DNNobfus:一种基于混淆的端侧模型保护框架技术研究

人工智能模型自广泛使用以来,面临诸多安全风险。随着深度学习模型大规模在端侧设备上的部署,端侧模型面临新的安全挑战。由于深度神经网络具有相似的结构特征,攻击者得以运用反编译技术以获取模型的结构信息及其参数,从而重建模型。此过程会损害模型的知识产权并使模型面临白盒攻击的风险。针对模型反编译器对模型算子的定位与识别、参数获取、网络拓扑解析过程,提出了一种基于模型编译过程的混淆框架以防御模型提取攻击;在深度学习编译器的前端优化过程中设计并实现了算子混淆、参数混淆和网络拓扑混淆3种混淆手段;采用构造不透明谓词,插入虚假控制流,添加冗余内存访问等手段,干扰模型反编译器对模型的逆向工程。实验结果表明,提出的混淆框架DNNobfus能有效降低前沿的模型反编译工具对模型算子类型及网络连接识别的准确率,分别下降至21.63%和48.24%。此外,该框架平均时间效率为67.93%,平均空间效率为88.37%,均优于混淆工具Obfuscator-LLVM。

面向多源异构数据融合的隐私集合求交研究

多源异构数据融合的痛点在于数据的低价值密度性和分散性。数据的多源异构性增加了数据聚合的难度,导致数据价值极度零散,使得数据融合方法面对多源异构大数据无的放矢,无法有效关联零散价值的数据。隐私集合求交(Private Set Intersection,PSI)不但可以使数据方放心提供数据,还可以将多源异构数据价值有效融合,是挖掘有效数据开展数据融合工作的新工具。为此,文章针对异构数据的整合、数据的多源以及大规模数据的并行处理3类问题,给出多源异构数据融合的3个新思路。

联邦学习中的模型逆向攻防研究综述

联邦学习作为一种分布式机器学习技术可以解决数据孤岛问题,但机器学习模型会无意识地记忆训练数据,导致参与方上传的模型参数与全局模型会遭受各种隐私攻击。针对隐私攻击中的模型逆向攻击,对现有的攻击方法进行了系统总结。首先,概括并详细分析了模型逆向攻击的理论框架;其次,从威胁模型的角度对现有的攻击方法进行总结分析与比较;再次,总结与比较了不同技术类型的防御策略;最后,对现有模型逆向攻击常用的评估标准及数据集进行汇总,并对模型逆向攻击现有的主要挑战以及未来研究方向进行总结。

新型轻量化神经网络结构范式的剪枝研究

随着深度学习技术的推广,图像处理中的目标检测任务取得了蓬勃发展.伴随着大模型的流行发展,深度学习模型精度在不断的上升.而这些大模型却难以部署在日益发展的边缘设备上.针对目前边缘端的目标检测任务,提出了一个MobileOne-S0和SSD相结合的网络结构,该网络结构经重参数化后,形成了VGG形式的网络结构用于推理过程.随后采用了非结构化的权重剪枝,结构化的BN剪枝和泰勒剪枝这3种不同的剪枝标准进行了剪枝.结果显示权重剪枝效果最差,而两种结构化剪枝对FLOPs和参数量随稀疏度上升下降速率几乎一致,但BN剪枝精度下降较泰勒剪枝缓慢,而泰勒剪枝对峰值内存大小的剪枝效果最好.在模型精度下降约10%时,BN剪枝可以压缩22.3倍的参数量,9.4倍的FLOPs和2.5倍的内存占用峰值大小.最终模型大小仅为123.88 kB,使模型更容易部署在TinyML适用、MCU级别的低功耗端侧设备上.

任务复杂性情境下企业网络结构嵌入的动机研究

本文运用探索性多案例研究方法,探讨任务复杂性情境下企业网络结构嵌入的动机。研究表明,任务复杂性是企业网络结构嵌入的诱因,能够加剧企业网络结构嵌入的目的性动机,诱发企业网络结构嵌入的偶发性动机。企业网络结构嵌入的目的性动机是企业的需求,表现为企业对“稳定”的需求、对“发展”的需求和对“机会”的需求。其中,企业对“机会”的需求可以通过共享信息和关系来积攒社会资源,为企业以后可能形成的合作提供机会,继而转变为企业网络结构嵌入的偶发性动机。企业网络结构嵌入的偶发性动机主要表现为企业在目前所处的社会网络中的位置和声誉。偶发性动机不仅可以使企业成为具有吸引力的潜在合作伙伴,还能够在企业具有目的性动机时,为企业提供网络结构嵌入的机会。

知识图谱在商业银行风控领域的研究与应用综述

伴随金融创新大潮,商业银行开始应用智能技术解决风控领域问题。在金融风险尤其是银行客户信用风险日益多样化的背景下,提升商业银行的风险管理能力已是刻不容缓。针对风险传播具有连锁反应的特点,可选择利用知识图谱技术鉴别和监控风险。知识图谱使用图数据结构描述客观事物及其相互之间的关系,对于大规模知识的管理和应用表现得游刃有余。以传统风控模式存在的局限性为引,介绍了风控领域知识图谱的概念与架构,归纳了知识抽取、知识融合、知识推理这几种风控领域知识图谱关键构建技术的研究现状,最后介绍风控领域知识图谱的具体应用,并总结和分析未来发展趋势。

基于Open CV和激光点云的黑皮鸡枞菌生长监控系统

一、前言随着人们健康意识的不断提高和食品消费的不断升级,食用菌作为一种营养丰富、健康美味的食品,越来越受到人们的青睐。黑皮鸡枞菌属担子亚门菌,层菌纲,伞菌目,白蘑科,又名长根菇。它不仅含有丰富的氨基酸、维生素和醇类物质及多种生物酶,还含有多酚、多糖、黄酮等多种生物活性成分,是食用菌中的优良品种。然而黑皮鸡枞菌菇的采摘是一个劳动密集型工作,需要人力不断重复检查菌菇的生长情况,不及时采摘的菌菇会失去食用价值。通过对黑皮鸡枞菌生长过程的研究和管理,可以为其产量和质量提供更加可靠的保证,为消费者提供更加安全和健康的食品。

基于10BASE-T1L工业以太网的边缘状态监测单元设计

10BASE-T1L工业以太网技术可以在单对双绞线上实现距离长达1000 m的10 Mb/s的全双工通信带宽,还可通过数据线供电(Power over Data Lines,PoDL)技术给设备提供高达60 W的供电,大大降低了边缘端设备需要分别布置供电和通信线的难度与成本。对比工业以太网通信技术与常用工业现场通信总线之间的差异,讲解基于10BASE-T1L工业以太网技术的边缘状态监测单元设计,为后续开展基于10BASE-T1L技术的工业物联网(Internet of Things,IoT)状态监控设备开发提供了借鉴。

基于FPGA的数据库聚合查询加速引擎

数据库是实现信息统筹管理的重要载体。通过硬件层面的优化设计来实现对数据库海量存储资源的高速查询已成为相关领域研究的重要方向。针对当前主流数据库在执行聚合查询操作过程中存在的低效率、高延迟等问题,文中深入剖析了数据库执行聚合查询的原理和关键步骤,并以异构思想设计了一种全新的基于FPGA的数据库聚合查询加速引擎。

化工仪表的自动化管理分析

阐述化工仪表自动化管理中的功能特点,管理策略,包括控制系统管理、仪表安装质量控制、仪表现场校验、仪表外部环境的优化。

3GPP R17垂直行业应用关键特性综述

根据3GPP R17标准,介绍了和系统架构相关的垂直行业应用关键特性和增强技术,包括非公共网络增强、5G多播广播、面向垂直行业的服务使能架构层增强、工业物联网增强、铁路移动通信系统应用架构增强、无人机系统、多媒体优先级服务、5G中的MSG、5G ProSe等,为后续运营商和设备商ToB网络的研发、演进和部署提供参考。

面向图像内补与外推问题的迭代预测统一框架

目的 图像内补与外推可看做根据已知区域绘制未知区域的问题,是计算机视觉领域研究热点。近年来,深度神经网络成为解决内补与外推问题的主流方法。然而,当前解决方法多分别对待内补与外推问题,导致二者难以统一处理;且模型多采用卷积神经网络(convolutional neural network,CNN)构建,受到视野局部性限制,较难绘制远距离内容。针对这两个问题,本文按照分而治之思想联合CNN与Transformer构建深度神经网络,提出图像内补与外推统一处理框架及模型。方法 将内补与外推问题的解决过程分解为“表征、预测、合成”3个部分,表征与合成采用CNN完成,充分利用其局部相关性进行图像到特征映射和特征到图像重建;核心预测由Transformer实现,充分发挥其强大的全局上下文关系建模能力,并提出掩膜自增策略迭代预测特征,降低Transformer同时预测大范围未知区域特征的难度;最后引入对抗学习提升绘制图像逼真度。结果 实验给出在多种数据集下内补与外推对比评测,结果显示本文方法各项性能指标均超越对比方法。通过消融实验发现,模型相比采用非分解方式具有更佳表现,说明分而治之思路功效显著。此外,对掩膜自增策略进行详细的实验分析,表明迭代预测方法可有效提升绘制能力。最后,探究了Transformer关键结构参数对模型性能的影响。结论 本文提出一种迭代预测统一框架解决图像内补与外推问题,相较对比方法性能更佳,并且各部分设计对性能提升均有贡献,显示了迭代预测统一框架及方法在图像内补与外推问题上的应用价值与潜力。

员工-组织双赢:发展型人力资源管理实践的影响及其作用机制

基于员工-组织双赢的视角,考察了发展型人力资源管理实践对员工工作绩效与工作幸福感的影响及其边界条件与作用机制。获取到53家企业的53名主管和152名员工在两个时间点的有效配对数据,通过多层次线性模型检验发现:发展型人力资源管理实践对员工的工作绩效和工作幸福感有显著正向影响;人力资本在上述过程中发挥了中介作用;组织学习目标导向不仅正向调节了发展型人力资源管理实践与人力资本的关系,并且调节了人力资本在发展型人力资源管理实践与工作绩效和工作幸福感之间的中介作用。