數(shù)字經(jīng)濟(jì)與數(shù)據(jù)安全保護(hù)
Research and application of federated learning in the field of financial data security
張海濤
doi: 10.19358/j.issn.2096-5133.2022.01.001
近年來(lái)，金融領(lǐng)域明文數(shù)據(jù)流通所引起的數(shù)據(jù)泄露問(wèn)題日漸突出，傳統(tǒng)的跨機(jī)構(gòu)數(shù)據(jù)融合的機(jī)器學(xué)習(xí)方式面臨著新的問(wèn)題與挑戰(zhàn)。因此，立足于金融數(shù)據(jù)安全領(lǐng)域，從用戶(hù)隱私和數(shù)據(jù)安全角度出發(fā)，概述聯(lián)邦學(xué)習(xí)理論并深入分析其目前在金融行業(yè)的應(yīng)用現(xiàn)狀，指出現(xiàn)有的聯(lián)邦學(xué)習(xí)還存在通信效率低、數(shù)據(jù)異構(gòu)性突出等問(wèn)題。最后提出健全聯(lián)邦學(xué)習(xí)標(biāo)準(zhǔn)體系、時(shí)刻關(guān)注監(jiān)管要求等建議，為推動(dòng)聯(lián)邦學(xué)習(xí)在金融數(shù)據(jù)安全領(lǐng)域中的合法應(yīng)用提供參考性意見(jiàn)。
Research on security verification technology based on face recognition
毛伊林
doi: 10.19358/j.issn.2096-5133.2022.01.002
隨著人工智能和光學(xué)成像器件的蓬勃發(fā)展，基于先進(jìn)的硬件基礎(chǔ)和深度學(xué)習(xí)算法，人臉識(shí)別技術(shù)得到了廣泛的應(yīng)用，特別是在金融領(lǐng)域，能高效地完成刷臉登錄、支付、驗(yàn)證等服務(wù)，極大地節(jié)省了人力成本和用戶(hù)的時(shí)間成本，并且憑借著其非接觸性、易采集性、方便性、穩(wěn)定性和獨(dú)特性等優(yōu)點(diǎn)在眾多生物識(shí)別技術(shù)中脫穎而出，但是其安全性也成為人臉識(shí)別在應(yīng)用的過(guò)程中最大的瓶頸問(wèn)題，可能危機(jī)生物信息安全甚至國(guó)家安全。因此著力于提高人臉識(shí)別技術(shù)的抗攻擊能力和安全驗(yàn)證技術(shù)刻不容緩。活體檢測(cè)技術(shù)在人機(jī)交互和視頻監(jiān)控領(lǐng)域有著廣泛的應(yīng)用，能較好地解決這一問(wèn)題。該技術(shù)能有效地辨別人臉圖像是否為真實(shí)人臉，并結(jié)合人臉識(shí)別系統(tǒng)，提高安全性和可靠性。通過(guò)對(duì)目前已有的活體檢測(cè)技術(shù)進(jìn)行總結(jié)分析，對(duì)人臉識(shí)別的安全性進(jìn)行驗(yàn)證。
Research on electric power enterprise flow data analysis based on Canopy-Kmeans algorithm
黃冠杰
doi: 10.19358/j.issn.2096-5133.2022.01.003
針對(duì)電力企業(yè)關(guān)鍵信息基礎(chǔ)設(shè)施大量業(yè)務(wù)數(shù)據(jù)易遭受網(wǎng)絡(luò)攻擊的現(xiàn)象，基于各業(yè)務(wù)信息系統(tǒng)下已有的網(wǎng)絡(luò)安全設(shè)備，通過(guò)輔助設(shè)備采集流量數(shù)據(jù)，采用Canopy-Kmeans算法進(jìn)行數(shù)據(jù)分析研究。首先通過(guò)實(shí)驗(yàn)證明了Canopy-Kmeans算法在處理流量數(shù)據(jù)時(shí)，相比傳統(tǒng)K-means算法，具有更好的聚類(lèi)效果，準(zhǔn)確率提高約11%；然后以采集到的電力關(guān)鍵業(yè)務(wù)系統(tǒng)的流量數(shù)據(jù)為基礎(chǔ)，基于Canopy-Kmeans算法進(jìn)行挖掘分析實(shí)驗(yàn)，完成相同類(lèi)型流量數(shù)據(jù)的聚類(lèi)，分析出攻擊流量與業(yè)務(wù)流量的特征項(xiàng)，排除部分誤報(bào)信息，合理開(kāi)展網(wǎng)絡(luò)安全防護(hù)工作。
A black-box adversarial attack method based on local average finite difference
宗啟灼，徐茹枝，年家呈
doi: 10.19358/j.issn.2096-5133.2022.01.004
在黑盒攻擊領(lǐng)域，目前主流方法是利用對(duì)抗樣本遷移性實(shí)現(xiàn)對(duì)抗攻擊，然而此類(lèi)方法效果不佳。為此提出一種基于訪(fǎng)問(wèn)的黑盒攻擊方法，此方法運(yùn)用有限差分法直接估計(jì)樣本在目標(biāo)模型中的損失函數(shù)梯度。為提高攻擊效率，算法在兩方面進(jìn)行優(yōu)化：第一，在估計(jì)梯度時(shí)，固定區(qū)域內(nèi)使用平均像素值代替區(qū)域所有像素值進(jìn)行有限差分，從而每個(gè)區(qū)域只需計(jì)算一次梯度；第二，在迭代生成對(duì)抗樣本時(shí)，提出復(fù)用多代梯度生成對(duì)抗擾動(dòng)的思想，顯著減少攻擊迭代次數(shù)。經(jīng)過(guò)大量實(shí)驗(yàn)驗(yàn)證，在MNIST、CIFAR-10和ImageNet中迭代的非目標(biāo)攻擊分別獲得了99.8％、99.9％和85.8％的攻擊成功率，領(lǐng)先當(dāng)今大多數(shù)黑盒攻擊算法。
A decentralized domain name service localization model
張久發(fā)，黃 兵，許彥彬，柴處處，郝 嬌
doi: 10.19358/j.issn.2096-5133.2022.01.005
域名系統(tǒng)(Domain Name System，DNS)作為管理網(wǎng)絡(luò)空間資源名稱(chēng)與IP對(duì)應(yīng)關(guān)系的網(wǎng)絡(luò)基礎(chǔ)設(shè)施，在提供廣泛的域名解析服務(wù)的同時(shí)，也存在性能和安全隱患。針對(duì)傳統(tǒng)DNS系統(tǒng)的中心化樹(shù)狀層次結(jié)構(gòu)引起的對(duì)根域名服務(wù)器的嚴(yán)重依賴(lài)以及可能導(dǎo)致的系統(tǒng)脆弱性，設(shè)計(jì)了一種去中心化的域名服務(wù)本地模型，通過(guò)在去中心化互聯(lián)模型中整合多源數(shù)據(jù)，重構(gòu)域名信息解析優(yōu)先級(jí)記錄和相應(yīng)存活時(shí)間，以保證域名數(shù)據(jù)的唯一性及高優(yōu)先級(jí)；同時(shí)基于本地?cái)?shù)據(jù)記錄重構(gòu)模型實(shí)現(xiàn)域名解析的快速響應(yīng)，形成本地DNS數(shù)據(jù)記錄重構(gòu)模型和域名解析服務(wù)模型，實(shí)現(xiàn)快速、準(zhǔn)確、可靠的域名解析服務(wù)。
網(wǎng)絡(luò)與信息安全
Analysis and prospect of the application of industrial control compiling tools
陳 海1，2，郭肖旺1，左 嬌3，原崇蛟1
doi: 10.19358/j.issn.2096-5133.2022.01.006
為實(shí)現(xiàn)國(guó)家關(guān)鍵基礎(chǔ)工控設(shè)備自主化戰(zhàn)略，部分國(guó)產(chǎn)品牌先后推出了全國(guó)產(chǎn)化自主安全PLC。雖然這些國(guó)產(chǎn)品牌PLC的核心芯片、操作系統(tǒng)、編程軟件工具都實(shí)現(xiàn)了國(guó)產(chǎn)自主化，但其功能、性能與國(guó)外品牌PLC相比具有較大差距，尤其是PLC編程軟件工具，PLC的功能全部是通過(guò)編程軟件工具來(lái)實(shí)現(xiàn)的，編程軟件工具作為PLC的核心組件之一尤為重要。在對(duì)國(guó)內(nèi)外編程工具現(xiàn)狀分析的基礎(chǔ)上，對(duì)國(guó)產(chǎn)自主開(kāi)發(fā)的編程工具進(jìn)行對(duì)比和探討，并分析了目前國(guó)產(chǎn)自主安全編程工具的瓶頸，提出了一些關(guān)鍵技術(shù)和研究建議。
Research on the development route of industrial Internet technology in China
方 芳，陸海婧
doi: 10.19358/j.issn.2096-5133.2022.01.007
基于我國(guó)工業(yè)互聯(lián)網(wǎng)產(chǎn)業(yè)的空心化問(wèn)題較為突出、產(chǎn)業(yè)鏈關(guān)鍵環(huán)節(jié)自主安全程度較低的發(fā)展現(xiàn)實(shí)，結(jié)合我國(guó)工業(yè)互聯(lián)網(wǎng)“三步走”戰(zhàn)略目標(biāo)，即“到2025年，基本形成具有國(guó)際競(jìng)爭(zhēng)力的基礎(chǔ)設(shè)施和產(chǎn)業(yè)體系；到2035年，建成國(guó)際領(lǐng)先的網(wǎng)絡(luò)基礎(chǔ)設(shè)施和平臺(tái)，形成國(guó)際先進(jìn)的技術(shù)及產(chǎn)業(yè)體系；到本世紀(jì)中葉，網(wǎng)絡(luò)基礎(chǔ)設(shè)施全面支撐國(guó)民經(jīng)濟(jì)與社會(huì)發(fā)展，綜合實(shí)力邁入世界前列”，從關(guān)鍵技術(shù)自主安全和新一代信息技術(shù)融合應(yīng)用兩個(gè)角度推動(dòng)工業(yè)互聯(lián)網(wǎng)“感、傳、支、用”四個(gè)層面發(fā)展的技術(shù)路線(xiàn)，為我國(guó)工業(yè)互聯(lián)網(wǎng)發(fā)展戰(zhàn)略目標(biāo)落地與實(shí)施提供參考。
Identification and restoration of transformed voice by fusing CNN and Transformer encoder
魏春雨，孫 蒙，劉 偉，張星昱
doi: 10.19358/j.issn.2096-5133.2022.01.008
語(yǔ)音變聲偽裝會(huì)導(dǎo)致人耳感知和聲紋識(shí)別出現(xiàn)錯(cuò)誤，從而達(dá)到隱匿說(shuō)話(huà)人真實(shí)身份的目的。為削弱變聲語(yǔ)音的影響，提出一種融合卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Networks，CNN)和Transformer編碼器的模型，提取變聲語(yǔ)音的局部特征和全局特征用于判別變聲因子，并根據(jù)變聲因子的數(shù)值實(shí)施變聲語(yǔ)音還原。在中英文真實(shí)場(chǎng)景錄音數(shù)據(jù)集上驗(yàn)證了所提方法的有效性，對(duì)變聲因子判別實(shí)現(xiàn)了95%以上的準(zhǔn)確率。利用所提出的方法，在黑箱條件下對(duì)某型商用硬件變聲器輸出的語(yǔ)音進(jìn)行鑒別與還原，取得了較好的效果。
人工智能
Unsupervised image super-resolution algorithm based on Generative Adversarial Network
趙志博，滕奇志，任 超，何小海，翟 森
doi: 10.19358/j.issn.2096-5133.2022.01.009
目前，大多數(shù)基于學(xué)習(xí)的圖像超分辨率研究通常采用預(yù)定的降質(zhì)類(lèi)型(比如雙三次下采樣)處理高分辨率圖像，來(lái)產(chǎn)生成對(duì)的訓(xùn)練集。然而，真實(shí)圖像往往存在未知的模糊和噪聲，導(dǎo)致這些算法無(wú)法有效應(yīng)用到真實(shí)場(chǎng)景中。為了實(shí)現(xiàn)真實(shí)圖像的超分辨率重建，提出了一種基于生成對(duì)抗網(wǎng)絡(luò)的無(wú)監(jiān)督圖像超分辨率算法，所提出的算法分為域轉(zhuǎn)換子網(wǎng)絡(luò)和重建子網(wǎng)絡(luò)兩個(gè)部分。同時(shí)設(shè)計(jì)了深度特征提取模塊，通過(guò)融合不同感受野所提取的圖像特征來(lái)提升網(wǎng)絡(luò)的性能。實(shí)驗(yàn)結(jié)果證明，相比于目前多數(shù)的圖像超分辨率算法，本文算法能夠?qū)崿F(xiàn)真實(shí)降質(zhì)圖像(存在噪聲、模糊等)的圖像超分辨率，在主觀效果和客觀指標(biāo)上均能獲得更好的性能。
A class activation mapping algorithm for CNN
楊繼增，關(guān)勝曉
doi: 10.19358/j.issn.2096-5133.2022.01.010
類(lèi)激活映射(CAM)是卷積神經(jīng)網(wǎng)絡(luò)(CNN)解釋中的一種直觀的方法，通常由CNN的最后一個(gè)卷積層生成，可以突出顯示輸入圖片中目標(biāo)類(lèi)的不同區(qū)域。之前的CAM方法只依賴(lài)于最后的卷積層，生成的解釋圖只能顯示模糊的物體位置信息。提出了一種新的方法即分層加權(quán)類(lèi)激活映射方案(SL-CAM)，通過(guò)加權(quán)合并CNN淺層到深層的信息來(lái)生成類(lèi)激活圖。由淺層特征圖及其對(duì)應(yīng)的梯度生成的激活圖包含詳細(xì)、準(zhǔn)確但噪聲大的位置信息；而由深層特征圖生成的激活圖包含噪聲少但模糊的位置信息。在LSVRC2012 Val上的實(shí)驗(yàn)表明，SL-CAM多項(xiàng)指標(biāo)上均優(yōu)于Grad-CAM、Grad-CAM++和Score-CAM。
工業(yè)自動(dòng)化技術(shù)
Research on the real-time monitoring system for the cable surface defects based on the photoelectric detection technology
劉秀婷
doi: 10.19358/j.issn.2096-5133.2022.01.011
基于光電檢測(cè)技術(shù)開(kāi)發(fā)了電纜表面缺陷實(shí)時(shí)監(jiān)測(cè)系統(tǒng)。在硬件結(jié)構(gòu)方面，系統(tǒng)采用半環(huán)形LED白光源照射電纜，利用線(xiàn)陣CCD相機(jī)采集電纜表面圖像。在軟件算法方面，提出一種改進(jìn)的ROI(Region of Interest)算法精確定位電纜區(qū)域，利用一種基于改進(jìn)雙邊濾波的圖像差分算法建立背景模型，改進(jìn)一種基于CV-Kmeans區(qū)域分類(lèi)自適應(yīng)濾波窗口算法來(lái)凸顯電纜表面缺陷特征。研究結(jié)果表明，基于光電檢測(cè)技術(shù)研發(fā)的電纜表面缺陷實(shí)時(shí)監(jiān)測(cè)系統(tǒng)的識(shí)別能力較高，整體監(jiān)測(cè)準(zhǔn)確率不低于97.0%。
Design and optimization of regenerative braking strategy for heavy-duty hybrid electrical vehicles
薛金紅，涂群章，邵發(fā)明，潘 明
doi: 10.19358/j.issn.2096-5133.2022.01.012
為進(jìn)一步提高混合動(dòng)力應(yīng)急救援車(chē)輛的能源利用率，針對(duì)N3類(lèi)重型車(chē)輛的特點(diǎn)設(shè)計(jì)了雙模糊邏輯控制策略，分別對(duì)前后軸之間的制動(dòng)力及前軸再生制動(dòng)與機(jī)械制動(dòng)的制動(dòng)力進(jìn)行了合理分配，同時(shí)兼顧了車(chē)輛的制動(dòng)穩(wěn)定性及再生制動(dòng)能量的回收效率。為了更好地發(fā)揮模糊邏輯控制器的性能，采用多目標(biāo)粒子群優(yōu)化算法，以車(chē)輛制動(dòng)穩(wěn)定性指標(biāo)及再生制動(dòng)能量回收量為優(yōu)化目標(biāo)，對(duì)雙模糊邏輯控制器的輸入/輸出隸屬度參數(shù)進(jìn)行了優(yōu)化。最后，通過(guò)Simulink離線(xiàn)仿真實(shí)驗(yàn)驗(yàn)證了所設(shè)計(jì)的雙模糊邏輯再生制動(dòng)策略及多目標(biāo)粒子群優(yōu)化算法的正確性、有效性及實(shí)用性。
行業(yè)應(yīng)用
Research on the prediction and early warning model of student achievement based on heterogeneous information network
徐小玉
doi: 10.19358/j.issn.2096-5133.2022.01.013
推薦系統(tǒng)是數(shù)據(jù)挖掘中強(qiáng)有力的技術(shù)，異構(gòu)信息網(wǎng)絡(luò)是推薦系統(tǒng)起步晚卻發(fā)展迅猛的主流推薦方法。提出了基于異構(gòu)信息網(wǎng)絡(luò)的學(xué)生成績(jī)預(yù)測(cè)與預(yù)警模型，該方法通過(guò)元路徑計(jì)算得到學(xué)生間相似度矩陣，利用相似度矩陣構(gòu)造成績(jī)變化趨勢(shì)矩陣和幅度矩陣，投票得到學(xué)生成績(jī)預(yù)警與預(yù)測(cè)結(jié)果；最后，在公開(kāi)數(shù)據(jù)集上驗(yàn)證所提模型的有效性，結(jié)果表明，該模型能夠?qū)W(xué)生成績(jī)進(jìn)行預(yù)警，并能在一定閾值下預(yù)測(cè)學(xué)生成績(jī)具體分值。
