高校网上招生的网络安全与优化

本文对高校网上招生的网络安全进行了研究,设计了全面解决方案。文中采用负载均衡和链路聚合技术对局域网进行了优化。从安全、高效和可管理的角度出发部署了门禁考勤管理系统。实践证明,本文提出的解决方案对保障高校网上招生的网络安全和高效运行是十分有效的。     

基于Delphi和ANN的网络安全综合评价方法研究

网络安全评价是一复杂的系统工程，现有的安全评估工具大都只是用于对网络系统安全漏洞进行扫描、检测。为了对网络安全进行综合评价，必须要运用系统工程的思想和方法。文中采用德尔菲法（Ddphi）对影响网络安全的各种因素进行了深入研究。确立了网络安全综合评价指标体系，提出了人工神经网络（ANN）安全评价模型，并进行了计算机仿真试验。结果表明，这一模型能有效地对网络安全等级进行综合评价，从而为全面评价计算机网络安全状况提供了新的思路和方法。     

基于神经网络的多传感器系统误差校正方法

为提高传感器的准确度，减少传感器的研制成本，提出了基于神经网络多传感器误差补偿的方法。该方法利用BP网络较强的非线性映射能力，网络通过学习能实现对传感器系统误差的补偿。通过实例及仿真证明了该方法的有效性。     

浅析基于神经网络的入侵检测技术

文章叙述了入侵检测技术的发展与现状，对目前所采用的入侵检测技术及其特点进行了分析，提出了基于神经网络的入侵检测技术并指出了其优点，最后指出了未来入侵检测技术的发展趋势。     

浅析基于神经网络的入侵检测技术

文章叙述了入侵检测技术的发展与现状,对目前所采用的入侵检测技术及其特点进行了分析,提出了基于神经网络的入侵检测技术并指出了其优点,最后指出了未来入侵检测技术的发展趋势。     

计算机材料决策的设计方法

计算机的市场预测对于计算机生产厂商实现按需生产的生产模式具有十分重要的意义．论文采用模糊理论对历史销售数据进行预处理，利用BP神经网络建立预测模型，与原先采用的预测方法相比，准确度得到大幅提高，取得了良好的效果．     

机器人腕力传感器动态响应的实时补偿

为了提高机器人腕力传感器的动态响应速度,在对传感器进行动态标定实验的基础上,采用FLANN方法设计动态补偿器,以DSP为处理核心,研制实时动态补偿系统.实验结果表明,经过补偿腕力传感器动态响应的调整时间缩短为原来的25%以下.     

Artificial Immune Recognition System (AIRS): An Immune-Inspired Supervised Learning Algorithm

This paper presents the inception and subsequent revisions of an immune-inspired supervised learning algorithm, Artificial Immune Recognition System (AIRS). It presents the immunological components that inspired the algorithm and describes the initial algorithm in detail. The discussion then moves to revisions of the basic algorithm that remove certain unnecessary complications of the original version. Experimental results for both versions of the algorithm are discussed and these results indicate that the revisions to the algorithm do not sacrifice accuracy while increasing the data reduction capabilities of AIRS.     

基于 BP 神经网络的铁路互联网售票系统信息安全评估方法

互联网售票逐步取代了传统售票方式,在铁路运输生产中发挥至关重要的作用,但由于其向互联网提供服务,面临多个层面的安全风险和威胁,受外部攻击、病毒感染等安全威胁日益增大,一旦遭受攻击或其他因素导致系统宕机或终止服务,产生社会负面影响巨大。针对上述威胁,需要安全维护人员运用科学的方法和手段,系统地分析系统所面临的威胁及其存在的脆弱性,评估安全事件一旦发生可能造成的危害程度,提出有针对性的抵御威胁的防护对策和整改措施,将风险控制在可接受的水平,最大限度地保障信息系统安全。人工神经网络具有常规方法所不具备的智能特性,具有自主获取和学习知识的功能,可以较好地处理不确定性和非线性的问题,目前基于人工神经网络的信息安全风险评估在多个行业中已经开展了研究并得到了应用。相对其他人工神经网络模型,BP 神经网络模型具有较强的非线性映射能力和自学习、自适应能力。首先,采用3层的神经网络能够以任意精度逼近任何非线性连续函数,使其适合于求解内部机制复杂的问题;其次,训练时能够通过学习自动提取输出、输出数据间的“合理规则”,并自适应的将学习内容记忆于网络的权值中。因此,文章根据铁路互联网售票系统复杂网络体系结构,采用具有3层结构的 BP 反向传播人工神经网络模型与之对应,准确反映互联网售票系统面临的各类安全威胁,并利用 BP 神经网络良好的自适应性和容错能力,以互联网售票系统面临的安全风险威胁等级值为训练样本,采用已训练的 BP 网络对互联网售票系统进行安全风险评估,设计了基于 BP 神经网络的风险评估模型,仿真结果表明,设计的模型具有很好的自适应性和容错能力,适用于复杂的互联网售票系统网络,实验数?     

基于神经网络的模型反演攻击技术综述

大数据时代下,基于神经网络的模型研究是人工智能领域的一个主流方向。相比于其它的智能优化算法,神经网络具有自适应性强、泛化能力显著等优点,被广泛应用于语音识别、计算机视觉和自然语言处理等领域。然而,随着神经网络在各领域发挥关键作用的同时,也引发了隐私泄露、数据窃取等隐私安全问题。人工智能安全问题也随之成为当前国内外的研究热点。基于神经网络的模型反演攻击技术研究如何从神经网络模型输出数据中进行学习、推导,以得到有关输入数据的信息。通过对输入数据进行深度挖掘和关联分析,可能会还原出用户的重要敏感数据,从而引发更为严重的安全问题。同时,模型反演攻击技术也会推导出有关神经网络的网络结构和模型参数等信息,对神经网络模型的安全造成威胁。为了系统了解基于神经网络的模型反演攻击技术的研究进展和现状,本文对神经网络的安全问题及模型反演攻击技术研究进行了详细调研。首先,本文介绍了模型反演攻击技术的概念和常见攻击场景。然后,讨论神经网络面临的模型反演攻击挑战,包括原始数据保护、敏感数据泄露、模型训练隐私等安全问题。接着,对基于梯度优化和参数训练的两类神经网络模型反演攻击技术进行综述,对各类方法进行对比,并总结了典型的防御方法。最后总结全文并探讨了未来的研究方向。     

气体传感器阵列温度漂移抑制的研究

半导体气体传感器存在漂移问题,温度变化对漂移的影响尤为明显.在气体传感器阵列中,可以加入温度、湿度等传感器,监测其工作环境.实验系统采用恒温箱设定一组温度,制备气体样本20例(两种浓度样本各10例),采集传感器对样本的响应;通过人工神经网络来识别样本;当有误判发生时,在原网络中引入温度传感器的响应值,消除了误判,在一定程度上抑制了漂移,改善了网络性能,验证了该温度漂移抑制方法的可行性.     

基于BP神经网络的网络安全评价方法研究

网络安全涉及计算机、通信、物理、数学、生物、管理、社会等众多领域,是一项复杂的系统工程.因此,必须采用系统工程的思想和方法,对整个网络的安全状况进行综合评价,才能得出科学的评价结果.以层次分析法为基础,构建了BP神经网络评价模型,可用于网络安全等级的综合评价,从而得到更科学、合理的评价结果.研究工作为全面评价计算机网络安全状况提供新的思路和方法,对网络安全测评认证工作具有较高的理论价值和广阔的应用前景.     

基于随机游走的图神经网络黑盒对抗攻击

图神经网络在许多图分析任务中取得了显著的成功。然而,最近的研究揭示了其对对抗性攻击的易感性。现有的关于黑盒攻击的研究通常要求攻击者知道目标模型的所有训练数据,并且不适用于攻击者难以获得图神经网络节点特征表示的场景。文章提出了一种更严格的黑盒攻击模型,其中攻击者只知道选定节点的图结构和标签,但不知道节点特征表示。在这种攻击模型下,文章提出了一种针对图神经网络的黑盒对抗攻击方法。该方法近似每个节点对模型输出的影响,并使用贪心算法识别最优扰动。实验表明,虽然可用信息较少,但该算法的攻击成功率接近最先进的算法,同时实现了更高的攻击速度。此外,该攻击方法还具有迁移和防御能力。     

人工神经网络在文物分类系统中的应用研究

人工神经网络由于其强大的学习和适应能力,广泛应用于模式识别、模式分类、自动控制、图像处理及智能系统的非线性建模等方面。文中对几种典型的人工神经网络的结构、功能、学习算法进行了综述,详细介绍了人工神经网络在文物分类系统中的应用,比较结果可以得出自组织竞争神经网络的分类效果要优于其它两种神经网络。     

神经网络后门攻击研究

针对现有的神经网络后门攻击研究工作,首先介绍了神经网络后门攻击的相关概念;其次,从研究发展历程、典型工作总结、分类情况3个方面对神经网络后门攻击研究现状进行了说明;然后,对典型的后门植入策略进行了详细介绍;最后,对研究现状进行了总结并对未来的研究趋势进行了展望.     

一种新颖的语言/音乐分割与分类方法

语音/音乐区分是音频高效编码、音频检索、自动语音识别等音频处理和分析的重要步骤。本文提出一种新颖的语音/音乐分割与分类方法,首先根据相邻帧间的均方能量差异检测音频的变化点,实现分割;然后对音频段提取低带能量方差比、倒谱能量调制、熵调制等八维特征,用人工神经网络做分类。实验结果显示,本文算法和特征具有很高的分割准确率和分类正确率。     

基于人工神经网络和经验知识的遥感信息分类综合方法

提出基于三维Hopfield人工神经网络模型的遥感信息分类综合算法将遥感图象分类与分类结果平滑过程有机地结合在一起,并方便地引入了经验知识指导网络进化.实验表明该方法可明显提高森林类型划分、土地利用调查等遥感应用专题的分类精度.     

遥感影像土地利用/覆盖分类方法研究综述

从六个方面总结了国内外出现的遥感影像土地利用／覆盖分类中针对传统计算机分类方法的改进：(1)从基于统计的分类向基于非线性并行处理的人工神经网络分类、基于模糊理论为分类、基于知识的分类以硬支撑向量机等分类技术发展；(2)分类从单一利用光谱信息到利用光谱、纹理、时相、角度等多砷信息；(3)从基于像元的逐点分类到基于图斑的分类；(4)从硬分类到亚像元分类；(5)从单源遥感影像分类到利用多源遥感影像融合的分类；(6)从单分类器向复合分类器发展。