Geohash编码抗k近邻攻击的脆弱性分析

Geohash编码作为一种降维技术目前已应用于空间数据库和空间数据引擎中,但其安全性还有待进一步研究。文章关注Geohash编码存在的安全漏洞,从理论上分析了此种降维技术产生推理通道的原因,并提出一种基于k近邻查询的加密Geohash字段重构算法,通过观察大量k近邻查询响应中的明文信息进行统计推断并重构出加密Geohash的原始值。对加密兴趣点数据库进行重构实验,实验表明,观察到的查询响应数量越多,重构值的精确度越高。在Geohash编码精度为30 bit的情况下,当观察到100000到3000000次查询响应时,重构值与原始值平均误差为0.074%到0.015%。该实验揭示了Geohash编码在抵抗k近邻查询推理攻击方面的脆弱性及形成机理,将促进相关地理信息系统行业的安全应用与研究。     

融合共现推理的Faster R-CNN输电线路金具检测

为促进目标检测模型与电力领域业务知识有机融合,缓解金具样本间长尾分布问题,有效提升输电线路金具的自动化检测效果,提出了融合共现推理的Faster R-CNN(faster region-based convolutional neural network)输电线路金具检测模型。首先,深入研究输电线路金具结构化组合规则,通过数据驱动的方式以条件概率对金具目标间的共现连接关系进行有效表达;然后,结合图学习方法,利用学习并映射的共现概率关联作为共现图邻接矩阵,使用基线模型(Faster R-CNN)提取的特征向量作为图推理输入特征,以自学习的变换矩阵作为共现图传播权重,完成图信息传播并实现有效的共现推理模型嵌入。实验证明,融合共现推理模块的Faster R-CNN模型较原始模型提升了6.56%的准确率,对于长尾分布样本中数量较少的金具性能提升尤其显著。     

基于图表示学习的消息回复关系判断方法

微信、QQ和钉钉等社交媒体都提供多对多聊天群组功能,这些聊天群组包含海量信息,对群组聊天内容进行有效分析,获取有价值的关联信息,是当前领域的研究热点。群组中用户间交互是群组实现的主要功能,用户间消息回复是用户间交互实现的方式,消息间的回复行为下隐藏着消息间和用户间的关系。群组消息间回复通常是隐式和非连续的,大部分群组消息间没有指定明确的回复关系,当前消息也不一定是上一条临近消息的回复,回复关系要根据具体的聊天场景确定。当消息间没有显示指定回复关系时,回复不易于分析和理解群组聊天内容,阻碍了对群组聊天内容的整体性分析。本论文针对群组消息间的回复关系,提出了基于图表示学习的消息回复关系判断方法,该方法不同于以往方法仅使用部分群组要素,是在综合学习消息的文本信息、发送消息的用户信息和上下文信息的基础上,根据群组内容构建群组图和生成自适应消息图,得到了多种群组要素信息和要素间关系组成的图结构,利用图模型在图结构上进行群组消息的表示学习,图模型输出群组消息的表示向量,拼接消息对的表示向量并进一步预测群组消息间的回复关系。在消息间回复关系的学习过程中,图模型通过任务学习更新图中消息节点,同时更新图中用户节点向量表示,经过用户向量分析实验验证了该模型输出的用户向量的有效性和合理性。在公开数据集和标注数据集上进行了对比实验和显著性检验分析,结果显示模型在多个评估指标上大幅优于对比模型,如在F1指标上,比单纯依赖BERT的句子对分类模型提高了接近20%。     

面向质量问题的可拓知识表达与诊断推理

为使生产过程中检测信息不足的质量问题在最短的时间内得到相对合理的解决方案,针对案例的形式化表示及推理方法的局限性,提出基于可拓知识表达的质量问题案例推理方法.结合物元模型给出质量问题域的物元特征项和实例模型的知识表达;利用可拓变换对检索、重用、修正以及存储过程中的特征项调整进行相容性求解;结合基于领域知识的分层实例组织形式与最近邻检索策略给出案例推理计算方法;对608-2RS球轴承振动问题解决方案的求解表明,该方法实用、可行.     

渭河南暴雨洪水推理公式法汇流参数m值研究

近年来,渭河南分区流域开发及水文下垫面条件受人为因素的影响,许多原有的水文特征值、参数等发生变化,原有的推理公式计算结果与实际情况偏差较大。本文主要探讨水文手册修编中汇流计算推理公式法中汇流参数m值参数的取值问题,总结出汇流参数m的计算公式。通过收集渭河南分区各水文站以及雨量站气象站的主要实测资料,本次的计算结果更符合现有实际情况。     

一种基于改进的多值因果图的近似推理

针对因果图的精确推理是NP难的,提出寻找近似的推理算法。根据以往文献中近似推理的原理,通过一种可能性比值,找到转化后的连接事件概率。该近似推理保证了多值因果图在推理过程中概率的归一性,最后用于实例得出的结果满足概率论知识且符合实际。     

基于帧间差异和证据推理的海事雷达目标提取方法研究

海事雷达通过多普勒效应和帧间差异,进行船舶的跟踪与识别,是海事监管和避碰的重要传感器。受环境因素影响,其往往提供大量虚假目标,干扰海事监管。针对该问题,以雷达图像为数据源,提出了一种基于证据推理(Evidential Reasoning Rule)规则的目标甄别方法。在该方法中,首先收集经过验证的识别结果,获取充足的船舶和虚假目标样本。然后,分析样本在多帧图像中的位移、方向等特征值,计算出位移、方向特征值与目标真实性的似然关系,即提供两条独立证据。最后,利用证据推理规则合成上述证据,实现组合判断。不同于其他滤波或分类算法,该方法基于原始雷达图像和概率推理,计算过程未做任何状态假设,识别结果更加准确可靠。在重庆长江朱沱镇的实地雷达监测案例研究中,该方法的识别准确性达90.81%,证明了其有效性。     

E-Learning环境下基于知识点偏好的学习社区组建

在对在线学习者的个性化信息进行抽象、合理描述及分析的基础上,提出描述学习者在学习过程中的本体模型及本体推理规则;在结合虚拟学习社区和知识导航的服务下,借助Protégé、JSP和Jena编程技术,实现基于本体并具有组建虚拟学习社区和知识导航功能的E-Learning原型系统。实验表明,所提出的建模方法有利于进一步建立基于知识偏好的学习社区。     

基于双层不确定推理的保护运行评价方法研究

针对地区电网继电保护装置的动作行为分析问题,建立了继电保护装置运行原因分析和责任部门评价两大规则体系.采用权值法形成的可信度赋予规则体系的概率模型,结合双层推理方式,形成双层不确定推理的过程,有效地反映了系统运行方式与保护逻辑动态过程的结合;采用基于概率模型的不确定推理方式实现责任部门评价过程,以提高评价过程的可靠性.现场试用过程表明:采用该方法评价继电保护装置的实际运行情况的结果正确,具有很好的实用价值.     

基于ALC的事例库结构及检索研究

为了提高基于ALC的事例检索的效率,通过概念距离及LCS推理给出了索引节点密度大且带权重的事例库层次结构,实现了事例更细致的分类及统一概念距离的语义。根据该结构的组织方式、LCS概念及概念距离给出了事例筛选及相似性度量算法,证明了通过事例筛选得到的候选事例集明显减小,采用相似性度量算法能得到合理的候选事例序列,从而提高了基于ALC的事例检索的效率。