欢迎访问《智能安全》编辑部

《数独》锻炼逻辑思维，全球受欢迎 #生活乐趣# #游戏乐趣# #解谜游戏#

显示方式：

摘要：
ACORN v3算法是凯撒竞赛胜出的认证加密算法之一。本文考虑状态更新过程中非线性函数对状态差分传递的影响,给出ACORN v3算法非线性函数的差分传递模型,通过分析ACORN v3算法解密验证阶段的状态更新,重新评估了算法抗差分伪造攻击的能力,将ACORN v3算法认证阶段的有效差分伪造攻击轮数的上界从86轮提升到了102轮。本文对该算法初始化阶段分析,在选择IV的攻击条件下,通过在IV处注入差分,给出ACORN v3算法初始化阶段的差分分析,对模型求解情况进行分类,以概率1得到初始化阶段461轮输出密钥流的差分区分器,选取了10对满足输入差分的IV,以99.9%的成功率将初始化461轮的ACORN算法和随机置换产生的密钥流区分开来。

摘要：
随着计算和网络技术的进步,计算机应用系统的规模和复杂性不断增加,系统日志数据的数量和类型也随之迅速增加。因此,识别日志是否异常成为保障复杂系统安全的重大挑战。然而,现有的基于规则或机器学习的日志异常检测方法存在局限性,如忽略日志变量、日志语义特征提取不足及在检测新类型日志时性能不佳。为了解决上述问题,本文提出了一种新型的基于深度学习的日志异常检测模型——基于变量融合和稀疏注意力的模版驱动异常检测方法。该模型融合了日志数据中的模板和变量信息,并通过引入稀疏注意力机制,在处理长序列日志时表现出了优异的性能,可以有效地捕获并表征序列的整体特征。不仅能理解日志变量的语义,还能有效检测日志序列中的异常行为。实验结果表明,该模型在3个开源数据集上展示了较高的性能。

摘要：
目标检测是计算机视觉领域最为重要的研究方向之一，被广泛应用于智能监控、自动驾驶、医学影像分析等领域。面对层出不穷的应用场景，往往需要依托特定的硬件平台部署目标检测算法，根据硬件平台的特点对目标检测算法进行优化可大大提高算法的推理效率。近年来，RISC-V因其精简、开源、可定制等特点受到学术界和工业界的广泛关注，已成为继X86、ARM之后的第三大CPU架构。面向RISC-V架构，通过程序性能分析、向量化、访存优化、循环展开等技术对目标检测算法进行优化，并在模拟器和RISC-V开发板上进行部署测试。实验表明，相比初始版本的算法，优化版本的单线程推理效率提高了3倍以上。对RISC-V向量扩展在优化目标检测算法中的有效性进行了验证，为后续面向RISC-V平台的应用移植和算法优化提供了经验和参考。

摘要：
随着人工智能的火速发展，神经网络被广泛应用到各行各业，但是神经网络模型的不可解释限制了其所做出决策的可信度。目前的可解释机器学习方法大都只能提供模糊的、近似的解释，在涉及安全相关的重要领域，每一个字节的解释偏差都可能引发重大误导，可是逻辑严谨、精确的可解释方法会涉及组合爆炸，非常复杂。提出了计算边界值（BIV）算法，一种计算模型决策恒真域和恒假域之间边界的算法。首先，基于模型的权重、偏置和激活函数性质，通过知识编译将模型表示成形式化逻辑表达式——基于阈值的线性函数。然后，通过将模型的决策过程看成是二元对抗博弈，提出恒真域和恒假域的概念，并在此基础上，将逻辑严谨的可解释问题转化成计算恒真域与恒假域边界的问题。随后，提出了直接计算恒真域与恒假域之间边界的算法——BIV算法，可以直接精准计算出形式化解释，即模型的决策规则。最后，在真实DoS网络入侵检测场景上，对BIV算法进行测试，并将结果与现有可解释方法SHAP进行了分析和对比。结果表明，BIV算法不仅可以提供精准严谨的解释，而且在执行效率上有明显优势。

摘要：
分布式无人集群之间的异构通信网络具有结构复杂、覆盖面积大、数据流量大等特征,而传统网络入侵检测框架数据吞吐能力不足,限制了无人集群的抗入侵、防失控能力的发展。本文提出了一种改进SVM实现的无人集群网络入侵检测框架,采用管线（pipeline）对支持向量机算法进行改进既满足了集成学习的需求,实现了网络入侵的检测和分类,同时也与分布式无人集成框架具有更好的适配性,并能够依赖Spark流式框架使其适应大规模通信数据的快速计算处理需求。通过实验对改进后的框架进行了性能评估,结果表明:该检测框架在准确性、实时性等多个方面均具备良好的性能,能够有效地支撑无人集群进行通信网络的入侵检测。

摘要：
基于视觉的三维手部姿态估计是实现人机交互的重要技术手段。目前,视觉手部姿态估计算法易受光照变化、遮挡和环境噪声等复杂环境因素干扰,导致模型的鲁棒性无法得到保障。这些多变的环境因素使得传统的深度学习方法在真实场景中难以取得令人满意的结果。针对这一难题,本文提出了一种基于特征分离的手部姿态估计算法,通过对手部图像中的关键特征进行精炼来提升模型在不同环境中的鲁棒性。首先,对编码器进行基于频域增强的预训练,从而减少环境噪声对于底层视觉特征提取的影响；其次,在解码阶段提出了一种用于分离因果特征和非因果特征的双分支结构,通过减少非因果特征对于姿态估计任务的影响以提高模型应对复杂环境的能力；最后,通过融合全局姿态信息和局部关节信息,实现了不同尺度的统一优化,并基于两个公开数据集的定量分析和定性分析,验证了本文所提出方法的准确性和鲁棒性。

摘要：
惯性导航系统（Inertial Navigation System,INS）是为各类运载体平台在GPS拒止环境下提供自主导航的关键技术。然而,现有的INS存在误差累积问题,影响其长期导航精度。为增强INS的准确性,本文通过引入高精度加速度计并利用卷积神经网络（Convolutional Neural Networks,CNN）提出一种新型基于卷积神经网络的冗余高精度加速度计导航系统,该系统优化了误差预测和反演校正能力,显著提高了导航精度。实验结果证明,该系统在减少误差累积和提高长期导航稳定性方面优于传统INS方法。

摘要：
数据闭环是智能无人系统获得高可靠、高适应环境感知性能的重要基础，通常包含数据采集、数据预处理、数据标注、模型训练、模型评估、模型部署等环节。随着多模态传感器数据的快速增长，数据闭环面临关键数据筛选、无标注数据信息挖掘、大规模数据高效标注等挑战。围绕数据闭环中的关键问题，介绍了基于主动学习的数据筛选、多视角图像三维感知模型预训练、基于大模型的数据半自动标注等方法，并通过公开数据集上的定量和定性实验，验证了方法的有效性。

摘要：
多智能体强化学习是解决空间追逃博弈问题的一类有效方法,但在多星追逃博弈场景下存在复杂性高、训练时间长、难以收敛等问题。本文提出一种基于行为树的多星轨道追逃博弈方法,将对多个目标的复杂追逃博弈问题分解为对单一目标的追逃博弈问题。利用行为树构建多星追逃任务分配与博弈决策框架,以最大化追击成功概率为目标建立最优任务分配模型,并利用遗传算法进行求解,实现多星追逃任务快速分解；对于分配的追击任务,各卫星自主选择多智能体深度确定性策略梯度算法训练得到的博弈策略开展博弈决策。结果表明,本文所提方法能将多星轨道博弈任务有效分解,并在行为树的驱动下成功完成对目标的追击。

摘要：
高精确度的功耗评估是PPA（性能-功耗-面积）设计中的重要一环。提出了一种“试探测试+基准测试+压力测试”的三步评估流程，在试探测试阶段利用翻转率在线处理单元获得峰值翻转率阈值，在基准测试阶段获得功耗与翻转率之间的对应关系，在压力测试阶段推算出峰值功耗场景，充分利用动态功耗与翻转率近似正比的特性，解决了环境中带PCIE等动态外设时无法直接采用一般功耗评估流程的难题。为弥补硬件加速平台在测试激励上与真实芯片间的差距，敏化峰值功耗场景，提出并采用了目标设计的精细切割评估策略。最后，在如何巧妙构建测试激励上，通过比对数据，提出了一种敏化峰值功耗的思路。以某国产高性能人工智能芯片SUPER-1芯片的 PCIE部件为例，采用本文所提供的功耗评估，最终的功耗评估精度达90%。

摘要：
借鉴高熵合金设计思路而开发的高熵碳化物是一种新型超高温陶瓷材料，其具有独特的性能组合，包括高硬度、低热导率、高熔点、高强度和良好的抗辐照性等优异的物理性质，在先进涡轮发动机、核反应堆和高超音速飞行器等极端服役环境中具有广泛应用的潜力。高熵碳化物的优异物理性能来源于其复杂的元素成分组成、长程无序的原子结构、晶格畸变及空位缺陷对声子散射过程的增强等因素。然而，由于高熵碳化物的候选成分复杂，元素含量的变化范围广泛，导致传统“试错法”难以快速获得具有目标性能的高熵碳化物的组分范围。本文综述了第一性原理计算和机器学习在高熵碳化物设计的应用，着重回顾了高通量计算和机器学习在高熵碳化物相稳定性、力学性能及热力学性能预测中的研究进展，对相关计算方法在新型高熵陶瓷设计中的应用进行了展望。

网址：欢迎访问《智能安全》编辑部 https://www.yuejiaxmz.com/news/view/96549

相关内容

欢迎访问》怀化小天鹅洗衣机官方网站怀化各点售后服务====
==欢迎访问苏州大学网站==
在线图片编辑器 照片处理 批量编辑
您的智能家居有多安全？21 世纪的家庭安全提示。
14个免费的AI视频剪辑软件，智能自动编辑和创作视频
欢迎介绍
Windows 11 照片应用及 Clipchamp 人工智能视频编辑器
无敌了！Midjourney 外部图像编辑功能上线，支持 Controlnet 深度控制
市面上13款最佳视频编辑软件（大部分免费）
图片编辑软件免费的有哪些 免费使用的图片编辑app大全

随便看看