日韩精品视频美在线精品视频 ,日本乱人伦AV线

基于隱私計算技術的數據安全共享交互框架[其他][信息安全]

隱私計算作為一種數據安全交互解決手段，是由兩個或多個參與方聯(lián)合計算的技術和系統(tǒng)，參與方可以在不泄露各自數據的前提下通過協(xié)作對數據進行聯(lián)合機器學習和分析，隱私計算可實現“數據可用不可見”“數據不動模型動”，具備強化數據安全合規(guī)性、確保隱私數據不泄露的能力，可以說是現階段數據安全交互與敏感信息保護的“最優(yōu)解”。圍繞數據安全共享與協(xié)同應用，提出基于隱私計算技術的共享交互框架設計方案，結合業(yè)務實際分別給出技術架構和邏輯架構設計，分析關鍵技術和利弊，為數據的安全交互和開發(fā)利用提供解決思路。

發(fā)表于：2/29/2024 4:13:00 PM

生成式大模型的數據安全風險與法律治理[其他][信息安全]

生成式大模型具有廣泛的應用前景。大模型的訓練和運行均需要海量數據的支撐，極有可能引發(fā)數據安全風險。認知風險是化解風險的前提，需要從靜態(tài)、動態(tài)兩個視角建立起大模型應用數據安全風險的認知體系。結合歐盟、美國等大模型的治理經驗，針對我國大模型數據安全風險治理存在的不足，建議建立基于數據安全風險的分類監(jiān)管路徑、完善基于大模型運行全過程的數據安全責任制度、探索基于包容審慎監(jiān)管的創(chuàng)新監(jiān)管機制，為實現大模型應用的可信未來提供充分的法治保障。

發(fā)表于：2/29/2024 4:13:00 PM

融合協(xié)議信息的TOR匿名網絡流量識別方法[其他][信息安全]

TOR（The Onion Router）匿名網絡流量識別是一項重要的加密流量檢測任務，隨著TOR混淆模式的迭代更新，引入OBFS4(ObjectBased File System4)混淆協(xié)議后對TOR的檢測較為困難。詳細研究了TOR行為和混淆協(xié)議特性，將關鍵行為特征與OBFS4混淆協(xié)議特征進行融合，增強了面向混淆協(xié)議的TOR流量的檢出能力。另外構造了包含瀏覽網頁、視頻直播、聊天等多業(yè)務數據集進行實驗。結果顯示，該研究方法在基于OBFS4混淆協(xié)議的TOR流量檢測任務上效果顯著，其中l(wèi)ightGBM模型檢測效果最佳，在融合協(xié)議特征的方法下準確率達到9889%。同時該方法面向不同版本的TOR流量開展復測，在不同版本的TOR流量檢測任務中準確率均高于97%。

發(fā)表于：2/29/2024 4:13:00 PM

基于梯度優(yōu)化的大語言模型后門識別探究[其他][信息安全]

隨著大語言模型的流行并且應用在越來越多的領域，大語言模型的安全問題也隨之而來。通常訓練大語言模型對數據集以及計算資源有著極為苛刻的要求，所以有使用需求的用戶大部分都直接利用網絡上開源的數據集以及模型，這給后門攻擊提供了絕佳的溫室。后門攻擊是指用戶在模型中輸入正常數據時模型表現像沒有注入后門時一樣正常，但當輸入帶有后門觸發(fā)器的數據時模型輸出異常。防止后門攻擊的有效方法就是進行后門識別。目前基于梯度的優(yōu)化方法是比較常用的，但使用這些方法時內部影響因子的設定對識別效果具有一定影響。文章就詞令牌數量、最鄰近數量、噪聲大小進行了實驗測量和作用機制的分析，以便為后續(xù)使用這些方法的研究者提供參考。

發(fā)表于：2/29/2024 4:13:00 PM

基于黑盒測試框架的深度學習模型版權保護方法[人工智能][信息安全]

當前生成式人工智能技術迅速發(fā)展，深度學習模型作為關鍵技術資產的版權保護變得越發(fā)重要。現有模型版權保護方法一般采用確定性測試樣本生成算法，存在選擇效率低和對抗攻擊脆弱的問題。針對上述問題，提出了一種基于黑盒測試框架的深度學習模型版權保護方法。首先引入基于隨機性算法的樣本生成策略，有效提高了測試效率并降低了對抗攻擊的風險。此外針對黑盒場景，引入了新的測試指標和算法，增強了黑盒防御的能力，確保每個指標具有足夠的正交性。在實驗驗證方面，所提方法顯示出了高效的版權判斷準確性和可靠性，有效降低了高相關性指標的數量。

發(fā)表于：2/29/2024 4:13:00 PM

基于大模型的智能抄清：事件要點抽取與報告生成[其他][信息安全]

隨著信息爆炸時代的到來，如何利用抄清手段高效地從海量數據中提取有價值的信息并生成準確的抄清報告成為了情報分析和推理領域的重要挑戰(zhàn)。傳統(tǒng)的手動抄清方法難以應對數據量龐大、多樣性高的情報數據，因此需要借助自然語言技術提升抄清分析效率和準確性。提出了一種基于大模型的智能抄清方法，旨在通過事件要點抽取和報告生成，實現高效、準確和可靠的情報分析和推理。該方法利用自然語言處理技術對抄清數據進行分析，結合語法及語義信息進行文檔事件要點信息抽取，基于大模型的生成能力，生成全面且內容豐富的抄清報告。

發(fā)表于：2/29/2024 4:13:00 PM

基于句粒度提示的大語言模型時序知識問答方法[其他][信息安全]

知識問答是自然語言處理領域的研究熱點之一，而時序知識問答還需考慮知識的時序關系，更是研究難點所在。當前時序知識問答方法通常將知識和問題的詞向量相似度作為回答的重要依據，忽略了知識所蘊含的句粒度語義信息。對此，提出了一種基于句粒度提示的大語言模型時序知識問答方法，首先通過對句粒度提示的改進，讓大語言模型高效學習句粒度語義信息，同時驗證大語言模型在Zeroshot、Fewshot及弱監(jiān)督微調下時序知識問答能力。在ICEWS0515數據集上進行實驗，所提方法回答正確準確率得到可觀提升，體現了基于句粒度提示的大語言模型時序知識問答方法的有效性。

發(fā)表于：2/29/2024 4:13:00 PM

支持4K分辨率的ARINC818視頻傳輸驗證系統(tǒng)[嵌入式技術][航空航天]

針對未來機載座艙4K以上分辨率視頻傳輸需求，設計了一種基于FPGA的通用ARINC818視頻編解碼系統(tǒng)，并通過DP視頻接口完成視頻傳輸驗證。系統(tǒng)接收上位機發(fā)送的DP視頻，在FPGA中完成解碼，再對視頻數據按照ARINC818協(xié)議進行編碼，編碼后的ARINC818視頻回傳至本系統(tǒng)，再通過FPGA完成ARINC818解碼處理，解碼后的視頻再轉換成DP視頻送出顯示。本測試系統(tǒng)最高支持ARINC818-3標準中的10 Gb/s傳輸速率，實現了單lane 4K@30 Hz和雙lane 4K@60 Hz的ARINC818視頻收發(fā)功能，具有使用方便、功能豐富、配置靈活的特點。

發(fā)表于：2/21/2024 1:21:00 PM

道路平整度檢測多源數據高精度同步采集[可編程邏輯][其他]

隨著使用年限增加，道路出現了不平整等路面損壞情況，急需一種快速、有效的道路平整度檢測設備對道路進行檢測。設計了一種道路平整度檢測多傳感器數據同步采集系統(tǒng)，以FPGA為控制核心，利用GPS輸出的NEMA數據和高穩(wěn)晶振建立高精度的時間基準，采用A/D采樣的方式進行同步數據采集。為提高系統(tǒng)的抗干擾能力和數據采樣的精度，傳感器信號調理電路采用差分放大和抗混疊濾波設計。實驗結果表明，該系統(tǒng)完成了多傳感器數據高精度同步采集，時間同步精度為微秒級，能夠為評價路面平整度提供高精度原始數據，具有數據采樣精度高、穩(wěn)定性好、抗干擾能力強、成本低等優(yōu)點，已在武漢夕睿光電技術有限公司的道路檢測車上得到成功應用。

發(fā)表于：2/21/2024 1:21:00 PM

一種用于頻率駕馭系統(tǒng)的快速捕獲鎖相環(huán)設計[模擬設計][通信網絡]

鎖相環(huán)是一種能夠完成兩個信號相位同步的負反饋控制系統(tǒng)，其濾波作用可以使其通頻帶很窄，且自動跟蹤輸入頻率，因此鎖相環(huán)常用于原子鐘、頻標馴服系統(tǒng)以及時間同步系統(tǒng)中，是通信、衛(wèi)星導航以及電子測量系統(tǒng)的重要組成部分。鎖相環(huán)中相位噪聲和捕獲時間是兩個相互制約的指標，在減少鎖相環(huán)捕獲時間的同時抑制相位噪聲是目前鎖相環(huán)技術研究中的重要問題之一。針對這一問題，基于模擬鎖相環(huán)的基本理論和構成，根據環(huán)路帶寬和捕獲時間的數學關系，設計出一種輔助捕獲電路，并應用于銣銫組合鐘的頻率駕馭模塊。此電路可根據檢相輸出信號動態(tài)調整環(huán)路濾波器的阻值以改變環(huán)路帶寬，從而實現快速捕獲。實驗表明，所設計的快速捕獲鎖相環(huán)的捕獲時間為5.71 ms@1 Hz，鎖相環(huán)輸出信號雜波抑制優(yōu)于-90 dBc，諧波抑制優(yōu)于-55 dBc。

發(fā)表于：2/21/2024 1:21:00 PM