从知识困境到认知陷阱:生成式技术驱动型信息生态系统安全问题研究

生成式技术驱动型信息生态系统以生成式人工智能技术为核心,对整个信息环境中的知识传递与共享、认知流动与扩散过程发挥支撑和推动作用。然而,这种创新型的信息生态系统也伴随着知识安全和认知安全问题的出现。本文从知识环境和认知环境两个层面入手,对生成式技术驱动型信息生态系统的特点、优势与风险进行深入剖析,探索如何在符合人类价值观和社会伦理的前提下,充分发挥生成式人工智能的潜力,推动构建高效、安全、可持续发展的生成式技术驱动型信息生态系统。

基于长短时记忆网络和生成对抗网络的VRB储能系统虚假数据注入攻击检测

随着信息技术的不断发展,直流微电网储能系统已成为深度融合的信息物理系统,而精确的荷电状态估计对储能系统的实时监测和安全稳定运行至关重要。针对全钒液流电池(vanadium redox flow battery,VRB)储能系统荷电状态估计中,由虚假数据注入攻击导致的异常数据检测问题,提出一种基于长短时记忆网络和生成对抗网络的检测方法。首先,建立了VRB等效电路模型和虚假数据注入攻击模型;然后,通过训练长短时记忆网络和生成对抗网络组成的循环网络,将长短时记忆神经网络嵌入生成对抗网络框架作为生成器和鉴别器来分析电池时序数据,通过判别网络中的判别损失误差和生成网络中的重构残差得到异常损失进行综合判断;最后,以CEC-VRB-5kW型号电池为对象,并构造不同强度的虚假数据攻击进行实验,验证检测方法的准确性与可行性。结果表明,与经典循环神经网络、随机森林、自编码器、长短时记忆网络检测方法进行对比,所提方法具有较高的检测精度,在VRB储能系统荷电状态估计中能够有效辨识虚假数据攻击。

基于条件生成对抗网络的实验室红外监控系统

实验室作为科研基地,其中存储了很多珍贵的资料和危险物品,因此,进行安全监控是十分必要的。在此背景下,设计一种基于条件生成对抗网络的实验室红外监控系统。借助B/S三层架构设计系统框架,分为采集层、网络层和应用层,将MySQL作为支撑,设计数据库。以STC89C52单片机为核心,主控各个外围硬件,搭建系统硬件。以ZigBee技术为基础组建系统的无线传输网络,用于远程传输。设计监控系统功能单元,通过采集单元采集实验室红外图像并利用预处理单元对实验室红外图像实施去噪、亮度调节、图像分割预处理,基于条件生成对抗网络(cGAN)设计异常识别单元,判断监控图像中是否存在异常情况并以此为依据进行预警。结果表明:系统对异常的监控结果与真实情况一致,由此证明了所设计的监控系统性能较高。

数智创新生态系统中知识生成的动力螺旋与协同演化

[目的/意义]数智技术的迅猛发展为赋能创新生态系统提供了更多可能性,推动了社会原有生产模式的变革。研究数智创新生态系统知识生成动力,分析数智技术赋能下创新生态系统知识生成的特征和协同演化过程,具有重要的现实意义。[方法/过程]结合知识链理论,对数智创新生态系统知识生成的内涵和特征进行阐述;分析数智创新生态系统知识生成多螺旋的演变动因,并构建知识生成多螺旋模型;采用协同学理论,对创新生态系统知识生成动力多螺旋模型的演化进行分析。[结果/结论]在数智技术的参与下,创新生态系统知识生成表现出新的特征;人类螺旋和非人类螺旋的演化经历了局部人机协作、人机协同和人智融合三个阶段。

军事舰艇计算机生成兵力仿真系统的结构设计

虚拟环境训练和测试可以实现对真实海洋战场环境的模拟,并有效减少对真实舰艇、人员和装备的需求。本文对军事舰艇计算机生成兵力仿真系统进行研究,分析了系统需求,设计的系统结构包括实体行为模型和人工智能模型,对系统中的关键技术进行研究和设计,包括实体模型设计、舰艇兵力生成及模拟、人工智能决策实现等。实体行为模型和人工智能模型不断融合和交互,结合神经网络算法和模糊逻辑控制器,实现对海洋复杂战场环境以及敌对行为的模拟。

考虑时空相关性的流域水风光多能互补系统高维不确定性场景生成方法

受到变量维度高、时空随机关联等复杂因素影响,如何生成年周期的径流、风电光伏出力耦合场景序列是西南流域水风光一体化多能互补规划和长期调度面临的关键难题。该文提出一种考虑时空相关性的流域水风光高维耦合不确定性场景生成方法。以多年长序列历史数据为输入,首先,构建基于季节性马尔科夫链的时序相关性模型,分别捕捉径流、风光发电能力年内逐月时序状态转移特征;其次,构建基于混合Copula函数连接的C藤水风光空间相关性模型,表征流域内水风光异质能源的空间相关特性;以时空相关性建模结果为基础,结合蒙特卡洛抽样,提出水风光多能互补系统高维耦合场景集生成方法。最后,以我国金沙江下游梯级电站以及金沙江下游区域内风光电站为应用实例,对比验证了所提方法的有效性。

生成式人工智能融入高等教育生态系统的风险表征、预警及化解

在生成式人工智能迅猛发展的背景下,认识、防范和化解生成式人工智能给高等教育生态系统带来的教育风险迫在眉睫。对此,文章首先剖析了生成式人工智能融入高等教育生态系统的风险表征,主要表现为师生主权消解、知识内容扭曲、安全包容破坏和人才培养异化。随后,文章构建了由风险预警主体、风险预警内容、风险预警保障、风险预警流程四个模块组成的生成式人工智能融入高等教育生态系统的风险预警机制。最后,文章提出从激发主体意识、鉴别知识内容、优化数字环境、培养创新人才等方面入手,来化解生成式人工智能融入高等教育生态系统的风险。文章的研究可为生成式人工智能教育风险治理提供理论指导,并推动生成式人工智能在高等教育中的安全应用,从而为高等教育数字化转型和高质量发展保驾护航。

面向交直流混联系统的潮流计算数据生成策略

随着电力系统中多类型直流线路占比的逐步提升,调度系统与异构平台间的潮流数据交换需求明显增大,亟需研究新形态下交直流混联系统的潮流计算数据生成问题。该文从拓扑转换、网络拓扑分析、设备建模以及数据生成策略4个主要步骤,实现含交直流系统的基于可扩展标记语言的通用信息模型(common information model/extensible markup language,CIM/XML)数据到潮流计算输入数据的转换。首先,该文从设备间开关拓扑的角度,进行深度优先算法(depth first search,DFS)搜索和设备拓扑拼接,实现开关/节点模型到母线/支路模型的转换;其次,在筛选出活拓扑岛、剔除不带电设备后,着重分析了CIM/XML中换流器建模对交直流节点选取的影响,进而提出了直流节点选取规则和具备普适性的直流数据生成策略。最后,以某地调度500kV及以上交直流网络导出的CIM/XML数据为算例,潮流计算结果与数据采集与监视控制系统(supervisory control and data acquisition,SCADA)量测数据比对验证所提策略的有效性。

基于去噪扩散概率模型的水⁃光互补系统随机场景生成方法

随着水-光互补系统应用越来越广泛,准确地描述水-光出力的不确定性对电网的运行和规划具有重要影响。现有多源融合特性建模方法不仅存在考虑可再生能源出力时空相关性不充分的问题,而且在实际复杂应用环境下要进行先验假设,进而导致生成质量降低。基于此,文中提出了基于去噪扩散概率模型的水-光互补系统随机场景生成方法。首先,将结合欧氏距离和L2正则化的损失函数作为衡量生成噪声与原始噪声分布差异的标准,并设计适应水-光-荷随机场景生成的UNet网络结构;然后,通过对前向过程不断加噪和逆向过程不断去噪训练,捕捉水-光-荷多维变量相关性变化及波动特征,拟合其概率分布规律;最后,对多源数据协同建模,高效生成水-光互补系统随机场景。文中算例基于某地区电网实际采集数据进行测试,通过综合评估指标验证了所提方法的有效性。

生成式人工智能及其教育应用前瞻

岁末之际,又逢回顾与展望之时。当您读到这些文字的时候,我们已经踏进了2025年。展望2025年,人工智能系统将进一步加快步伐,渗透到社会生活的方方面面,洞悉AI的前沿趋势已成为当务之急。因为深入探究最新的生成式AI趋向,无疑有助于我们把握未来的发展图景,明晰人工智能教育创新应用前路的无限可能。

面向ARINC653操作系统的综合化航空电子软件代码自动生成方法

综合化航空电子系统(Integrated Modular Avionics, IMA)是一类典型的安全关键系统,具有分布式、异构、计算资源和物理资源强耦合等特征。随着IMA系统趋于复杂化和智能化,系统的功能越来越多地采用软件来实现,如何对这类复杂软件进行建模并自动生成代码成为一个重要挑战。文中提出了一种基于AADL(Architecture Analysis and Design Language)的综合化航空电子系统代码生成方法。首先,提出HMC4ARINC653(Heterogeneous Model Container for ARINC653)属性集扩展,使其具备描述IMA软件架构、异构功能行为和非功能属性的能力;其次,提出IMA模型到C代码及ARINC653系统配置文件的映射规则,并遵守MISRA C安全编码规范,生成的代码能够在ARINC653操作系统上部署并仿真执行;最后,设计并实现了相应的原型工具,以ARINC653操作系统和工业界实际案例,验证了所提方法和工具的有效性。

生成主义预测加工:一种动力系统立场

预测加工理论主张大脑是一台多层概率预测引擎,致力于最小化预测误差,主要策略包括:(1)修正先验以改变预测;(2)采取行动以改变输入。尽管预测加工理论依然预设了内部表征,但其作为一种动力学理论同时具有鲜明的生成主义色彩。从底层系统动力学出发,对比预测加工理论与认知科学的生成主义取向,可知“生成主义预测加工理论”有望推动认知科学的“动力学化”,揭示认知的意义来源、知觉的现象学与心智的动力学。

基于生成对抗模仿学习的综合能源系统能量优化调度

近年来,基于深度强化学习的综合能源系统(integrated energy system,IES)优化调度已取得阶段性进展。然而,随着IES系统结构、规模、技术等层面的持续发展,传统深度强化学习训练时间漫长和设计复杂度高等弊端逐渐显露。为此,提出一种面向IES能量优化调度的生成对抗模仿学习方法。首先,IES智能体通过模仿具备高奖励回馈的专家调度策略自适应学习动作探索过程,避免盲目探索造成的时间与算力浪费。其次,基于生成对抗理论,增设判别器网络辨别生成策略与专家策略之间的差异,以此作为内部奖励函数辅助神经网络参数更新,避免人工设置奖励的主观偏好和经验限制对IES调度结果的影响。最后,电-热耦合系统算例分析结果表明:训练过程中所提方法的收敛速度较传统深度强化学习算法提升了52%,收敛效果提升了10%,同时使IES智能体获得了接近专家调度经验的决策能力;在线应用时无需依赖对外界环境的准确预测和精确建模,即可实现快速实时决策。

基于生成对抗网络的系统调用主机入侵检测技术

程序的系统调用信息是检测主机异常的重要数据,然而异常发生的次数相对较少,这使得收集到的系统调用数据往往存在数据不均衡的问题。较少的异常系统调用数据使得检测模型无法充分理解程序的异常行为模式,导致入侵检测的准确率较低、误报率较高。针对以上问题,提出了一种基于生成对抗网络的系统调用主机入侵检测方法,通过对异常系统调用数据的增强,缓解数据不平衡的问题。首先将程序的系统调用轨迹划分成固定长度的N-Gram序列,其次使用SeqGAN从异常数据的N-Gram序列中生成合成的N-Gram序列,生成的异常数据与原始数据集相结合,用于训练入侵检测模型。在一个主机系统调用数据集ADFA-LD及一个安卓系统调用数据集Drebin上进行了实验,所提方法的检测准确率分别为0.986和0.989,误报率分别为0.011和0,检测效果优于现有的基于混合神经网络的模型、WaveNet、Relaxed-SVM及RNN-VED的入侵检测研究方法。

融合多维梯度反馈的生成对抗网络推荐系统

互联网时代,推荐系统在日常生活中变得十分重要,生成对抗网络(GAN)与推荐算法的结合为该领域的发展提供了新契机。以往基于生成对抗网络的推荐系统中,鉴别器提供的梯度反馈是二元的,此类反馈为生成器提供的帮助不够全面,造成诸如生成器性能不稳定、迭代速度慢等问题,进而影响模型的整体推荐效果。针对此问题,提出了多维梯度反馈生成对抗网络(MGFGAN),根据生成器生成的多维用户评分向量,该模型将自编码器(AutoEncoder)融入鉴别器中,达到为生成器提供多元反馈的目的,旨在让生成器生成的数据更加贴近用户偏好;此外,融合多维梯度反馈机制给模型整体带来了运算量激增的问题;因此,MGFGAN在生成器中引入了负采样模块,使得生成器同时兼顾用户感兴趣和不感兴趣的物品,从而加速生成器快速生成与真实用户分布一致的数据,提升模型的效率。提出的模型在公开数据集FilmTrust和Ciaos上展开实验仿真。实验结果表明MGFGAN的推荐性能优于其他基于生成对抗网络的推荐模型,并且在效率和稳定性方面取得改善。

面向国产机载操作系统的IMA软件代码生成方法

随着航空电子系统复杂化的发展趋势及自主可控的要求,对这类复杂系统建模后如何自动生成面向国产机载操作系统的软件代码并验证模型/代码语义一致性具有重要研究意义。文章提出面向国产机载操作系统的航空电子软件代码自动生成方法。首先,使用AADL对综合化航空电子系统进行建模,设计AADL模型到源代码的转换规则,自动生成面向国产机载操作系统的平台相关代码及配置文件;其次,通过AGREE Annex和BLESS Annex契约对AADL模型进行形式化验证,并提出契约到C语言验证代码的转换规则,将验证代码与模型生成的源代码进行结合,部署在国产机载操作系统上进行仿真执行;最后,基于AADL开源建模环境OSATE设计并实现了代码自动生成工具,实验结果验证了方法和工具的有效性。

SAR-ATR系统复数对抗样本生成方法

针对现有对抗攻击方法只能用于攻击实数卷积神经网络这一限制,提出了一种基于生成对抗网络的复数对抗样本生成方法。首先,设计了一种产生有效对抗样本的复数模型,并引入了复数计算模块;其次,利用残差神经网络作为基本骨架,将预训练的复数网络作为判别器实现对抗训练,以增强对抗样本的攻击能力;最后,通过替代模型实现可迁移的对抗攻击,以此实现了更高的攻击成功率。实验结果表明,所提方法在有目标攻击和无目标攻击任务下的成功率分别达到了76.338%和87.841%,迁移的成功率更高且对抗样本与原始干净样本更为接近。所提方法将对抗攻击扩展到复数神经网络后,避免了合成孔径雷达目标信息和精度的丢失,为实际合成孔径雷达自动目标识别系统的安全性和鲁棒性提供了参考方案。

基于AIGC+NLP的电子商务系统——内容生成与智能交互的应用研究

为解决传统电子商务系统缺乏个性化服务的问题,提出了基于生成式人工智能(artificial intelligence generated content,AIGC)和自然语言处理(natural language processing,NLP)的设计方案,并进行了关键算法和组件的原型实现。首先,利用K均值聚类算法(K-means clustering algorithm,K-means)对用户进行聚类,生成用户画像,进一步借助AIGC和NLP技术创建虚拟主播,为不同类型的用户提供个性化服务。在NLP相关研究中提出的生成对抗网络-双向编码器表征法(generative adversarial networks-bidirectional encoder representations from transformers,GAN-BERT)模型可用于实现虚拟主播与用户的智能对话功能,基于开源数据集上的对比测试,该模型效果相比于其他模型有明显提升,双语替换评测(bilingual evaluation understudy,BLEU)值可达到44.25。电子商务系统采用前后端分离的开发模式,前端引入Vue.js框架对数据进行双向绑定,后端采用Spring Cloud架构和微服务组件,保证服务的可靠性和稳定性。本系统的设计与实现过程将为其他电商平台的开发和优化提供不错的参考价值,进一步推动电商平台的发展。

生成式人工智能驱动下的《信号与系统》教学改革研究

本文以《信号与系统》课程为例,探讨基于生成式人工智能(Generative AI)的课程教学改革。通过分析课程传统教学模式的局限性(单向灌输、信息展示劣势、教学资源有限),本文提出了利用生成式AI技术(豆包、剪映、gamma软件)增强教学内容的丰富性、提高教学效率与效果的教学改革方案。通过具体实践案例,验证了该方案在提升学生学习兴趣、增强实践能力及促进个性化学习方面的有效性。Taking the course “Signals and Systems” as an example, this paper discusses the course teaching reform based on Generative AI. By analyzing the limitations of the traditional teaching mode (one-way indoctrination, inferior information display, limited teaching resources), this paper proposes a teaching reform plan that uses generative AI technology (Doubao, CapCut, gamma software) to enhance the richness of teaching content and improve teaching efficiency and effect. Through practical cases, the effectiveness of the scheme in enhancing students’ learning interest, enhancing practical ability and promoting personalized learning is verified.