焦倍数为4倍,Smile Lite MDP两侧灯光开启,灯光强度2档,采用该组条件的拍摄效果VAS评分较高,与其他组相比差异有统计学意义(P<0.05)。Smile Lite MDP便携摄影系统使用4倍放大率拍摄和单反相机拍照系统摄影标准参数拍摄上前牙的比例差异无统计学意义(P>0.05)。结论:Smile Lite MDP便携式口腔摄影系统应用于前牙美学分析摄影中能够真实、准确地还原前牙的颜色和形态,可以作为临床工作中简便易行的摄影工具。
文摘中文电子病历命名实体识别主要是研究电子病历病程记录文书数据集,文章提出对医疗手术麻醉文书数据集进行命名实体识别的研究。利用轻量级来自Transformer的双向编码器表示(A Lite Bidirectional Encoder Representation from Transformers,ALBERT)预训练模型微调数据集和Tranfomers中的trainer训练器训练模型的方法,实现在医疗手术麻醉文书上识别手术麻醉事件命名实体与获取复杂麻醉医疗质量控制指标值。文章为医疗手术麻醉文书命名实体识别提供了可借鉴的思路,并且为计算复杂麻醉医疗质量控制指标值提供了一种新的解决方案。