期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到10篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于模糊测试的智能合约正确性检测
1
作者 王嘉诚 蒋佳佳 +2 位作者 赵佳豪 张玉书 王良民 《计算机工程与应用》 CSCD 北大核心 2024年第5期307-320,共14页
智能合约的发展处于初期阶段,底层编程语言和应用平台的不同使得智能合约的设计缺少规范,极易出现漏洞,造成损失。针对以太坊区块链平台上智能合约存在的安全漏洞问题,提出了一种基于模糊测试的智能合约正确性检测方法。该方法根据智能... 智能合约的发展处于初期阶段,底层编程语言和应用平台的不同使得智能合约的设计缺少规范,极易出现漏洞,造成损失。针对以太坊区块链平台上智能合约存在的安全漏洞问题,提出了一种基于模糊测试的智能合约正确性检测方法。该方法根据智能合约内容及规范生成模糊输入,并根据模糊输入在以太坊虚拟机内执行智能合约,监控合约在执行过程中的行为,生成多个日志文件,提取日志文件中的关键信息,对测试用例进行触发测试,从而得到智能合约所包含漏洞的情况,实现正确性检测。在实验过程中,该方法针对416个智能合约中的七类常见漏洞进行了漏洞检测,标记出了19个存在漏洞的智能合约。经过人工审计分析发现,在这19个被标记的不正确智能合约中,有18个智能合约确实存在安全漏洞。实验结果表明所提方法能够以较高的准确率识别智能合约中包含的漏洞,从而检测智能合约的正确性。 展开更多
关键词 智能合约 漏洞检测 模糊测试 正确性检测 以太坊
下载PDF
CodeScore-R:用于评估代码合成功能准确性的自动化鲁棒指标
2
作者 杨光 周宇 +1 位作者 陈翔 张翔宇 《计算机研究与发展》 EI CSCD 北大核心 2024年第2期291-306,共16页
评估指标在代码合成领域中至关重要.常用的代码评估指标可以分为3种类型:基于匹配、基于语义和基于执行.其中,基于执行的Pass@k指标通过执行测试用例,能够准确判断预测代码的功能准确性.然而,该指标的计算需要大量开销,因此亟需设计一... 评估指标在代码合成领域中至关重要.常用的代码评估指标可以分为3种类型:基于匹配、基于语义和基于执行.其中,基于执行的Pass@k指标通过执行测试用例,能够准确判断预测代码的功能准确性.然而,该指标的计算需要大量开销,因此亟需设计一种自动化评估指标,在无需测试用例时仍可评估预测代码的功能准确性.此外,好的评估指标应当具有鲁棒性,即预测代码发生微小改变时,评估指标仍能保持其准确性.为此,提出了一种基于UniXcoder和对比学习的自动化鲁棒指标CodeScore-R,用于评估代码合成的功能准确性. CodeScore-R采用草图化处理、语法等价转换和变异测试等技术手段,有效减轻了标识符、语法结构和运算符对评估结果的干扰.实验结果表明,在Java和Python语言上的代码生成和迁移任务中,CodeScore-R的表现优于其他无需测试用例的评估指标,且更接近Pass@k指标,并具有更强的鲁棒性. 展开更多
关键词 代码合成评估指标 功能准确性 鲁棒性 代码合成 神经网络
下载PDF
基于深度学习的显著性目标检测综述 被引量：2
3
作者 孙涵 刘译善 林昱涵 《数据采集与处理》 CSCD 北大核心 2023年第1期21-50,共30页
显著性目标检测通过模仿人的视觉感知系统,寻找最吸引视觉注意的目标,已被广泛应用于图像理解、语义分割、目标跟踪等计算机视觉任务中。随着深度学习技术的快速发展,显著性目标检测研究取得了巨大突破。本文总结了近5年相关工作,全面... 显著性目标检测通过模仿人的视觉感知系统,寻找最吸引视觉注意的目标,已被广泛应用于图像理解、语义分割、目标跟踪等计算机视觉任务中。随着深度学习技术的快速发展,显著性目标检测研究取得了巨大突破。本文总结了近5年相关工作,全面回顾了3类不同模态的显著性目标检测任务,包括基于RGB图像、基于RGB-D/T(Depth/Thermal)图像以及基于光场图像的显著性目标检测。首先分析了3类研究分支的任务特点,并概述了研究难点;然后就各分支的研究技术路线和优缺点进行阐述和分析,并简单介绍了3类研究分支常用的数据集和主流的评价指标。最后,对基于深度学习的显著性目标检测领域未来研究方向进行了探讨。 展开更多
关键词 深度学习 RGB图像显著性目标检测 RGB-D/T图像显著性目标检测 光场图像显著性目标检测
下载PDF
金融分布式数据库异步全局索引研究
4
作者 金磐石 李博涵 +3 位作者 秦小麟 邢磊 李晓栋 王进 《计算机科学与探索》 CSCD 北大核心 2023年第11期2784-2794,共11页
伴随移动支付的快速发展,传统的金融核心业务所使用的集中式数据库面临性能、可用性等方面的挑战。为此有研究者提出了采用计算和存储分离架构的分布式数据库解决思路,通过网络连接构建在物理上分散、逻辑上集中的分布式数据库管理系统... 伴随移动支付的快速发展,传统的金融核心业务所使用的集中式数据库面临性能、可用性等方面的挑战。为此有研究者提出了采用计算和存储分离架构的分布式数据库解决思路,通过网络连接构建在物理上分散、逻辑上集中的分布式数据库管理系统。全局索引是分布式数据库提升查询效率的重要手段,但当前的全局索引主要通过在传统网络中利用同步机制来实现。这种机制在金融数据管理的典型交易和批量导入数据场景下面临单表索引数量少、吞吐量降低、事务响应时间抖动等亟需解决的问题。为此,提出了一种基于分布式数据库的异步全局索引架构,通过新增MQ消息队列、分布式缓存,以及利用RDMA网络,实现一种满足金融典型场景需求的异步全局索引。为了验证有效性,与Oracle、CockroachDB在相同的场景下进行大量对比分析,实验结果表明,在金融核心业务数据的批量导入、交易等场景中,该方法的主要性能指标比现有方法提升60%以上,而对系统资源需求降低20%以上。 展开更多
关键词 分布式数据库 异步 全局索引 低时延 RDMA网络
下载PDF
一种结构关系一致的对比聚类方法 被引量：1
5
作者 许洁 王立松 《计算机科学》 CSCD 北大核心 2023年第9期123-129,共7页
作为一项基本的无监督学习任务,聚类旨在将无标签的、混杂的图像数据划分成语义相似的类。最近的一些方法通过引入数据增强,利用对比学习方法学习特征表示和聚类分配,关注模型区分不同语义类的能力,可能导致来自同一语义类样本的特征嵌... 作为一项基本的无监督学习任务,聚类旨在将无标签的、混杂的图像数据划分成语义相似的类。最近的一些方法通过引入数据增强,利用对比学习方法学习特征表示和聚类分配,关注模型区分不同语义类的能力,可能导致来自同一语义类样本的特征嵌入被分离的情况。针对以上问题,提出一种结构关系一致的对比聚类方法(Contrastive Clustering with Consistent Structural Relations,CCR),在实例级和聚类级执行对比学习,并且增加关系级别的一致性约束,让模型学习更多来自结构关系的“正数据对”信息,从而减小聚类嵌入被分离所带来的影响。实验结果表明,CCR方法在图像基准数据集上得到了比近年来的无监督聚类方法更优异的结果。模型在CIFAR-10和STL-10数据集上的平均准确度比相同实验设置下的最好方法提升了1.7%,在CIFAR-100数据集上提升了1.9%。 展开更多
关键词 无监督学习 聚类 对比学习 数据增强 过度聚类
下载PDF
面向交通流预测的路况分级融合模型
6
作者 巢成 许建秋 《计算机应用》 CSCD 北大核心 2023年第S02期47-53,共7页
针对复杂交通网的路况拥堵问题,提出了L^(2)(LSTM(Long Short-Term Memory)+LGBM(Light Gradient Boosting Machine))融合模型,为道路决策提供数据驱动的基础,优化交通调度,提高出行效率。首先,通过前向关联边结构存储路网模型;其次,提... 针对复杂交通网的路况拥堵问题,提出了L^(2)(LSTM(Long Short-Term Memory)+LGBM(Light Gradient Boosting Machine))融合模型,为道路决策提供数据驱动的基础,优化交通调度,提高出行效率。首先,通过前向关联边结构存储路网模型;其次,提取历史序列数据特征,保留路网中的时序特征;最后,通过将时间序列数据与道路拓扑结构融合进行特征提取,训练模型并完成预测。为便于理解路段状态,采用分级评价,将预测结果划分为:拥堵、缓行和畅通。实验采用北京地区真实路况作为数据集,数据规模达1500余万条。实验将融合模型L^(2)与深度神经网络(DNN)、LSTM和LGBM做对比,实验结果表明,L^(2)的预测精度达91.22%,优于其他模型。最后,采用可视化技术展示实验结果,完成5种可视化图表的实现,便于用户直观理解道路的实时状态。 展开更多
关键词 交通流预测 融合模型 长短期记忆网络 轻量级梯度提升机 道路属性 可视化
下载PDF
基于特征增强的RGB-D显著性目标检测
7
作者 刘译善 孙涵 《计算机技术与发展》 2023年第11期28-34,共7页
显著性目标检测方法中,深度(Depth)信息的引入能弥补RGB图像缺失的空间信息,有助于从复杂的背景中检测显著目标,提升检测精度。但如何有效融合跨模态特征、获取清晰的边界是值得研究的问题。该文设计了一个基于特征增强的RGB-D显著性目... 显著性目标检测方法中,深度(Depth)信息的引入能弥补RGB图像缺失的空间信息,有助于从复杂的背景中检测显著目标,提升检测精度。但如何有效融合跨模态特征、获取清晰的边界是值得研究的问题。该文设计了一个基于特征增强的RGB-D显著性目标检测网络FENet(Feature Enhancement Network),首先由特征融合增强模块(Feature Fusion Enhancement Model,FFEM),通过交叉融合和混合空间/通道注意力充分利用跨模态特征的相关性和互补性提取高级语义信息,然后通过边界特征增强模块(Boundary Feature Enhancement Model,BFEM)对浅层细节信息进行补充,并引入门控避免低质量底层信息的干扰,最后通过混合增强损失函数来完成模型对显著区域和边界的学习。FENet模型在五个公开数据集上和当前较为先进的模型相比,有效提升了检测性能,尤其在显著物体的边缘细化和完整性检测上。 展开更多
关键词 显著性目标检测 深度学习 边界特征增强 特征融合增强 多模态
下载PDF
几类纠错码及其相关McEliece密码体制
8
作者 李志豪 吴严生 张钰芃 《广西师范大学学报（自然科学版）》 CAS 北大核心 2023年第4期1-11,共11页
随着量子计算机的迅速发展,抗量子攻击密码算法俨然成为密码学的研究热点。基于纠错码的McEliece公钥加密体制由RobertMcEliece于1978年提出,是一种非对称抗量子攻击加密算法。本文首先介绍几种常见的纠错码———Reed-Solomon码、Gopp... 随着量子计算机的迅速发展,抗量子攻击密码算法俨然成为密码学的研究热点。基于纠错码的McEliece公钥加密体制由RobertMcEliece于1978年提出,是一种非对称抗量子攻击加密算法。本文首先介绍几种常见的纠错码———Reed-Solomon码、Goppa码、TwistedReed-Solomon码的定义与基本性质,系统分析线性码的纠错译码算法;其次,详细阐述基于纠错码的McEliece公钥加密体制的加解密过程,并从NP-Hard问题对该加密体制进行安全性分析;最后,在前人研究成果的基础上,结合最近研究热点,提出几点思考和一些公开问题,为未来的研究提供参考。 展开更多
关键词 纠错码 Goppa码 REED-SOLOMON码 Twisted Reed-Solomon码 McEliece加密体制 纠错译码算法
下载PDF
融合知识感知与双重注意力的短文本分类模型 被引量：8
9
作者 李博涵 向宇轩 +4 位作者 封顶 何志超 吴佳骏 戴天伦 李静 《软件学报》 EI CSCD 北大核心 2022年第10期3565-3581,共17页
文本分类任务作为文本挖掘的核心问题,已成为自然语言处理领域的一个重要课题.而短文本分类由于稀疏性、实时性和不规范性等特点,已成为文本分类亟待解决的问题之一.在某些特定场景,短文本存在大量隐含语义,由此给挖掘有限文本内的隐含... 文本分类任务作为文本挖掘的核心问题,已成为自然语言处理领域的一个重要课题.而短文本分类由于稀疏性、实时性和不规范性等特点,已成为文本分类亟待解决的问题之一.在某些特定场景,短文本存在大量隐含语义,由此给挖掘有限文本内的隐含语义特征等任务带来挑战.已有的方法对短文本分类主要采用传统机器学习或深度学习算法,但该类算法的模型构建复杂且工作量大,效率不高.此外,短文本包含有效信息较少且口语化严重,对模型的特征学习能力要求较高.针对以上问题,提出了KAe RCNN模型,该模型在TextRCNN模型的基础上,融合了知识感知与双重注意力机制.知识感知包含了知识图谱实体链接和知识图谱嵌入,可以引入外部知识以获取语义特征,同时,双重注意力机制可以提高模型对短文本中有效信息提取的效率.实验结果表明,KAe RCNN模型在分类准确度、F1值和实际应用效果等方面显著优于传统的机器学习算法.对算法的性能和适应性进行了验证,准确率达到95.54%,F1值达到0.901,对比4种传统机器学习算法,准确率平均提高了约14%,F1值提升了约13%.与TextRCNN相比,KAe RCNN模型在准确性方面提升了约3%.此外,与深度学习算法的对比实验结果也说明,该模型在其他领域的短文本分类中也有较好的表现.理论和实验结果都证明,所提出的KAe RCNN模型对短文本分类效果更优. 展开更多
关键词 短文本分类 知识图谱 注意力机制 TextRCNN 实体消歧
下载PDF
基于累积前景理论和三支决策的无人机态势评估
10
作者 李伟湋 高培雪 +1 位作者 陈进 路玉卿 《上海交通大学学报》 EI CAS CSCD 北大核心 2022年第11期1479-1490,共12页
现有的无人机态势评估方法没有考虑复杂外界环境对决策者的影响,并且通常只能得到评估的排序结果,决策者需要在短时间内进行决策,常出现误判或错失打击窗口期.针对该问题,提出一种基于累积前景理论的三支决策模型.首先,通过直觉模糊接... 现有的无人机态势评估方法没有考虑复杂外界环境对决策者的影响,并且通常只能得到评估的排序结果,决策者需要在短时间内进行决策,常出现误判或错失打击窗口期.针对该问题,提出一种基于累积前景理论的三支决策模型.首先,通过直觉模糊接近于理想值的排序方法求取目标的条件概率,得到态势评估结果;之后基于累积前景理论对无人机获取的直觉模糊态势信息进行计算,得到每个目标执行不同动作时对应的累积前景价值;最后,基于累积前景价值最大化的原则,推导出新的三支决策规则,对态势评估结果进行三支划分.实验分析表明:该方法不仅得到了目标威胁排序,而且对目标威胁等级进行客观分类;同时在评估过程中考虑决策者的心理,得到符合决策者特质的目标威胁评估结果,为复杂多变的空战提供一种合理的决策支持. 展开更多
关键词 无人机 三支决策 累积前景理论 态势评估 直觉模糊
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部